今天小編分享的互聯網經驗：智譜AI CEO張鵬：擔心Scaling Law碰到天花板，為時過早，歡迎閲讀。
環境持續變化，時代總在迭變，" 商業之王 " 們緊随時代浪潮，堅持創造，謀求新動能。立足中國經濟大轉型的當下，WISE2024 商業之王大會，一同發現真正有韌性的 " 商業之王 "，探尋中國商業浪潮裏 " 正确的事 "。
11 月 28-29 日，為期兩日的 36 氪 WISE2024 商業之王大會于北京隆重召開，作為中國商業領網域的全明星盛典，WISE 大會今年已經是第十二屆，在不斷變化的時代裏見證着中國商業的韌性與潛力。
2024，是有些模糊且變化多于穩定的一年。相比過去十年，大家的腳步正放緩，發展更加理性。2024，也是尋求新的經濟動力的一年，新的產業變化對每個主體的适應性提出了更高的要求。今年 WISE 大會以 Hard But Right Thing（正确的事）為主題，在 2024，什麼是正确的事，成為我們更想交流的話題。
在上午的 WISE 會場上，智譜 CEO 張鵬對近期的 AI 熱議話題，以及 AI 發展階段做了一次題為《GLM 大模型與通用人工智能》的分享。
智譜 AI 是國内大模型明星初創。早在 OpenAI 的 ChatGPT 推出之前，國内還沒有多少人深入大模型領網域之時，智譜 AI 就已經開展了大模型的探索。
GLM 大模型作為通用人工智能的重要基石，不僅融合了深度學習的強大算力與泛化能力，更在語義理解、知識推理等方面展現出卓越的性能。
在演講中，張鵬不僅回顧了人工智能領網域發展的經典曲線，并且也對近期大模型領網域 Scaling Law 碰壁、大模型研發進度延緩等熱門話題，進行了闡釋。
張鵬表示，但本質上，從研究、技術角度來看，這一代大模型并不像上一代的人工智能技術。随着語言能力的大幅提升，大模型在包括視覺、聽覺等其他模态上，還有長足的發展空間。
" 大量研究人員在做新的突破，每一次新的突破都會帶來一些新的機會，我們擔心碰到天花板或者碰到南牆，這個事情确實是有一點過早。" 張鵬説。
此外，張鵬也提出了 AI 的五個發展階段，包括語言能力、邏輯思維能力、工具調用能力、自我學習能力等。
張鵬
以下是張鵬的演講實錄：
張鵬：大家中午好！已經過了 12 點了，在外面很冷的情況下館裏面還熱火朝天，現在還在這兒聽我講的應該是真愛。
今天我在來的路上在想應該跟大家聊什麼事情，我們的市場部要求比較早做出來，交給我們的主辦方，可能裏面的内容還是我們之前準備的一些東西。
最近兩天大家也在讨論一些新的東西，包括 Scaling Law 是不是已經碰到天花板，大模型這個事情是不是還會走下去，有很多的看法，我也不斷被大家來問這樣的問題。所以我也不一定會按照這個裏面的所有内容來講，還是跟大家講一講我們最近的思考。
這是今年年中發布的關于人工智能曲線，可以看到這上面有很多跟人工智能，跟大語言模型相關的詞匯，這些詞處在裏面不同的位置上，也代表着公眾對于這件事的關注度。我個人理解，現在已經越來越像輿論，媒體熱度的曲線，而不是真正技術引領上的曲線了。
大家可以看到，裏面有很多的新的東西，包括具身智能、智能體等等的技術，仍然處在非常快速上升的曲線上。所以，從這一波人工智能發展的角度來看，當下還是處在非常快速上升的階段。
所以，大家因為 Scaling Law 撞牆，就擔心整個行業會突然進入谷底期，這個擔心可能有點多餘。就像我們擔心人工智能會統治人類一樣，還有點太早，不妨讓子彈飛一會兒。
在非常狹窄的意義上來説，Scaling Law 确實遇到了一些挑戰。可以看這條曲線，在語言能力上，單單從語言能力上來看，大模型确實已經類似到了上一代人工智能遇到的天花板問題：所有的能力已經接近了人類的極限、人類專家可以評價的極限。
