2023年，ChatGPT在全球范围内的爆发，展示了生成式人工智能的强大潜力。这一突破性技术，引领了新一代人工智能的崛起，重塑了AI技术与应用的发展轨迹。它加速了人与AI的交互进程，为人工智能的发展树立了新的里程碑。那么，在即将到来的2024年，人工智能技术与应用将如何继续演进？让我们深入探讨这些引领潮流的重要趋势。
趋势一：从AI巨擘迈向全能智慧之境
2023年，ChatGPT的引领者OpenAI成为全球焦点，而GPT-4后续版本的研发也备受瞩目。据透露，OpenAI正致力于开发新一代人工智能，暂名为“Q*”（读作Q-star）。在新的一年里，我们期待OpenAI的下一代产品能够震撼登场。
据媒体报道，“Q*”将成为首个完全从零开始训练的人工智能。这一突破性的特点使得人工智能的智能不再依赖于人类数据，并且具备了修改自身代码以应对更复杂学习任务的能力。这一转变使得人工智能的发展变得更加神秘莫测，而修改自身代码的能力更是被视为通往人工智能“奇点”的必经之路。在人工智能领域，“奇点”是指机器获得自我迭代能力，从而在短时间内取得飞速发展，最终超出人类的控制范畴。
尽管目前“Q*”仅能解决小学难度的数学问题，距离奇点仍相当遥远。然而，鉴于虚拟环境中人工智能的迭代速度可能远超人类的想象，未来在不久的将来，我们可能会见证一个在各个领域超越人类水平的通用人工智能的诞生。2023年，OpenAI预测，全面超越人类水平的人工智能可能在十年内出现；英伟达创始人黄仁勋更是表示，通用人工智能可能在五年内超越人类。
通用人工智能的实现将为解决各类复杂的科学难题开启全新的可能性，如寻找外星生命、地外宜居星系、人工核聚变控制、纳米或超导材料筛选以及抗癌药物研发等。这些任务往往需要人类研究员耗费数十年的时间来寻找解决方案，部分前沿领域的研究工作已经超出了人类的极限。然而，通用人工智能在自己的虚拟世界中拥有近乎无限的时间与精力，这使得它们有可能成为人类研究员的得力助手。然而，这也引发了一个值得深思的问题：如何监督这些在智能水平上超越人类的通用人工智能，确保它们不会对人类构成威胁？
当然，我们也不应过分高估硅谷巨头们的部分言论。因为在人工智能的发展历程中，已经历了三次“AI寒冬”，其中不乏宏大的技术愿景因各种限制而化为泡影的例子。然而，目前可以肯定的是，大模型技术仍然具有巨大的发展空间。除GPT-4外，谷歌的“双子座”（Gemini）、Anthropic的Claude2以及国内的百度“文心一言”与阿里“通义千问”等均是领先的大模型技术。新的一年里，我们期待这些巨头能够发布更具革命性的产品。
趋势二：合成数据革新AI训练瓶颈
数据瓶颈，对人工智能（AI）的发展形成了制约。其关键瓶颈在于可用来训练AI的高质量数据的有限性。合成数据，作为这一问题的解决方案，正在引起业界广泛的关注。合成数据，顾名思义，是通过机器学习模型利用数学和统计科学原理合成的数据。这就像是为AI编写专门的教材，虽然其中的角色名字是虚构的，但学生们仍能从中掌握英语。因此，从某种意义上说，对于学生而言，教材就可以看作是一种经过编纂、筛选和处理的“合成数据”。
然而，AI训练所需的合成数据与传统的教材编写有着本质的不同。模型的规模至少要达到620亿参数量后，才可能训练出“思维链”能力，即进行分步骤的逻辑推理。然而，现实情况是，迄今为止人类产生的不重复的、可供训练的优质数据远远不足620亿。而生成式人工智能如ChatGPT以前所未有的数量产生高质量合成数据，为AI训练提供了新的可能。
除了对大量高质量数据的需求导致合成数据受到追捧以外，对数据安全的考量也是重要原因。近年来，各国纷纷出台更严格的数据安全保护法律，使得客观上利用人类产生的数据训练人工智能变得更为繁琐。这些数据中不仅可能隐含个人信息，其中的许多数据还受版权保护。在互联网隐私与版权保护尚未形成统一标准与完善架构的当下，使用互联网数据进行训练，极易导致大量法律纠纷。而若考虑对这些数据进行脱敏，又面临筛查识别准确率方面的挑战。两难之下，合成数据就成为最惠而不费的一种选择。
此外，使用人类数据进行训练，还可能导致人工智能学到有害内容。一些诸如使用日用品制造炸弹、管制化学品的方法，另一些则包括许多人工智能本不应当出现的坏习惯。若改用合成数据，使人工智能在训练中尽可能减少接触有害内容，则有望克服以上使用人类数据训练时附带的缺点。
