探讨人工智能技术 —— 它是生产力发展的“灵丹妙药”吗？

轨迹

在人工智能近年来取得许多重大进展的背景下，特别是微软推出 ChatGPT ，取得惊人效果的情况下，许多同志对人工智能在产业技术革命中可能扮演的角色产生了兴趣。今天我想从一个相关专业大学生的视角出发，来看一看目前人工智能技术发展的现状，并且对未来人工智能技术的应用做一些展望。

首先需要说明的是，人工智能技术仍然是一种信息技术，促使它产生的是不断增长的计算能力和互联网时代海量的数据。目前人工智能主要的研究领域包括计算机视觉、自然语言处理、计算机语音、分子生物学等等。人工智能技术是以数据为驱动的，在这些研究当中，首先需要收集大量的数据来建立合理的模型并对模型进行训练。除了数据之外，人工智能技术，特别是随着近年来越来越多的大模型投入应用，对计算提出了越来越高的要求，以 GPT-3 等为代表的一系列表现优异的大模型都在计算上投入了大量成本。大量的数据和充分的计算能力，是保障人工智能技术应用必不可少的两条“腿”。因此，作为信息技术，人工智能技术首先仰赖信息基础设施的应用，包括高性能计算机、网络、数据中心等等。要在任何一个产业应用人工智能技术，首先要保证产业高度信息化。而目前，以中国为例，除了互联网行业本身建立在信息化的基础上，可以说几乎没有任何行业达到了“高度的信息化”这个标准，大部分企业的信息基础设施建设水平停留在美国 2005 年左右的水平。即使是在从事软件、通信等行业的企业中，信息化基础建设尚且不完善，在一般的政、商和工业企业中，推进信息化的步伐则更加缓慢。人工智能技术作为尖端技术的一个代表，一方面，对基础科学技术要求高，而中国缺乏高性能计算的尖端技术（例如，美国对中国禁运的 NVIDIA 计算卡）。另一方面，要进行信息化基础建设，势必需要将大量的资本积累投入到其中，在中国，对于传统的产业而言，其资本积累的程度还不足以快速完成信息化的任务，也未必愿意如此做，这也是人工智能以外的技术不能很快推广的因素。人工智能的发展不可能越过信息化的进程，如果信息化都不能快速的升级旧有的生产方式，没有理由相信人工智能可以。因此，目前只有互联网企业能够借助自身在社交媒体等大型信息平台的垄断优势去获得海量的数据，利用其较高的利润份额去推动信息基础设施建设，人工智能技术的研究只能在垄断互联网企业和少数信息技术企业中开展。

人工智能技术的另一大困境是基础理论的匮乏。现阶段的人工智能技术是典型的受到资本需求推进而快速发展的技术（整个学术界都受到这种导向的伤害，因而我们（中国）的基础研究将长期落后），其重心在于快速投入产品。这种趋势，反过来，将严重限制人工智能技术在非信息领域的应用。物理学、数学能够推动产业进步，依靠的就是两者的基础性。物理学、数学的原则，放之四海而皆准，无论在哪一个具体的领域或产业，总是绕不开这两者的研究，任何新技术的突破，总要从数学、物理的角度出发开始论证、设计。与之相比，人工智能技术的应用充满了投机性。大部分人们不关心每个模型背后的原理，而流于软件行业常见的“套用、抄袭”模式，这导致人工智能的主流研究方向极端狭窄，局限在视觉、语言、语音等领域已经存在的几个主要模型，向其他领域的扩展十分罕见，远没有达到能覆盖社会大多数生产环境的要求。在实验中，实验者无法把握模型的优化方向，只能使用试错的方法，以至于这一过程被人们戏称为“炼丹”。在学术领域，人工智能几乎是一门“民间科学”，虽然背后有一定的数学原理，但在模型结构的解释上，其研究水平还不如上世纪的 SVM（支持向量机），绝大多数人是一股脑的投入试错过程中去。这种基础理论的匮乏，将很大程度上阻碍人工智能技术快速发展。

