1.1 AIGC与AGI：从电到电网的跨越

1.1.1 第四次工业革命

下面回顾一下人类历史上的几次工业革命：

❑ 第一次工业革命以蒸汽机的使用为标志，人类进入蒸汽时代。

❑ 第二次工业革命以电力的使用为标志，人类进入电气时代。

❑ 第三次工业革命则以原子能、电子计算机与互联网的使用为标志，人类进入生产力空前发展的时代。

长期以来，人工智能被寄予掀起第四次工业革命的厚望。一方面，人工智能系统在各个领域（棋类游戏、电子竞技等）不断挑战人类的纪录；另一方面，人工智能系统在落地的时候往往因缺乏常识、容易犯错等而被称为“人工智障”。在人工智能的发展史上，高潮和低谷总是相伴而行。

在这种起伏的过程中，科学家们不断重提通用人工智能（AGI）的概念。他们满怀希望地向社会描绘这一人工智能系统发展的长期目标，认为技术的“奇点”将最晚在2050年来临。到那时，智能系统会在以下能力上达到人类的水平：

❑ 自动推理。智能系统需要在不确定性的环境中做出决策，包括对扫描字符的识别、对音频文字的识别等。

❑ 知识表示。智能系统需要有表示知识的方式，包括常识知识库、领域知识库等。常见的表示方法包括逻辑判断语句、知识图谱等。

❑ 自动规划。智能系统需要对环境建立模型，并且知道各种操作的关系和后果，从而根据结果进行行动规划。

❑ 自主学习、创新。智能系统需要自我学习，尽可能减少对人工“教师”的依赖，更多地从环境观察中提炼知识。

❑ 使用自然语言进行沟通。智能系统需要理解人类语言，并使用人类语言表达自己，进行双向沟通。

❑ 集成以上手段来实现一个复杂目标的能力，比如自动驾驶等。

近十年来，图形处理器（Graphics Processing Unit, GPU）的发展为深度学习解决了算力障碍，大数据为深度学习解决了训练数据问题，使得深度学习技术在人脸识别、自动驾驶、语音助手等产品中得到广泛的应用。然而，这些产品在安全性、常识性等方面也常犯“低级”错误，表现出来的性能与人类相比可以说是相去甚远。因此，从科学界到工业界，仍然有部分科学家对这种人工智能系统的主流实现方法持保留态度，他们质疑这种堆叠神经元的“暴力美学”能否真的模拟人类的能力。

但是，这种质疑在2022年到2023年年初的时间里几乎销声匿迹了。2022年11月，OpenAI发布了对话大语言模型ChatGPT。GPT是生成式预训练模型的简称，自2018年发布第1版之后，4年间经过了4轮主要的迭代，最后一个版本GPT-3.5的参数量达到了1750亿。基于这一版本，OpenAI开发了多个微调后的分支，ChatGPT分支是专门用于对话的，它的多轮对话记忆能力、逻辑推理能力、意图理解能力和表达能力达到了前所未有的高度。以ChatGPT为代表，AIGC掀起了一个又一个令人振奋的高潮。GPT迭代的主要版本和时间线如表1-1所示。

表1-1 GPT迭代的主要版本和时间线

2023年3月18日，美国公司Midjourney宣布了第5版商业AI图像生成服务。与上一版本相比，第5版服务解决了AI生成图像细节不清晰等问题，可以生成适合电影画面比例的图像。有平面设计师评价道：“此前版本就像是近视患者没有戴上眼镜，而第5版就是戴上眼镜的清晰效果。”

2023年3月14日，OpenAI发布GPT-4。虽然GPT-3.5珠玉在前，但GPT-4仍然在短短几个月的时间里做到了百尺竿头更进一步。它不仅具备了多模态的能力，也修正了更多的常识缺失和逻辑谬误，并在司法、医生、哲学等专业考试中达到了人类考生前10%～20%的成绩（相比之下，GPT-3.5在人类考生中排名80%左右）。3月24日，OpenAI宣布GPT-4推出插件功能，赋予ChatGPT使用工具、联网、运行计算的能力，这意味着ChatGPT具备了作为平台的功能，AI技术迎来了“iPhone/Android时刻”。

2023年3月22日，Runway发布了Gen-2软件，该软件在第一代基于原视频进行自动改编的基础上，新增了对使用文本描述创建全新视频内容的支持。随着AI视频生成补齐了AI创作的最后一块拼图，下游应用进入了加速阶段。