在人工智能领域的一次深刻探讨中，哥伦比亚大学工程学院迎来了一位重量级嘉宾——毕树超，这位曾在OpenAI与meta的“AI梦之队”留下足迹的研究者，近日在该校的演讲厅内，为听众们揭开了人工智能现状与未来的神秘面纱。
6月12日，演讲厅座无虚席，毕树超以谷歌前工程总监及YouTube Shorts联合创始人的身份亮相，同时他也是meta超级智能团队的一员。面对满场的求知目光，他深入剖析了AI的演进历程、当前挑战及未来趋势。
毕树超的演讲由哥伦比亚大学工程学院计算机科学系副教授俞舟引荐，俞舟在演讲后表示：“这场演讲极具启发性，展望的未来令人激动不已。”
演讲中，毕树超首先指出，尽管AI取得了显著进步，但通用人工智能（AGI）的实现仍遥不可及。他强调，AGI不仅需要解决数学问题，还需跨领域泛化、适应新任务，并与环境互动。这正是强化学习和好奇心驱动探索的用武之地。
毕树超认为，实现AGI的关键在于高质量数据、高效算法以及持续的学习动力。他提到，尽管Scaling Law（规模定律）依然有效，但单纯扩大规模并不足以达到AGI。数据才是核心问题，需要更好的、与实用性对齐的数据，以及更高效的学习算法。
在探索的重要性方面，毕树超表示，人类的科学建立在灵感和迭代之上，能够搜索、探索并生成新假设的模型将是实现AGI的关键。他还提出了一个引人深思的观点：人类大脑与计算机的学习方式本质上或许并无太大差异，脑细胞并不特殊，它们只是自然进化的产物，本质上是一台生物计算机。
毕树超进一步指出，真正决定智能的可能是“规模”，而非结构的复杂性。智能源于我们与环境的互动，以及从数据中学习的规模效应。他以ChatGPT为例，指出其本质上就是简单的张量或矩阵运算，大脑并未进行更复杂的量子计算。
在回应AGI的质疑时，毕树超明确表示，Scaling Law并未失效，问题在于数据的质量、数量和“智能密度”。他提到，如果每个领域都有无限数据，加上足够算力，AGI的实现条件就已具备。然而，现实是数据受限，因此提升数据效率或算法效率成为实现AGI的方向之一。
关于AI如何发现新知识，毕树超认为，好奇心是驱动人类不断探索的根本动力，他也希望未来能赋予AI这样的“好奇机制”。同时，他也提到了与现实环境交互的重要性，尽管目前还无法模拟现实世界的大多数现象，但AI模型可以通过缩小搜索空间、高效生成数据等方式，形成正向飞轮，直奔超级智能。
在演讲的尾声，毕树超提到了AI学习效率远低于人类的问题，以及如何让推理更可控的挑战。他相信，“灵感”并非人类独有，机器也能拥有属于自己的“巧合”。他鼓励人们正视AI的安全问题，并期待下一代AI范式能够解决当前面临的挑战。
毕树超的演讲不仅为听众们带来了深刻的思考，也为人工智能的未来指明了方向。在座的每一位都深受启发，对AI的未来充满了期待。
