AI与人类智能：Denny Zhou的哈佛讲座

Denny Zhou，Google DeepMind推理团队的负责人，在哈佛机器学习基础小组主持下发表了一场引人入胜的讲座。这场讲座题为“教语言模型推理”，深入探讨了Zhou旨在缩小机器智能与人类认知之间差距的开创性工作。

揭示AI推理的奥秘

Zhou在半个世纪前开始了探索AI推理的旅程，引入了一种独特的AI训练方法。这种方法旨在为新兴AI系统配备四个基本组成部分：

思维链（Chain-of-Thought）：这种方法通过思考将思维纳入AI的决策过程，从而增强其推理能力，类似于人类的认知过程。

自我一致性（Self-Consistency）：Zhou的策略涉及广泛的采样和选择最频繁的响应。这种迭代方法完善了AI响应，旨在实现更高的精度。

最少到最多（Least-to-Most）：将复杂问题划分为更易于管理的部分，并单独解决问题，增强了AI的分析能力。

指令微调（Instruction Finetuning）：确保AI系统能够在不需要彻底重新训练的情况下评估新问题，从而促进适应性。

迈向类人智能的旅程

尽管AI取得了显著进展，但Zhou对其发展持务实观点。他承认了令人印象深刻的结果，但强调了AI在接近人类思维的复杂推理能力之前必须覆盖的相当大的距离。

AI在现代社会的角色

Zhou对AI迅速融入当代生活的各个方面表示怀疑。与乐观的预测相反，Zhou强调了完全自主的自动驾驶汽车面临的巨大挑战。绊脚石在于训练AI模型所需的独特数据，这些数据从一个城市到另一个城市可能会有很大差异。因此，AI技术的可扩展性仍然是一个巨大的障碍。

人类智力与AI能力

根据Zhou的说法，人类智力在多个领域继续优于AI。他强调了人类在多样化城市环境中驾驶时的适应性，这是由AI驱动的自动驾驶车辆所无法实现的。这种区别源于人类和AI系统在自动驾驶背景下采用的方法的显著差异。

增强AI模型的光明前景

尽管存在现有差距，但Zhou对AI的未来持乐观态度。他设想具有推理能力的AI模型将为人类社会做出重大贡献。这些贡献包括实际应用，例如生成更精细的文本和促进更高效的代码编写。随着AI的不断发展，它有可能在广泛领域提高生产力。

Denny Zhou在哈佛机器学习基础小组的讲座为提升AI推理的持续努力提供了一个诱人的 glimpse。虽然已经取得了重大进展，但很明显，AI在接近人类水平智能方面还有很长的路要走。障碍，特别是在自动驾驶等领域，突显了现实世界AI应用的复杂性。尽管如此，具有增强推理能力的AI模型的前景预示着未来将出现更具生产力和效率的技术解决方案。