AI投资盛宴背后：研究人员怀疑现有方法能否实现通用智能，巨额资金砸向AI，却难破性能瓶颈，通用人工智能何去何从？

本文围绕通用人工智能（AGI）展开，介绍了主要科技公司以往认为增加计算能力就能实现AGI，但近期对人工智能研究人员的调查显示他们对此产生怀疑，同时阐述了巨额投资现状、模型表现停滞等情况，还提及研究人员优先事项的转变以及正在探索的替代方案。

在过去的几年间，各大主要科技公司始终秉持着这样一种观点，那就是只要为人工智能注入更多的计算能力，便能够实现通用人工智能（AGI）。所谓通用人工智能，是一种与人类认知水平相当，甚至能够超越人类认知的系统。它被视为人工智能领域的终极目标，一旦实现，将给人类社会带来翻天覆地的变化。然而，最近针对人工智能研究人员所开展的一项调查却显示，越来越多的人开始对这种无休止地扩大现有方法是否是通向AGI的正确道路产生了怀疑。

这项调查是针对475名人工智能研究人员展开的。结果令人惊讶，其中76%的人认为，在现有的人工智能模型中单纯地添加更多计算能力和数据，“不太可能”或者“非常不可能”实现通用人工智能。这一数据充分反映出研究人员对当前这种主流做法的质疑态度。

该调查是由人工智能促进协会（AAAI）开展的，从调查结果中可以明显看出，人们的怀疑情绪正在日益高涨。尽管科技公司已经投入了数十亿美元用于建设大型数据中心，并且不断训练越来越大的生成模型，但研究人员却认为，这些投资所带来的回报正在逐渐减少。也就是说，投入的资金越来越多，但是距离实现通用人工智能的目标却似乎并没有明显的进展。

加州大学伯克利分校的计算机科学家、该报告的撰稿人斯图尔特·拉塞尔（Stuart Russell）在接受《新科学家》杂志采访时表示：“在扩展方面投入了巨额资金，却没有付出任何同等的努力去了解到底发生了什么，在我看来，这似乎是错误的。”他的这番话指出了当前人工智能发展过程中的一个关键问题，那就是只注重投入资源进行扩展，却忽略了对技术本身的深入理解。

从数字上也能清晰地看到在人工智能领域的巨额投入。据TechCrunch报道，仅仅在去年一年，生成式人工智能的风险投资就超过了560亿美元。这种大规模的投资推动也导致了对人工智能加速器的巨大需求。2月份的一份报告指出，到2024年，半导体行业的规模将达到惊人的6260亿美元。如此庞大的资金投入，足以说明科技公司对人工智能发展的重视程度。

然而，运行这些人工智能模型始终需要大量的能源，而且随着模型规模的不断扩大，能源需求也只会有增无减。为了满足数据中心的能源需求，像微软、Google和亚马逊等科技巨头正在积极争取达成核电协议。这也从侧面反映出人工智能发展对能源的高度依赖。

尽管投入了巨额的资金，但令人失望的是，尖端人工智能模型的表现却陷入了停滞不前的状态。以OpenAI为例，许多专家认为，其最新模型与前代模型相比，仅仅显示出了微小的改进。这进一步证明了单纯依靠增加计算能力和数据来提升模型性能的方法可能已经遇到了瓶颈。

除了对现有方法的怀疑之外，这项调查还凸显了人工智能研究人员优先事项的转变。在参与调查的人员中，77%的人优先考虑设计具有可接受风险收益特征的人工智能系统，而只有23%的人专注于直接追求通用人工智能。此外，82%的受访者认为，如果通用人工智能由私人实体开发，那么应该由公众拥有，这样做的目的是为了减轻全球风险和道德问题。不过，70%的人反对在建立完整的安全机制之前停止通用人工智能的研究，这表明研究人员主张采取一种谨慎但向前迈进的方法。

面对当前的困境，研究人员正在积极探索更便宜、更有效的扩展替代方案。OpenAI已经尝试了“测试时间计算”方法，在这种方法中，AI模型在生成响应之前会花费更多的时间“思考”。这种方法无需大规模扩展即可提高性能。然而，普林斯顿大学计算机科学家Arvind Narayanan在接受《新科学家》采访时表示，这种方法“不太可能成为灵丹妙药”，也就是说，它可能无法从根本上解决实现通用人工智能所面临的问题。

另一方面，像Google首席执行官桑达尔·皮查伊等科技领袖仍然保持着乐观的态度。他声称该行业可以“继续扩大规模”，不过他也暗示人工智能唾手可得的时代已经结束。这表明虽然他们对人工智能的未来发展充满信心，但也意识到了当前所面临的挑战。

本文指出主要科技公司以往认为增加计算能力可实现通用人工智能（AGI），但研究人员调查显示对此怀疑渐增。巨额资金投入带来能源需求和回报递减问题，尖端模型表现停滞。研究人员优先事项转变，更注重风险收益和公众权益，同时也在探索替代方案。科技领袖虽乐观但也意识到挑战，未来AGI发展需谨慎探索。