大家可以回想一下，上一代人工智能之所以進入發展瓶頸期，就是因為這個，我們人類已經沒有辦法教 AI 如何來突破了。我們人類的天花板在那兒擺着，所有數據，喂給 AI 的數據都是來自人類。是不是能突破這個天花板？這可能是現在大家要想的問題。
這是從語言模型的角度來看。但本質上，從研究、技術角度來看，它不像上一代的人工智能技術。
上一代人工智能技術底層的神經網絡、卷積神經網絡等等，現在看起來還比較簡單，基本上大家已經非常快速收斂，并且趨于穩定了。
但是預訓練模型或者大訓練模型底層的研究，仍然在非常快速地迭代，還有大量空白的空間，大量研究人員在做新的突破，每一次新的突破都會帶來一些新的機會，我們擔心碰到天花板或者碰到南牆，這個事情确實是有一點過早。
我們剛才説的是語言模型，語言模型确實碰到了很現實的問題，數據好像都喂進去了，智能提升速度已經有一些放緩。但是除了語言之外，還有很多的事情，比如説視覺、聽覺，這些空間還非常非常的大。
比如，視覺理解還有大量的問題需要去研究。對于人眼所看到的復雜情景，現在的模型還不能很好地全面地類比，跟人類的差距還是非常非常明顯，這裏面我們還有很多事情要做。
我們最近也在這方面花了很多的力氣做這樣的事情，讓我們的視覺理解的能力跟硬體、端側的設備結合，讓端側設備具備更強的理解能力。因為我們現實世界很多的任務，都是要結合不同模态信息的輸入，包括語言、視覺、聽覺。
總結起來看，我們可以看這一張圖。我們把人工智能發展的階段、進步的階梯分為五個層次，其實 OpenAI 也有類似的分法。
在我們的理解裏面，前三級跟 OpenAI 非常類似。首先，最簡單的、最重要的是語言能力，以及其他模态，我們統稱為多模态能力——視覺、聽覺還有大量的空間。
第二層，邏輯思維能力，也是最近大家熱議的 OpenAI 的 o1。我們國内也有很多的團隊在做強推理能力，復雜問題解決能力的模型，也在持續往前演進。邏輯推理能力上，我們大概能走到接近 60% 的人類水平。
再往上，我們怎麼讓大模型，AI 長出手腳，使用各種各樣豐富的工具，產生更大的生產力，也就是工具調用的能力，也是最近熱議的一件事。
我們最近也有小小的突破，讓 agent 幫助人操作手機上的 APP，PC 上的應用，解決一些重復性的、過程性的工作。
再往上，可能（和 OpenAI）略微有一些差異，我們認為四五兩級分别是 AI 的自我學習能力。
人的能力、人的智能之所以能持續不斷的更新迭代，在于人是有自我學習能力的。人可以在不斷的實踐，反饋當中不斷的提升自己，創造新的數據、經驗、智能、工具，這些能力才是人類往前得以突進，創造新事物的核心能力。
我們希望 AI 能夠具備更強的自我學習能力，這樣才有可能像人一樣去突破現有的天花板，創造新的東西，未來利用這種能力去探索、研究、尋找科學的新邊界。
我們最近做的一件事，包括在多模态能力上研究如何把視覺、聽覺能力，聲音的能力融合起來，加上非常強大的語言理解能力，去解決現實當中的一些問題。
OpenAI 對于人工智能發展的分級發展脈絡，叫通用人工智能之路，大家可以看到清晰的演進路線。大語言模型到多模态，到工具的使用，到自學習，我們可以看到整個路徑是非常清晰的。
為什麼會這樣？語言是基礎，人類本身的大腦智能就是多模态的，再使用工具連接物理世界，最終實現自我學習。
我們跟腦科學研究的專家、神經科學專家等等跨學科的專家一起來做了一些探讨。現在人工智能技術的演進，已經觸及到通用人工智能的一些方面。
