一名化学博士发现，自己需要花费一年做的实验研究，Claude 3（Anthropic公司发布的通用大语言模型）仅用两个小时便可给出方案，且比原方案更简洁、成本更低；一名研究量子物理学方向的博士手握一篇还未发表的论文，结果Claude 3仅凭两个提示词，便直接将论文中的算法“发明”了出来……

“当不同学科的科研难题不断被大模型定向‘爆破’，未来，科研还存在吗？”在日前举行的2024第十届WWEC教育者大会·中欧智慧论坛上，中国科学院院士、国际欧亚科学院院士陈润生提出的问题，引起不少人深思。

时下，大语言模型的出现为数据分析带来革命性影响。放眼未来，大模型的下一步该怎么走？人工智能能否超过人脑智能？面对人工智能新浪潮，我们又该做些什么？

计算机不可能出现“顿悟”，但大模型会

人工智能带来的变化是无可比拟的。不久前，ChatGPT的主要竞争对手之一Claude将语境窗口token（注：为计量大模型输入、输出的基本单位，有翻译为“词元”）数扩展到10万，相当于7.5万个单词，大大超越了GPT-4语境窗口的8192tokens。这意味着，用户可以将高达500页的文档上传到Claude，它可以在1分钟之内理解、消化这些信息，并基于上传的信息回答用户的问题。

“大模型的学习速度比我们想象中快得多。”陈润生指出，大模型带来两大变化：一是突破了自然语言的识别问题，“计算机可以读书了”；二是实现多模态的融合，从原来只会下棋的“专家”变成了“杂家”。

简言之，人工智能已能逐渐吸收人类创作的所有东西，这是大模型当下正在做的事情，而未来，随着大模型成体系、规模化地增长，势必会出现诸如涌现、顿悟、幻觉等三种现象。

“顿悟”是大模型在数据训练量较少的情况下突然学会了其中的规律。“就像小孩学习一样，学一两遍不会，但学到了第五遍一下就会了。这是人脑学习的一种模式，人学到某个时间，突然开窍了。”陈润生进一步解释说，在传统的印象中，计算机不可能出现“顿悟”，但大模型可能会。此外，“幻觉”与“涌现”是相对应的概念。大模型给出的结果如果是训练中没有提供的，但合乎逻辑且客观存在，那就是“涌现”；“幻觉”则是指大模型出现的错误或“胡说八道”的东西。

“这些现象或许预示，未来，人工智能可能具备超越人脑智能的能力。”但陈润生同时指出，就目前而言，大模型仅能在某些专业领域达到人类的智能水平，尚未达到人类的智慧水平。对于研究人员来说，如何与大模型合作、共生，提升科研效率，也成为值得研究的重要议题。“大模型可以成为科研人员的好助手，比如帮忙整理文献等。但最后如何处置一堆数据，还是离不开人的把关。”

发展大模型，仍要向人脑学习

如今，大模型正加快走进人们的生产、生活。国家互联网信息办公室数据显示，截至今年3月，我国已有117个大模型成功备案。最新统计表明，我国已完成备案并上线能为公众提供服务的生成式人工智能服务大模型180多个。

一方面，大模型行业正呈现出蓬勃发展态势。但另一方面，也有不少学者认为，不能忽视大模型在耗能、伦理对齐等方面存在的明显短板。据斯坦福人工智能研究所发布的《2023年AI指数报告》显示，GPT-3一次训练的耗电量为1287兆瓦时，大概相当于3000辆特斯拉电动汽车共同开跑、每辆车跑20万英里所耗电量的总和。而拥有约860亿神经元的人脑，功率仅为20瓦。

“有人认为，未来，人工智能领域的竞争实则是能源竞争，但我不这么认为。”作为佐证，陈润生援引了一组照片，分别为新生儿、三月龄幼儿和两岁儿童的脑部影像片。“可以看到，随着知识的快速增长，人脑中枢系统结构悄然变化，神经系统及神经网络的复杂性大大增加。”

“人类的神经网络结构远比目前大模型复杂得多，未来的智能计算还将参考‘人类智能’，也就是模拟人脑的运行机制。”他表示，大模型的发展绝非靠芯片越堆越多来实现，像人脑一般提高认知系统的时空复杂度，或许能进一步提高大模型的智能程度和应用范围。

随着人工智能的蓬勃发展，人类的角色正在发生转变。“未来的工作环境将要求人们具备更强的创新能力、沟通技巧和跨学科知识背景。”中欧国际工商学院经济学与决策科学教授、中欧AI与管理创新研究中心主任方跃举例谈到，在商业领域，成功的企业将是那些能够有效地结合人工智能与人类智慧的企业。这就要求人类学会与机器协作，而不仅仅将其看作竞争对手。“我们也需要重新思考现有的教育体系和社会结构，培养出更多适合未来社会需求的人才。”