在2024年TED人工智能大会上，专家们应对人工智能的发展痛点

旧金山—周二，TED AI 2024在旧金山的赫斯特剧院举行的为期两天的活动的第一天，一系列演讲者探讨了人工智能对科学、艺术和社会的影响。此次活动汇聚了一批研究人员、企业家、律师和其他专家，他们描绘了一幅关于人工智能较为复杂且少有夸张宣传的画面。

第二届由Walter和Sam De Brouwer组织的年会标志着从去年广泛存在主义辩论以及关于AI是“的重要宣言向显著转变新的电力“与关于即将出现的人工通用智能的大胆预测（尽管仍然有一些这样的预测）不同，演讲者主要关注了眼前的挑战：训练数据权利的争端、基于硬件监管的提议、人类与AI关系的讨论以及工作场所采用的复杂动态。"

当天的会议内容广泛：物理学家卡罗·罗韦利探讨了意识和时间，Project CETI研究员帕特丽夏·沙玛展示了利用人工智能解码鲸鱼通信的尝试，Recording Academy首席执行官哈维·梅森二世概述了音乐行业的适应策略，甚至还有几台机器人登场。

从去年的理论讨论转向实际关切这一点，在沃顿商学院的埃坦·莫利克所做的演讲中尤为明显，他探讨了他所说的“生产率悖论”——即人工智能的实际影响与其在工作场所感知到的好处之间的脱节。如今，组织已经超越了ChatGPT推出后的惊叹阶段，并进入了广泛使用的影响层面。

根据研究声称AI用户能够更快更高效地完成任务，莫利克强调了一个奇特的现象：尽管在今年8月有三分之一的美国人报告说他们在使用AI，但管理人员经常宣称“没有人正在使用AI”在他们的组织中。通过使用多个AI模型进行实时演示，莫利克展示了传统工作模式必须如何演变以适应AI的能力。他还指出了他所说的“新现象”的出现：秘密 Cyborgs“员工在管理层不知情的情况下悄悄使用AI工具。关于人工智能时代的就业前景，他敦促组织将AI视为扩张的机会，而不仅仅是降低成本的手段。”

一些人工智能领域的巨头亮相。Jakob Uszkoreit，即那篇著名的《注意力就是你所需要的》论文的八位联合作者之一，回顾了该领域迅速发展的历程。他与“通用人工智能”这一术语保持距离，并指出人们的能力并不特别具有普遍性。Uszkoreit描述了Transformer的发展绕过了传统的科学理论，将这个领域比作炼金术。“我们仍然不知道人类语言是如何工作的。我们还没有一个全面的英语理论。”他指出。

而且令人耳目一新的是，讨论超出了人工智能语言模型的范畴。例如，同构实验室首席人工智能官马克斯·杰德伯格（他曾参与谷歌深度思维的AlphaFold 3项目）就人工智能辅助药物发现做了备受好评的演讲。他详细介绍了AlphaFold通过发现蛋白质结构已节省了“10亿年的研究时间”，并展示了人工智能代理现在能够运行数千个平行的药物设计模拟，这可能使个性化医疗成为可能。

危险和争议

尽管今年的炒作较少，但一些演讲者仍然提到了与人工智能相关的危险。美国新安全中心执行副总裁保罗·沙勒警告说，先进的AI模型落入恶意之手的风险，特别是担心恐怖分子使用经过人工智能设计的生物武器发动袭击。沙勒将这种情况类比于20世纪60年代的核扩散问题，并指出虽然监管软件几乎是不可能的，但控制物理组件（如专用芯片和制造设施）可以为人工智能治理提供一个实用框架。

ReplikaAI的创始人尤金尼亚·库雅警告说，如果处理不当，人工智能伴侣可能成为“最具危险性的技术”，她暗示人工智能存在的威胁可能不是来自科幻场景，而是来自隔离人类联系的技术。她提倡设计旨在优化人类幸福感而非参与度的人工智能系统，并提出了一种“人类繁荣指标”来衡量其成功。

本·赵，与芝加哥大学相关的教授釉质以及夜shade（注意："shade"在此保持不变，因为其具体含义需根据上下文确定，直接翻译可能会导致意义不明）项目中，描绘了人工智能对艺术界影响的严峻景象，声称由于AI图像生成器的原因，美术院校遭遇前所未有的报名人数下降，画廊也因同样的原因加速关闭，尽管我们还没有来得及仔细查看他短暂显示在屏幕上的新闻标题。

一些演讲者在政策上代表了彼此的极端对立面。例如，版权律师安吉拉·邓宁为AI训练作为合理使用进行了辩护，并借鉴了技术进步中的历史类比。Cleary Gottlieb诉讼合伙人，该公司拥有之前代表过的Midjourney的人工智能图像生成服务涉及一起诉讼，Dunning引用了马克·吐温的话。说“没有什么新的想法是凭空产生的”并认为版权法允许在借鉴他人思想的基础上进行创作，同时保护特定的表达形式。她将当前的人工智能辩论与过去的科技变革进行了比较，指出摄影技术曾一度被视为对传统艺术家的威胁，却反而催生了抽象艺术和点彩画等新的艺术流派。“只有当我们能够建立在前人的想法之上时，艺术和科学才能保持自由。”邓宁说，并挑战了对人工智能训练更为限制性的观点。

邓宁的演讲与埃德·牛顿-雷克斯直接对立，后者此前通过他的非营利组织倡导强制许可训练数据的权利公平训练事实上，同一天，Newton-Rex的组织公布了一个“关于AI训练的声明"由许多艺术家签名的声明称，'未经授权使用创意作品来训练生成式AI是对这些作品背后人们生计的重大、不公正威胁，必须予以禁止。'这一问题在美国法院中尚未得到法律解决，但显然，各方已经划清界限，无论你站在哪一方，TED AI都很好地向观众提供了两种观点。"

期待中

一些演讲者探讨了人工智能的潜在新架构。斯坦福大学教授Surya Ganguli强调了AI与人类学习之间的对比，指出虽然AI模型需要数万亿个令牌进行训练，而人类只需从数百万次接触中就能学会语言。他提出了“量子神经形态计算”作为生物系统和人工系统之间可能的桥梁，并建议未来计算机有可能在能源效率方面达到人脑的水平。

此外，Extropic 的创始人兼 Effective Accelerationism（常被称为 "E/Acc"）运动的建筑师 Guillaume Verdon 展示了他所说的“基于物理的智能”，并声称他的公司正在“为 AI 构建蒸汽机”，可能提供比传统系统高一百万倍的能量效率改进——尽管他承认这个数字忽略了超导组件所需的冷却需求。该公司上周刚刚完成了其第一块室温芯片的设计定案。

第一天的会议以OpenAI的Noam Brown对未来人工智能发展的预测结束，他强调了规模在扩展未来人工智能能力方面的的重要性。华盛顿大学教授Pedro Domingos则提出了“协同智能”的概念，他说：“个人聪明，组织笨拙”，并提出可以利用集体智慧来弥合这一差距，从而促进人工智能的发展。

当我去年参加TED AI时，一些显而易见的问题浮现出来：这一波人工智能热潮是昙花一现吗？明年还会有TED AI吗？我认为今年的第二次TED AI很好地回答了这些问题——人工智能不会消失，并且随着领域迅速发展，仍然有无限的角度可以探索。