由此可见，合成数据不仅可以解决AI训练中面临的瓶颈问题，同时也有助于提升AI的性能和安全性。然而，如何确保相关的公司和机构负责任地制作合成数据、如何制作出既符合本国文化与价值观、又在规模和技术水平上足以媲美西方以英文网络资料为中心的合成数据训练集，也将成为中国面临的一个颇具挑战性的课题。
与此同时，随着合成数据的广泛应用，一个重大变化正在悄然发生：来自人类社会的大数据或将不再是AI训练所必需。在今后的数字世界中，人类数据的产生、存储和使用仍将遵循人类社会的法则和秩序，包括维护国家数据安全、保守商业数据秘密和尊重个人数据隐私；而AI训练所需的合成数据则采用另一套标准进行管理。这一变革不仅将重塑AI的训练模式和发展轨迹，也将对人类社会的数据使用和管理带来深远的影响。
趋势三：量子计算机，应用AI领域的革新先锋
随着电子计算机的发展进入瓶颈期，人工智能在算力上的需求也面临着巨大的挑战。然而，量子计算机的出现为这一困境带来了突破的可能。作为前沿科技的代表，量子计算机在人工智能领域的应用前景令人瞩目。
首先，人工智能领域的算法大部分属于并行计算的范畴。例如，AlphaGo在下棋时需要同时考虑各种可能的情况，并从中找到最优的下棋策略。这种并行计算的需求正是量子计算机所擅长的领域。由于量子计算机可以同时处理“0”和“1”两种状态，无需像传统计算机那样串联多个计算单元或是在时间上并列处理任务，因此在处理复杂问题时具有显著的优势。
其次，运行诸如ChatGPT这样的人工智能模型需要大量的硬件资源。而量子计算机由于其独特的计算方式，可以在高度集成的计算中心内实现高效运行。这使得量子计算机成为运行这些庞大模型的理想选择。
量子计算机是一种遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置。虽然其体积庞大且维护困难，但它们拥有巨大的算力潜能。目前，一些量子计算机已经实现了“量子优越性”，即在某些特定算法上超越传统计算机。而随着量子计算机技术的发展，未来有望实现通用计算和可编程，进一步扩大其在人工智能领域的应用范围。
在实践中，量子机器学习已经成为新的研究热点。通过不断拓展量子计算的应用前景，我们有理由相信量子计算机将在未来为人工智能领域带来革命性的变革。然而，我们也应认识到，量子计算机并不会完全取代传统电子计算机。相反，两者在不同的应用场景下将发挥各自的优势，实现协同发展。这种结合将极大提升算力，同时兼顾成本和可行性，为人工智能的未来发展开辟更广阔的道路。
趋势四：AI代理与无代码开发将成为引领科技革命的“破浪者”
在2024年的科技前沿，AI代理与无代码软件开发正掀起一场前所未有的“冲击波”。作为科技创新的重要领域，这两大领域正以其强大的潜力和影响力引领着科技的革命性变革。
首先，AI代理的发展对劳动力结构产生了深远的影响。随着AI技术的不断进步，人们已经不仅仅满足于简单的交互，而是开始探索如何利用AI进行更高效、智能的工作。AI代理应运而生，它们可以根据任务需求自动发出提示，完成一系列复杂的工作。从生成晚宴菜单、制作邀请函，到购买食材、发布社交网站帖子，AI代理几乎涵盖了整个流程。比尔·盖茨的见解更是让我们看到了AI代理对人类与计算机互动方式的革新，这将是自键盘、屏幕和鼠标发明以来最重大的变革。
然而，AI代理的崛起也带来了对现有经济结构的挑战。随着越来越多的任务被AI代理所取代，许多工作岗位将面临压力。企业可能会尝试雇用更少的人来完成相同的任务，这无疑将对劳动力市场产生深远的影响。这种由创新带来的对现有经济结构的破坏，正是熊彼特所描述的“创造性毁灭”。在这个过程中，劳动力将不得不适应新的市场需求，这注定将是一个漫长而充满挑战的过程。
与此同时，无代码软件开发正在为数字经济创新注入新的活力。借助AI大模型的强大能力，编程辅助工具已经发展到能够根据用户模糊的指令自动生成软件或网页代码的阶段。这一突破大大降低了开发IT服务的门槛，使得只要有创新的数字服务“点子”，就能成为互联网创新的风口。这无疑激发了更多人的创新热情，推动了数字经济的蓬勃发展。
政府在面对这一变革时，需要转变观念，兼顾市场监管与促进创新。一方面，降低数字创新过程中的注册与融资门槛，为中小企业的发展提供更多支持；另一方面，探索更有利于保护创新“点子”的版权与专利保护政策，激励更多的人才不断提出创新“点子”。
展望2024年，AI代理与无代码开发将继续引领科技革命的浪潮。它们不仅为科研、创新和经济赋能，还带来了新的挑战与风险。因此，我们应以开放的心态看待人工智能带来的诸多改变，审慎研究和应对其可能带来的新课题与新风险。
（如有侵权，请联系我们删除）