吴恩达专访：中国企业有办法绕过芯片限制

今年7月，我们对AI安全与监管进行了一场大辩论。

在节目中，黄民烈指导的清华大学CoAI课题组博士后邓佳文，代表正方——赞成AI威胁论；IDEA研究院、封神榜大模型开源团队负责人甘如饴代表反方——反对AI威胁论。

双方就AI是否具备“犯罪能力”；是否会产生“犯罪动机”，以及是否要限制AI应用等三个层面展开辩论。总体而言，正反双方的主要分歧点在于时间维度，即AI威胁派更多是从长期角度出发，而AI乐观派则更多从短期角度出发。

于是，节目的最后留下了一个待解决问题：在遥远的未来，AI是否威胁人类生存，甚至灭绝人类？

梳理此前AI乐观派大佬的观点，Yann LeCun（杨立昆）认为AI的发展远未构成对人类的威胁，并提出了“没有车造什么刹车”的经典比喻；Andrew Ng（吴恩达）则认为过度夸大AI风险可能会限制开源和创新。

事实上，比起孤军奋战的乐观派，威胁派的声势更为浩大。例如今年5月，一封“呼吁所有AI实验室立刻停工6个月”的联名信；今年11月，一场让中、英、美坐下来好好谈的首届全球人工智能安全峰会。

来自四面八方的消息似乎都在告诉我们，人工智能带来的紧张气氛堪比核扩散。但还有谁记得，现在距离ChatGPT走进大众视线也才一年时间。

如此强烈的割裂感也让人迷惑——AI威胁论是否还有其他解释？

最近，Andrew Ng（吴恩达）在《金融时报》的专访中，就AI的发展趋势分享了自己的看法。

首先，吴恩达承认，当下的LLMs已具备“世界模型”的雏形，它们可以理解、预测世界的运作方式展。

但同时，吴恩达认为，我们无法证明AI会不会导致人类灭亡，正如无法证明地球发出的无线电波能否会引来外星人消灭人类一样。AI灭亡人类的概率如此之小，以至于我们不应该为了防范这种微乎其微的危险而浪费大量资源。

这让人不禁想起此前Hinton和LeCun的对话。

Hinton：如果AI不受到严格监管，它在未来30年内灭绝人类的概率是多少？

LeCun：实际上AI可能会拯救人类免于灭绝，你估计这个概率是多少？

从这个角度来看，更多人只看到了“威胁”，没有看到“拯救”。

到最后，AI威胁论其实变成了一个哲学问题——长期以来，这个世界会因为有更多的“智慧”而变得更美好吗？

吴恩达的观点是：会。

不过，吴恩达也肯定了监管的必要性。例如给AI生成内容“加水印”；对科技巨头进行一些限制；重视金融、医学等高风险应用的监管等等。而对于今年10月，白宫签署首项人工智能监管行政令，则会导致人工智能发展走上扼杀创新的道路。

另外，对于中国的“缺芯”困局，吴恩达的回答是：会产生重要影响，但未来一切如何发展还有待观察。而他确实也看到了中国企业在没有先进Nvidia 和AMD芯片的情况下，用低功耗芯片在LLMs推理上做了大量创新。

01 LLMs已具备“世界模型”的雏形

在《金融时报》记者Ryan McMorrow造访Andrew Ng位于硅谷帕洛阿托的办公室时，他拿出了一台没有联网的笔记本电脑，演示了一个来自法国人工智能初创公司Mistral的开源大模型。运行该模型可以不依赖云端。“模型就存储在我的硬盘上，通过笔记本上的GPU和CPU运行”Ng说。

当你向该模型提问“记者应该采访Andrew Ng哪些人工智能问题”时，它会提供关于Ng本人和他的工作背景信息，这和ChatGPT的回应相差无几。

RM：你在什么情况下会用这些开源模型？

AN：我的笔记本上运行着多个模型——包括Mistral、LLaMa和Zefa，我也经常用ChatGPT。但对于那些我不想上传云端的敏感信息，我更倾向于在笔记本电脑上使用它们。例如，涉及高度机密项目的构思，或者我要撰写的含敏感财务数据的文档，我会选择使用开源模型。事实上，开源模型现在的表现已经相当出色了。