人類的大腦分區塊，多樣化，這是現代腦科學證實的事情，包括語言能力、邏輯推理能力、視覺能力、觸覺能力、運動能力等等。彩色部分，其實是現在 AI 或者大模型已經觸及到的部分，灰色的部分，是我們暫時還沒有觸及或者相對比較少的部分，包括手腳這種使用外部工具的能力。就跟剛才我們畫的階梯狀圖一樣，在自然語言的理解和使用這方面，已經接近人類最好的上限。
在邏輯推理、情感、創新方面、工具使用方面，我們也有一定的突破，但是仍然還有一些地方仍有大量的空白，所以下一代的 Scaling law 到底是什麼？我們可能在這些空白區網域，或者説發展得還沒有那麼完善的區網域，去找到更多的 Scaling law 發揮效果的地方。
在這個過程裏，我們可以發現，智譜的發展路徑其實是在對标 OpenAI。對标 OpenAI，在于我們的理念非常相似。我們認為，人類智能或者通用人工智能一定不是單向能力上限的突破。
大家想一想，上一代人工智能，不管是 NLP（自然語言處理）還是計算機視覺，單向能力上限突破最終結局是什麼？仍然是工具型的成果，無法解決現實生活當中、我們期待解決的通用性問題，只能利用大數據解決小任務。
這一代生成式人工智能或者大模型能夠解決的問題，恰恰是另外的問題，我用大數據、小任務，簡單的任務進行訓練，去解決更多的問題，這才是這一代生成式人工智能要解決的核心問題。
但是要解決多樣化問題，一定是多項目能力的組合。很難想象大家在日常工作的任務當中，或者説跟社交的生活當中，只使用一種感知能力，僅僅只使用一種感知能力，這是很難想象的事情。
解決現實生活、工作當中的問題，一定是多項能力的組合，這也是為什麼我們做各種類型的，不同模态各種能力的全面組合。
我們 8 月份新發布的新一代模型，是包含了各種能力組合的產品矩陣，從文本能力開始作為最好的底座，上面結合視覺、語言、代碼能力，我們讓它能夠具備全面的、通用化的能力，來面對通用化的任務。
8 月，我們也接受了業界、學術界、公眾公開的評測和檢查檢驗，效果還是非常不錯的。四代的模型跟國際上第一梯隊模型打得有勝有負，這是我們很欣慰看到的事情。
在這個基礎之上，還會有更新的能力，比如視頻生成的能力，我們做了全新更新，有更高的碼率，每秒 60 祯視頻生成，更高的 4K 清晰度，更逼真的畫面，并且還可以結合我們的聲音能力，為視頻自動的進行配音。
大家知道，電影從默片到有聲電影的進步，是電影史上非常重要的跨越，視頻的生成從完全無聲畫面，到能夠同時生成配音，也是巨大的進步，表示着我們再一步向物理世界的理解和生成邁進一步。
我們不僅能夠生成更高清晰度的視頻，而且視頻比例，更高的生成速度，多通道同時生成多個視頻，這樣大家可以效率更高一些。
這是 AutoGLM，讓大家體驗用語言、語音操縱手機的能力，相信關注我們的朋友，最近也看過這樣的視頻介紹，體驗過我們相應產品的内測。
我們這個產品發布以後，收到了廣泛的關注，過程當中确實有很多的反饋給到我們，雖然還是比較早期的嘗試。經過這一個月的測試和反饋，我們努力讓這個產品繼續迭代，大家如果感興趣的話可以持續關注，我們還會有新的更新，開放給大家。
時間原因，給我的時間比較少，這個視頻我們就不再放完了，大家感興趣可以自己體驗一下。
通過強化學習的路徑，我們使得大模型像人的大腦一樣，使用工具的成功率大大得到了提高，我們認為由原來通用任務上可能只有 20% 左右的成功率，翻了 1 倍，接近 40% 的準确率。
未來，希望借助與我們全面模型的能力，多模态、跨模态，以及通用的 AI Agent 能力連接大模型大腦，和更多智能化設備，讓 AI 能力更快落地，走入物理顯示的世界，有着人機互動的新體驗。
我感覺這個時代已經正在到來，智譜在這個過程當中，也秉持雙輪驅動理念，不斷在技術上進行突破，同時也不忘把我們技術轉化成更新的產品，在市場上給大家創造更多的客户價值。
我的分享就到這裏，謝謝大家！