总的来说，与很多人对人工智能抱有的乐观态度相反，我认为人工智能技术还需要经历一个长期的、缓慢的发展过程。在这样一个过程中，只有垄断的互联网资本有条件发展人工智能技术，而资本垄断带来的逐利性和封闭性，将阻碍人工智能技术的快速发展，使其成为只有少数公司才能提供的、神秘的黑盒服务。人工智能在本世纪初能够发展，更多是得益于更基础的计算技术的提高。神经网络很早就被提出，然而由于计算能力的限制，始终无法在90年代乃至00年代取得关注。在经历了10年代开放式的快速发展之后，如今计算的瓶颈又一次浮出水面。以目前的趋势而言，模型的巨大计算需求正在将许多高校的研究者从一线排除出去，这种计算成本只有诸如 Google、Mircosoft 这样的公司才能够负担。虽然这些公司会不断地发展这些技术以更好的服务于现有的互联网产品，但指望这样的公司挑起全社会产业升级的大任，恐怕是不现实的。即使在美国，互联网产业与制造业和其他实体产业存在的矛盾，也说明了将这些技术推进到下游产业还存在着很多困难。在其他国家，这种趋势将更为迟缓，很多人工智能技术可能将暂时被一小部分国家（很可能是核心国家）所垄断。

人工智能取得了许多令人瞩目的成就，但是，我们也应当认识到，与许多人吹嘘的相反，当下，人工智能并非是生产力发展的“灵丹妙药”。

井冈山卫士

“现阶段的人工智能技术是典型的受到资本需求推进而快速发展的技术（整个学术界都受到这种导向的伤害，因而我们的基础研究将长期落后），其重心在于快速投入产品。”

这一点很重要，点出了资本主义中国无法在基础学科等根本领域取得突破，从而建立垄断地位，获取垄断利润的事实。

可以想见，中国资产阶级的军事装备中也有大量的“PPT造车”的成果，不堪一战。

远航一号

很有价值的讨论。上世纪的SVM是什么？

顽皮蛋

远航一号 发表于 2023-5-9 23:42
很有价值的讨论。上世纪的SVM是什么？

支持向量机方法（Support Vector Machine），其主要思想是，给定训练样本，支持向量机算法建立一个超平面作为决策平面，使得正例和反例之间的距离边缘被最大化。在核方法下，支持向量机具有非常良好的非线性二分类性能。
这个算法之所以被作者提及，是它的数学描述可以说是最彻底的。

顽皮蛋

远航一号 发表于 2023-5-9 23:42
很有价值的讨论。上世纪的SVM是什么？

至于该文的精神，我个人的建议是远航同志也不要因为其精神符合了红中网的预设立场而过早地下结论。
一方面，人工智能如若要得到长足的进步，的确如这位作者所表达的，需要在数学上获得更进一步的突破。如果无法取得彻底的数学解析，那么就是在开黑盒。
另一方面，人工智能的未来，恐怕不是单纯的大模型所能完全囊括的。如何在有限条件下求取目标解、获得信息的归纳，才是真正的对人的智能的反映——因为人类的确是在有限的实践与知识下，可以取得更多的认识，而并不需要遍历宇宙中的全部信息才能达到此境地。大模型的问题，就在于此（过度依赖大规模的样本），这其实反映的就是数学解析上的缺失。
至于人工智能技术在非信息领域上的使用，其实就目前来看，已经是有很多工作在展开的，我们在之前也举了一些例子过。
至于究竟什么样的人能够肩负起人工智能造成全社会产业升级的“大任”，当然不会是资产阶级。但是因为资产阶级垄断了人工智能技术，所以就无法促进生产力发展的这一观点，也是存疑的，因为这是一个有些形而上的观点，这就好像说，“敌人拿着枪，所以枪是不好的东西一样”。这是一个新旧之交的产物，不见得一定会被资产阶级所完全一以贯之地垄断，相反地，是最终会被未来的革命者所夺取，并且用来革命的产物。

远航一号

顽皮蛋 发表于 2023-5-10 00:31
至于该文的精神，我个人的建议是远航同志也不要因为其精神符合了红中网的预设立场而过早地下结论。
一方 ...