RM：许多科技公司迫切需要Nvidia芯片来运行人工智能。如果你笔记本上的Mistral模型可以胜任任务，那么他们（科技公司）为什么还要费尽心思获取这些芯片呢？

AN：Mistral是一个规模较小的语言模型：它只有70亿参数，对于复杂推理任务来说，无法与GPT-4相提并论。但对于简单的构思和基础事实，Mistral已经足够了。你也看到了，它的响应速度有时非常快。

不过，在我笔记本上从零开始训练一个模型是根本不可能的——这需要数千万美元的成本、巨大计算量的训练、在非常大的模型上进行推理，这超出了我能在笔记本上完成的范畴。

实际上，我也尝试在笔记本上运行一个700亿参数的模型，但速度实在太慢了。如果你拿一个1750亿参数的模型（GPT-3规模）在我的笔记本上也是行不通的。大模型上的推理仍然需要数据中心级别的资源。现在开源软件已经变得足够简单，大多数人都可以轻松安装和使用。

我并不是沉迷监管问题——但如果一些监管者如愿以偿，那么这样的开源模型会更难持续更新。

RM：监管如何扰乱开源模型？

AN：比如一些提案要求LLMs拿到报告，甚至是许可证明。大型科技公司有能力处理这些复杂的合规要求，但小型企业则没有这个条件。

举个例子，当一个中等规模的公司想发布一个开源模型时，公司法律顾问会说：“如果你这样做，可能会有各种法律风险”。那么在这种情况下，我认为会有更少的公司愿意承担这种风险。无论是对什么加大监管，我们都会看到相关模型的减少。

一个开源模型是一种通用技术：它可以用于构建医疗应用、客户服务应用、金融服务应用等等。因此，如果你对开源模型这个核心技术进行监管，你实际上是在减慢所有事物的发展速度，而且可能并没有实质性地提高安全性。

RM：在讨论监管的框架时，必须了解人工智能目前的能力。今年6月，你和Hinton进行了一次对话，他曾警告过人工智能的危险。你们讨论了人工智能模型是否真正理解世界，当时你似乎不完全相信它们能做到。现在呢？你的看法是？

AN：我认为人工智能模型确实有这种能力。问题在于，像“理解”（understands）这样的术语，或者说“意识”（conscious）、“知觉”（sentient）没有明确的定义。因此，我们没有一个公认的标准来测试某事物何时真地理解了某物，而不是仅仅表现得像是理解了。

但根据我所看到的科学证据，人工智能模型确实在构建它们的世界观。所以，如果一个人工智能拥有了一个“世界模型”，我倾向于认为它理解了世界——这是基于我个人对“理解”（understands）一词的解释。

RM：你所说的“世界模型”是什么？

AN：如果你有一个“世界模型”，你就有了对世界运作方式的理解，而且可以预测，未来在不同情况下会作何发展。科学证据表明，经过大量数据训练的LLMs确实构建了一个世界模型。

研究人员让一个LLM模拟预测奥赛罗棋盘游戏的下一步走法——C4、D5、B3等等。之后，他们再探究“LLM是否学会了棋盘布局，是否学会了奥赛罗游戏的规则”。研究人员发现，神经网络内部似乎真的构建了一个可以预测下棋的棋盘模型。基于这个实验和其他类似实验，我相信LLMs确实构建了某种世界模型。我可以由衷地说，它们确实理解了世界。

RM：你认为LLMs有“意识”（conscious）吗？

AN：我可能会回避关于“意识”（conscious）的问题。因为对我而言，这更像是一个哲学问题而不是科学问题。哲学家说，我们假设别人是有意识的。我认为这是一种礼貌的说法。因为你怎么知道我有意识？也许我只是一个看起来有意识的僵尸。因此，我认为意识是无法测试的，这就是为什么它是哲学问题而不是科学问题的原因。

RM：撇开“意识”（conscious）不谈，你认为LLM能够“自行思考”吗？

AN：我不清楚“自行思考”这个词的确切含义。我倾向于是的，但由于缺乏对“思考” （think）的明确定义，这个说法很难站得住脚。换个说法，吸顶灯里的继电器开关能否“自行思考”？我倾向于认为它可以，但我认为很难用严谨的方式来为这一点辩护。

