小即是优

小即是好

最令科技行业观察者和专家担忧的，是通用人工智能（AGI）可能到来。与此同时，对于AGI究竟意味着什么，目前并没有明确共识。英伟达的黄仁勋在2024年3月表示，AGI可能很快成为现实。53 撇开推动已然巨大的AI热潮的既得利益不谈——这场热潮已导致该公司的半导体芯片出现前所未有的需求——他澄清说，他对AGI的定义是：一台机器能够比大多数人做得好8%。这可以是考高分通过考试，也可以是精通一款基于逻辑的游戏。然而，对于什么才算AGI，并没有明确共识。广义而言，当机器达到某个阶段，能够以不亚于甚至高于人类的能力完成某件事时，就可称之为AGI。微软AI负责人、DeepMind创始人穆斯塔法·苏莱曼表示，所谓人工可用智能，是指给一台机器10万美元，它能够在没有任何帮助的情况下把这笔钱变成100万美元。54 该公司认为——截至2024年5月——如果将当前AI模型映射到一个六级AGI量表上，它们相当于没有技能的人类。

Meta首席AI科学家杨立昆在2024年接受《时代》杂志采访时表示，目前为AI聊天机器人提供动力的大语言模型并未走在通向人类水平智能的道路上。他说，这些大语言模型只能基于其训练方式运作，除此之外无法做任何事情。55 尽管有报道称，大型科技公司认为AGI可能在未来十年内成为现实，但重要的是要清楚记住，我们目前在AI发展周期中究竟处于什么位置。生成式AI虽然是AI系统在理解和实现能力上的一大步进展，但充其量仍然是预测性的。它只能基于可获得的信息给出回应，不能自主思考。

即使专家们对AGI的确切定义存在分歧，仍有一些共识认为，它需要满足若干基本标准，即能够在一系列任务中超越或匹敌人类，而不只是完成某一项特定任务。OpenAI进一步补充说，要被视为AGI，一个AI系统还必须以某种方式创造经济价值。56 目前，我们还没有能够实现通用智能或跨多个领域智能的系统。虽然DeepMind或许能够在国际象棋比赛中击败世界顶级棋手，但如果被要求驾驶自动驾驶汽车——甚至被要求玩另一种棋盘游戏——它都会惨败。ChatGPT或其他大语言模型只能在其可获取的信息范围以及所提具体问题的边界内给出回应。除非收到明确指令要求它们这样做，否则它们没有适应能力，也无法自行调整回应。这些指令或提示词仍然由人类提供。鉴于此，领导者需要花更多时间关注如何利用现有AI系统为企业和客户创造利益，而不是纠结于它是否会在一夜之间取代他们的全部员工。

一个正在显示出重大且更广泛影响潜力的领域，是小语言模型（SLM）的发展。这些SLM是ChatGPT或Gemini等大语言模型的更精简版本。它们聚焦于较小的数据集或应用，需要的基础设施和架构更少，因此运行成本更低、速度更快。SLM目前包含的参数更少——最多也不过几百万个，相比之下，LLM的参数数量则达到数十亿甚至数万亿级。这使得它们运行起来更快、更高效，也使它们能够适应个性化聊天机器人或助手等应用。这些模型还可以相对快速地部署，并且比更大的同类模型更加灵活。目前，企业正在使用其专有数据试验SLM，并根据自身特定需求对其进行定制。然而，规模较小也带来了一些限制，尤其是与LLM相比，存在产生不准确或不够细致回应的风险。

虽然LLM的规模使其能够覆盖更广泛的提示词范围，但也使它们变得笨重难用。科技公司正越来越多地致力于创建有效的SLM，使其更易实施和变现。这些模型旨在执行更简单的任务，并且更容易进行微调，以满足特定客户需求。大型科技公司目前正将相当大一部分精力集中在缩小这些模型上，使它们更快、更容易规模化。57 这将使生成式AI更容易为更广泛的受众所使用，也将使企业更容易遵守伦理AI准则。

生成式人工智能迅速扩展的另一个原因，是Meta和埃隆·马斯克的xAI等多家公司所采用的以开源为主的模式。自动化和人工智能的快速兴起，使个人和企业都必须重视提升技能并适应新的现实。现有员工相较于任何可能的外部招聘人员，拥有一个优势：他们对所在行业、具体公司和岗位具备隐性知识。由于人工智能仍是一个不断发展的领域，企业正难以找到具备高度专业技能的人才。他们逐渐意识到，如果能够提升员工技能并对其进行再培训，尤其是对高绩效员工进行培养，那么企业将在利用自动化和人工智能热潮方面处于更加有利的位置。这需要领导者自上而下地推动，并将其作为高管层的紧迫任务，不仅培训自己，也培训最优秀的员工。当前正处于组织格局转型的关键时期，领导者应以更长期的视角来看待人类与机器如何协同工作，而不是将其视为二者之间的取舍。重要的是开始思考如何利用机器进一步增强人类能力，并找到一种方式，使其能够为企业乃至整个社会带来益处。能够有效管理这一转型的企业，将能很好地把握未来几年这些变化所带来的机遇和收益。

为一个人类与机器共同工作的世界重新构想工作场所，所需要的远不只是思考任务或工作中的哪些部分可以被自动化。它要求我们提出一种全新的思路，来思考未来工作场所将呈现怎样的形态，并对其进行重新设计，以实现最佳的人机互动。鉴于未来几年生成式人工智能的应用预计将非常广泛，创建这些人工智能模型的公司以及采用这些模型的公司，都必须努力降低可能出现的风险和安全隐患。通过聊天机器人发动大规模网络攻击的可能性，已不再是科幻小说中的情节。利用自然语言生成恶意代码的能力，使个人发起网络攻击变得极其容易。这可能以不同程度的严重性影响个人、企业和国家。