欢迎讨论。我们没有预设立场。但我也可以有个人看法吗。我的个人看法，可能对，也可能不对。欢迎对人工智能的“正方”、“反方”发表自己的看法。

我个人对人工智能的技术方面当然不懂。

但我从经济统计方面看不出人工智能乃至自动化有加速技术进步的迹象。至于未来社会主义、共产主义建设，人工智能等技术能发挥什么作用，还需要大家一起讨论。比如，是不是一定需要所谓自动驾驶汽车（轿车），还是有自动驾驶公共汽车就可以，而私人小汽车一般应废除？

我个人倾向于观察一个指标，即农业生产能不能实现基本自动化并且保持生态可持续。现在美国农业生产是高度机械化、化学化的（但并不可持续）。中国农业生产只是半机械化、高度化学化，也不可持续。社会主义农业生产能不能既做到机械化自动化，又保持可生态可持续？还是未知数。

顽皮蛋

远航一号 发表于 2023-5-10 02:13
欢迎讨论。我们没有预设立场。但我也可以有个人看法吗。我的个人看法，可能对，也可能不对。欢迎对人工智 ...

感谢远航一号同志的回复！
我们可以从三个方面来讨论。
1.有关技术进步
其实在之前，我们已经就“技术进步的本质”这一话题进行过讨论。当时的真红同志的发言可能比较好地代表了红中网对技术进步的本质的定义：劳动生产率与生态环境承载力的增长。但是我们也已经提出，劳动生产率和生态环境承载力的增长都是技术进步的映像（或者说反映）而非本质，在这里可能缺失了一层抽象而保守在统计指标上。
从唯物史观的角度来看，技术进步的根本动力是社会分工，而技术进步实现后又会为社会分工的进一步演化奠定新的条件。一项复杂劳动转换为一组有顺序的简单劳动，这些简单劳动由于其简单重复性，又将逐渐被工具乃至于机器替代。而工具与机器的发明，又会反过来造成新的社会分工变化，这是一个左脚右脚向前走的辩证运动过程，而非一个线性发展结果。因此在这个角度上来说，技术进步的本质，其实就是社会分工的延伸（并且将反过来继续作用于社会分工）。不过如果更深一层地看待，其实是人类要求自我解放所造成的现实运动（只不过在私有制社会条件下，它被极端扭曲了，以至于不仅经常没有解放人，反而还奴役了人）。
在上述语境下，其实就很容易理解了。红中网从经济统计指标衡量技术进步，也应该主要是从劳动生产率和生态环境承载力两个指标来衡量，这当然是良好的。但是除此之外，又是否考虑过因社会分工变化造成的不同阶级间力量的对比与各阶级内部构成之变化呢？仍然以信息技术为例，互联网既没有直接提高劳动生产率，也没有直接提高生态环境承载力，但是的确给整个世界的社会面貌带来了深刻的变化。例如外卖骑手，这一群体的大兴起正是依赖于互联网条件，就更不要说随着互联网经济发展出现的主播、网络店主、还有各种各样的“狗屁工作”从业者等了。他们所从事的都是非生产性劳动，但是这样的群体的出现、兴起与持续存在，是否对不同阶级间力量对比造成影响（无论是好的还是坏的）、以及是否造成了各阶级内部成分的变化与迁移，我认为也许是可以被考虑的。把技术进步的本质还原到史观上，就能看清楚这一点。
除此之外，与其说人工智能技术是去在资本主义社会条件下“加速技术进步”，也许倒不如说是社会分工-技术进步-社会分工的螺旋链条发展到今天的环节之一。而它必然也是革命性的——因为它诞生于这个资本主义旧社会的牢笼中，作为新生事物，其发展又反过来愈发愈受到资本主义生产关系的桎梏，那么最后的结果就会是成为打破这个社会形态的一份动量——因为这是完全符合新旧交替的辩证运动过程的。至于人工智能技术能否长足地下沉到自动化工厂生产，我个人认为它是要在革命完成后，或者革命过程中进行的，革命与广泛自动化在时间上的距离，应该不会太遥远。
2.有关未来社会主义、共产主义建设
规划问题其实是人工智能的强项（其实就算不说人工智能，任何规划问题都必须要有智慧的参与）。在宏观方面，人工智能技术是可以和计划经济结合的；在生产方面，柔性工厂的概念在通用人工智能下是可能的；远航一号同志所提到的交通运输的例子，也是可行的。也许可以做一个假设，如果所有的在路上的行车车辆都与一个人工智能枢纽连接，那么就有可能对全部车辆的路线和速度进行整体的实时规划。这样的话，也许红绿灯和堵车就成为历史了。在交通压力变小、通勤时间变短的情况下，那么私家车的必要性也就慢慢丧失了——只要能保证公共交通工具和私家车的通勤时间相差不大、舒适度相近，那么人们对交通资源的私人占有欲会逐渐降低，这取决于那个假想的人工智能交通枢纽去如何规划交通。
3.有关农业生产
我个人不太了解农业，不过也许这本质上仍然是一个规划问题？例如轮耕法是一种比较生态可持续的方法，其实它就是一种对耕地时空使用的规划。那么在假设人工智能被广泛使用在农业中的条件下，也有可能在更大的范畴、更广义的条件下能取得更加合理、统一的规划。自动化就不用说了，它是人工智能的亲兄弟。比较困难的地方可能就在于现代农业生产对化学化的依赖，可能也会需要在这方面上规划出一个优解出来。
以上看法供参考。