RM：LLMs是在什么时候能够“理解”（understands）的？

02 有风险但概率小，AI灭绝论≈外星人灭绝论

RM：如果大家都认同LLMs具备“理解”（understands）能力，那么关于人工智能的争论似乎可以归结为像你这样的乐观主义者，比如更关注技术当前具备的能力。相对地，末日论者则更关注我们所见证的人工智能指数级进步对未来可能造成的影响。你认为末日论者的推论合理吗？

AN：我不同意这个描述，因为许多乐观主义者也在展望几十年后人工智能构建的美好世界。其实涉及“人工智能灭绝人类”话题时，和我交谈过的人们对此的担忧似乎非常模糊，而且没人能确切地讲出“人工智能将如何导致全人类灭亡”。

我无法证明人工智能不会导致人类灭亡，正如我也无法证明地球发出的无线电波会引来外星人并消灭人类一样。但我不会过度担心无线电波导致人类灭绝，就像我也看不到人工智能可能导致人类灭绝一样。

RM：然而，有一些德高望重的科学家认为人工智能导致灭绝的风险是存在的。我想问的是，作为人类，我们该如何确保人工智能的发展不会导致人类灭绝？

AN：无线电信号引来外星人并灭绝全人类的可能性确实非零，但这个几率如此之小，以至于我们不应该为了防范这种微乎其微的危险而浪费大量资源。我看到的是，我们正对几乎为零的风险，投入巨大到不成比例的资源。

RM：所以从监管的角度来看，我们需要哪些措施，如果有的话？

AN：我们需要好监管。例如，当我们用人工智能构建关键型应用程序时，确保它们本身安全，并保护消费者的监管是绝对必要的。但我看到的却是很多糟糕的监管，我们不需要更多这样的监管。

RM：简单来说，“好监管”和“坏监管”是什么？

AN：如果有人在构建医疗、金融核算或自动驾驶汽车的应用程序，我们希望它们是安全的，无偏见的。采取分层风险管理方法——思考应用软件的实际风险，并对可能出现的不良结果进行监管——这将是“好监管”。

但对我来说，像LLMs具有“系统性风险”的说法没有任何意义。比如，一些政府只声称LLMs存在更大风险，但是人们也可以用其他小型或大型的语言模型来构建具有潜在危险的医疗设备。同样，不论是小模型还是大模型，都可能会被用来散播虚假信息。

因此，模型的大小并不是衡量风险的有效标准。更合理的衡量方式应当是：应用程序的本质是什么？例如，医疗应用本身风险就更高。另一个衡量标准是应用程序的影响范围。如果是一个社交媒体平台拥有亿万用户，那么，它传播虚假信息的风险显然要比只有百名用户的小论坛高。因此，我们应该对大型科技公司实施更严格的监管。

03 Open AI们的“自愿承诺”形同虚设

RM：去年十月，白宫发布了旨在加强人工智能政府监管的行政令。这是否走得太远了？

AN：我认为我们可能走错了方向。如果我们能在宪法中确立——针对人工智能技术发展的限制到此为止，不会再进一步。我或许还能接受。但当前的情况是，各种政府部门被指派去想象出更多人工智能发展的障碍。我认为这将导致我们走上扼杀创新、建立极具反竞争性监管的道路。

RM：我们目前所了解的只有大纲，但不知道将接下来的具体实施？例如，如果公司开发任何可能对国家安全构成风险的基础模型，应通知联邦政府，且必须共享所有红队安全测试结果。我们不知道上述基础模型、共享信息的具体界定标准。

AN：现在很多游说者忙着给政府塑造立场。白宫的行政令最初设定的强制通知门槛是计算所需，我认为这是衡量模型风险的非常简单化的方法。（适道注：行政令要求——如果新的人工智能模型计算量超过一定阈值，开发该模型的公司要在训练系统时通知联邦政府。）

我们知道，今天的超级计算机可能就是明天的智能手表。随着初创公司规模扩大，更多的计算资源变得普遍可用，我们将看到越来越多的组织会触及这个门槛。将计算资源设为门槛，就像说一个用超过50瓦电的设备比用10瓦的设备具有更大系统性危险一样：虽然这可能是真的，但这是一个非常简单粗暴的风险衡量方式。