君行早

一方面，人工智能如若要得到长足的进步，的确如这位作者所表达的，需要在数学上获得更进一步的突破。如果无法取得彻底的数学解析，那么就是在开黑盒

为什么说人工智能是在开黑盒呢？我觉得以往的发明都是人们充分掌握了相关原理之后利用这些个原理而做出来的，但是人工智能作为人类发明的东西人们却不知道其原理？

红色游骑兵

君行早 发表于 2023-5-10 07:34
为什么说人工智能是在开黑盒呢？我觉得以往的发明都是人们充分掌握了相关原理之后利用这些个原理而做出来 ...

现在的人工智能技术发展我个人感觉可以比作蒸汽机或者纺纱机，可以说是技术进步的产物（特别是微电子技术），与基础理论进步关系有限。
黑盒的原因是因为神经网络内部的参数量极多且关系复杂，以图像识别领域运用较多的卷积神经网络为例，神经网络的参数量最少也在百万级别。而且这些参数的数值是神经网络在数据集上自我习得的，并非人为设计，这也为人类对神经网络的原理进行分析带来了极大的困难。
如果将目前的人工智能比作炼金术，那么很显然目前的人工智能仍然缺失化学的理论支持。

轨迹

顽皮蛋 发表于 2023-5-10 00:31
至于该文的精神，我个人的建议是远航同志也不要因为其精神符合了红中网的预设立场而过早地下结论。
一方 ...

这里面，资产阶级垄断了人工智能技术，不是不发展人工智能技术，我是认可的，资源的集中有利有弊，我看到的是垄断会带来很多危害。总体上我所说的仍是以当下的条件为背景，也就是以资产阶级统治的条件为背景，人工智能技术的发展是会受到限制的，至少无法很快带来革命性的改变。
具体来说，这种垄断不会让人工智能技术很快的应用到下游的各个具体的产业当中去。一方面是因为这种应用是破坏原有的资产阶级生产秩序，因而必然受到抵制的。我们可以想象，这就意味着要将原本可以用来扩大生产的资本投入到信息化的建设中去，这种投入在相当长的时间内是看不到效果的，在利润本来就很有限的情况下，没有太多人会冒这个险。另一方面这些垄断资本也没有直接必要去推动这种改变。

至于数学上，人工智能等等是否应该是基于非常有限的信息的，这是一个理论的问题，我们不能妄下定论。但目前至少可以说，人工智能模型是在往更大、更复杂的方向发展的，因而其黑盒的特点更加突出。

关于“人工智能”在交通等领域的应用，如果从微观上来说，感知技术是有利于发展自动驾驶等技术的的，但从宏观上来说，交通流量规划等等问题是传统计算机科学长期研究的问题，其成果一直在被应用到交通、网络等领域，但目前看来，这种总体性的规划取得的成果仍然是有限的，并不会让我们一步跨入发展的快车道，这种技术的发展速度仍然是符合技术进步的一般规律的。从这点来说，不应当认为人工智能是特殊的。