RM：如果我们不以计算量作为门槛，那么更好的风险衡量方式是什么？

AN：当我们观察应用程序时，我们可以理解到底什么意味着安全，什么意味着危险，并据此进行适当的监管。因为技术的用途广泛，如果对技术层面进行监管，只会减缓技术进步的速度。

最根本的问题是：我们是否认为世界会因为“智慧”增加而变得更好？“智慧”包括“人类智慧”和“人工智能”。

毫无疑问，“智慧”可以被用于不良用途。但经过多个世纪的发展，随着人类更聪明和教育普及化增加，社会得以进步。我相信，世界如果拥有更多的“智慧”，无论是人类的还是人工的，都将帮助我们更好地解决问题。因此，仅仅因为“智慧”可能被用于某些不良目的，就设置监管障碍，我认为这会让社会倒退。

RM：我们如何保障不将“智慧”用于不良用途？

AN：当然应该识别“智慧”的不良用途，并对其进行防范。如果我们思考人工智能灭绝主义的观点，会发现其描述的场景是如此模糊和夸张，我认为这并不现实，也很难防范。

但现实中确实存在一些风险，例如我们不希望保险核算应用带有偏见，那么就可以制定审计保险核算应用的规则，并且评估应用的公平性——这会是一个积极的变化。至于那些会影响大量用户的社交媒体或聊天机器人公司，则存在虚假信息或偏见的风险。此时，我认为，透明度就是有意义的。

总而言之，如果我们对影响巨大、风险更高的企业实施监管，我们就不应该同时也阻碍小型初创企业的发展，这会剥夺它们成长为大型企业的机会。

RM：人工智能生成的假视频等内容可能会激增，政府该管吗？

AN：这是一个棘手的问题。我认为加水印可能是一个好主意。今年7月，包括Google、Meta和OpenAI在内的公司向白宫承诺，在开发人工智能时遵守三个基本原则：安全、保障和信任。但如果你仔细阅读这些承诺，我认为除了“加水印”之外，其他都是空话。因为公司完全可以阳奉阴违。

为了防范通过视频或文本——尤其是文本——大规模散播虚假信息的风险，我认为加水印是真正应该考虑的措施。很不幸，自从上述的白宫承诺以来，我看到一些公司在给文本内容加水印上反而倒退了。所以，我觉得将自愿承诺作为一种监管手段是失败的。

04 糟糕的监管不如没有监管

RM：我们或许能感受到，呼吁更严格监管的声音更响亮。那么，你能否感到自己的立场是孤单的？

AN：其实，我非常希望政府能积极出击，制定出一些好规则，而不是我们现在所看到的不良监管提案。所以，我不主张放任不管。但在糟糕的监管和没有监管之间，我宁愿没有监管。然而，一些包括巨头科技公司在内的强大势力过分夸大人工智能的风险。诚然，大公司更想避开和开源人工智能的竞争。他们的策略往往是夸大恐惧，然后实施规则来延缓创新，放慢开源的步伐。

我的笔记本电脑上所展现的，证明了开源软件和一些专有模型的竞争非常激烈——尽管它们可能不是最优秀的，但比一些早期版本已经很不错了。而对于一些公司来说，如果没有开源软件的竞争，那将会畅通无阻。

RM：你能指出一些在推动人工智能威胁论述的公司吗？

AN：你知道他们都有谁。多家公司都在强调威胁论述。对于那些更愿意避免和开源竞争的大型企业来说，这是一种动力；对于一些非营利组织来说，夸大恐惧，制造幻象，然后筹集资金来对抗他们自己制造的幻象，这也是振奋人心的；一些个人可以夸大恐惧得到更多关注和更高演讲费。不过，我认为有一些人是真诚的——他们可能误入歧途，但确实是真诚的——但在这之上，存在为了某些利益而夸大恐惧的动机。

我不认为我是唯一这么想的人。Bill Gurley（Benchmark的合伙人）对监管捕获的思考非常深刻。他在YouTube的一次演讲非常精彩，准确地预测了现在正在发生的许多监管捕获行动。Yann LeCun也在这个问题上发表了看法。我认为实际上有很多人对此有非常深思熟虑的看法。（适道：监管捕获——监管者 被 监管对象用各种方法“捕获”，沦为少数利益集团的工具人。）

RM：只是似乎另一方声音更响亮。

AN：坦白说，你们是媒体，所以你们可以扩大声音。血腥的头条总是更受欢迎，恐惧也是一样。当很多人签署声明，称人工智能像核武器一样危险时，媒体就会给予了大量关注。而当更理性的声明出现时——例如，Mozilla表示开源是确保人工智能安全的好方法——几乎没有媒体报道。

我认为人工智能安全中心（CAIS）的措施非常差劲。因为很多监管者不理解人工智能，当那个将人工智能和核武器相提并论的声明，将误导信息非常清楚地传播开来，就扭曲了监管者的思考。我已经看到了该声明对美国政府的影响。然而，将人工智能类比为核武器非常荒谬。人工智能可以帮助我们做出更好的决策；而核武器却能摧毁城市。这二者能有什么关联？

如今，更多国家已经意识到了监管捕获的风险，因为当前许多生成式人工智能的顶尖人才都集中在美国。如果出台的规则阻碍了开源模型的传播，猜猜谁会落后？几乎是所有除了美国之外的国家。

当然美国的一部分力量也希望看到这种局面，因为他们认为美国的竞争对手通过开源软件获得了好处。没有人希望看到人工智能被用于不义之战，但减缓全球创新的进程、让全世界的智慧和决策质量下降的代价太高。

05 软件层面，各国同等受限

RM：在阅读李开复的《人工智能超级大国（AI Superpowers）》（2018）一书后，我曾确信中国将引领人工智能发展的浪潮。但这似乎并没有发生。你认为原因何在？

AN：李开复论述了中国的数据获取优势，但数据是非常垂直化的东西。例如，Google有大量网络搜索数据，但这些数据对物流、智能手机制造或药物研发不产生直接作用。

不同国家在不同垂直行业拥有的数据可以创造各自的优势。中国在监控技术方面暂时领先美国，这是得益于中国数字支付的兴起。但我认为，美国在其强势领域拥有大量数据并持有优势，比如网络搜索、药物研发、制药等行业。

技术发展是阶段性的，中国只是错过了生成式人工智能浪潮的起点。许多早期，甚至现在的生成式人工智能工作是由两个团队完成的：我的前团队Google Brain和OpenAI，二者都在硅谷。有时这些团队成员离开后会另起炉灶，这就是如今生成式人工智能人才在硅谷云集的原因。尽管英国、加拿大、中国也有人才聚集，但实际上集中度远不如硅谷。即便是西雅图、纽约，也比不上硅谷。

RM：中国对人工智能的监管态度相当激进——任何公司想要公开发布LLM都必须获得批准，且当局要审查其训练使用的数据集。你认为这会扼杀创新吗？

AN：我不是这方面的专家。我认为在很大程度上，规定具体如何让实施会影响其是否会扼杀创新。

RM：最近，腾讯和阿里巴巴都在表达他们因缺少Nvidia 芯片而在人工智能发展上受限。你如何看待美国的做法？

AN：美国对芯片的出口控制无疑对中国的人工智能发展产生了实质性影响。但我注意到中国在没有先进Nvidia 和AMD芯片的情况下，用低功耗芯片在LLMs推理上做了大量创新。至少现在，出口管制还存在足够多的漏洞，我认为中国公司也在尝试寻找海外计算资源。未来一切如何发展还有待观察。

RM：你认为美国应该这样做吗——基本上是试图削弱中国的人工智能产业？

AN：我对这个问题的情感有些复杂，我不是地缘政治专家。不过显而易见，美国正试图监管基础模型——有一个派系影响了白宫的行政令，因为他们担心美国的对手会利用开源软件。所以，在软件层面，我认为美国自己受到的限制和其他国家一样多，这是一个错误。至于硬件，我了解得不多。

RM：听起来，你认为中国的企业可以找到方法绕过芯片限制。

AN：是的，我已经见到很多创新，尽管有芯片限制，也能够完成工作。