皖美科装㉑|AI进化论:从工具到协作者

点击蓝字，关注我们

今年以来，安徽省科学技术协会与合肥综合性国家科学中心科技传播中心携手，开启了“千万 IP 创科普”与“皖美科装”原创科普作品征集活动，涌现出了一大批优质的科普成果。

此次征集活动得到了全省各地科研人员、科普爱好者以及高校学生的积极响应，他们踊跃投稿。作品内容广泛，覆盖了量子信息、人工智能、生物医药、新能源等多个前沿科技领域。其形式丰富多样，包含图文、视频、动画等，且语言简洁易懂，能够以生动有趣的方式将复杂的科学原理呈现给公众，进一步激发了社会各界对科学技术的兴趣与热情。

我们将持续推出系列科普推文，一同探寻科学的奥秘，感受技术的温度。

时间回到2018年，当时的人工智能大多仍是“专才”，有的擅长识别图像，有的负责机器翻译，还有的能够下棋。通常，它们只能执行单一任务，能够同时完成多种任务的AI，已经足以登上科技新闻了。然而到了2022年底，ChatGPT的出现改变了公众对AI 能力的感知。ChatGPT不仅能够回答问题，还可以写诗、写代码、修改文章、设计方案，甚至围绕同一主题进行多轮连续对话。在公众视角中，AI似乎在短时间内展现出了处理复杂问题的能力。

这种跨越式的发展并非偶然，而是建立在多年技术积累的基础之上。其中，一个重要的转折点发生在2017年。这一年，谷歌研究团队发表了题为《Attention Is All You Need（注意力即一切）》的论文，提出了一种全新的神经网络架构——Transformer。如今，几乎所有主流大语言模型都建立在这一架构之上。

Transformer的重要突破，在于改变了人工智能处理信息的方式。过去的神经网络通常按顺序处理信息，难以同时关注整段内容；而Transformer引入了“注意力机制”，使模型能够同时建立序列中不同位置之间的关联，从而更好地理解上下文。

例如，当一句话中多次出现“苹果”时，模型能够结合上下文判断它指的是水果，还是一家科技公司。这种基于上下文的语义理解能力，是Transformer的重要优势之一。

更重要的是，Transformer能够充分利用图形处理器（GPU）进行大规模并行计算，大幅提升训练效率，使模型可以在海量数据上持续学习，并不断扩大参数规模。

随着模型规模、训练数据和计算资源不断增长，研究人员发现，大模型的性能会随着规模扩大而持续提升，这一规律被称为“Scaling Law”（规模定律）。当模型达到一定规模后，一些能力会出现显著跃升，例如多轮对话、代码生成和复杂推理。这种随着模型规模增长而产生的非线性能力变化，被称为“Emergent Abilities”（涌现能力）。

对公众而言，这些能力仿佛一夜之间突然出现；但对于研究人员来说，它们更像是长期技术积累达到临界点后的自然结果。正是在模型、数据和算力持续协同发展的推动下，人工智能逐渐从只能完成单一任务的“专才”，成长为能够胜任多种复杂任务的“通才”，生成式人工智能时代也由此开启。

不过，这里的“通才”并不意味着AI已经像人一样理解世界。它之所以能够生成流畅的文字、图像甚至代码，本质上仍建立在统计学习和概率预测之上。那么，它究竟是如何做到这一点的？

要理解AI的“创作”，需要进入一个非常朴素的操作层面：AI并不知道什么是“创作”，它所做的事情，本质上是预测下一个词元（Token）。这句话看似简单，却是理解大语言模型的关键起点。可以把它想象成一个填词游戏：当句子是“今天天气真___”时，人通常更可能填“好”，而非“兔子”。AI的机制与此类似，只是它处理的不是一两个词汇，而是来自互联网的大规模数据，包括书籍、网页、论文与代码等。

训练过程

这个问题并没有单一答案，但一个逐渐清晰的共识是：AI的“创作”与人类创作在生成机制上存在本质差异。

人类创作建立在具体的生命经验之上。梵高在阿尔勒的阳光中创作《向日葵》时，正处于特定的感知与情绪状态之中；李白写下“床前明月光”时，则处于异乡夜晚的思乡情境中。无论是视觉表达还是语言表达，作品都与创作者的身体经验、情感状态与认知结构紧密相连。

相比之下，AI的生成过程并不依赖任何主体经验。它没有在星空下发呆过，也没有体验过失落或喜悦。它只是学会了当人们描述某种场景时，通常会使用哪些词。

这一差异也引出了对“创造力”本质的探讨。创造力通常被定义为新颖性与有用性的结合。从这一角度看，AI确实能够生成具有新颖组合特征的内容，例如跨领域概念的重组与表达形式的再组合。然而，当类似生成能力以高频率、低成本持续输出时，“新颖性”的稀缺性开始下降，创造性表达的边界被显著扩展，这导致了“创造力通胀”的出现，即，新颖性本身的区分度在信息环境中被稀释。

另一个重要问题是“幻觉”（Hallucination）。当模型面对不确定问题时，它并不会输出“不知道”，而是生成在统计学上最可能成立的文本序列。这并非AI的“故意编造”，从概率上看，一个看似自信的虚构答案，往往比诚实的“不知道”出现在训练数据中的频率更高。这就像是班里那个爱面子的同学，不懂的问题也敢于接话，而且编得煞有介事。

此外，AI的训练数据来自互联网，而互联网包含大量历史和结构性偏见。一个典型案例是2018年亚马逊的AI招聘系统：由于历史数据中工程岗位的简历大量来自男性，模型在评分中系统性地对女性候选人不利。这不是开发者刻意设定的歧视，而是数据的不均衡在机器学习中被放大。

Agent的出现，重新定义了“创作”的边界。过去的“创作”主要指内容生成，例如文本或图像；而在Agent框架下，“创作”进一步扩展为对任务流程本身的生成与组织。前者是对输入指令的响应，后者则是面向目标的过程建构。

Agent要发挥作用，必须连接外部工具与数据。然而，不同工具的接口往往各自为政：调用天气 API 是一套写法，发送邮件又是另一套。随着能力类型不断增多，这种接口“碎片化”提高了开发与集成成本，也制约了Agent能力的扩展。

2024年底，MCP（Model Context Protocol，模型上下文协议）作为开放标准被业界提出，目标是建立AI连接外部世界的通用接口。MCP定义了一套标准化的通信协议，AI应用可以通过同一接口连接数据库、文档、API、代码库等外部资源。开发者只需为数据源编写一次MCP服务器，任何支持MCP的AI系统都能直接使用。因此，有人将MCP比作AI世界的“USB接口”，正如USB标准统一了硬件设备的连接方式，MCP正在统一AI与外部世界的连接方式。

AI走过了漫长的探索历程。当下，AI演进的终点并非“AI取代人类”的科幻叙事，而是一种更为务实的人机分工格局：AI负责处理海量、重复、逻辑可推演的任务，人类则专注于定义方向、做出伦理判断，并承担最终责任。

AI可以生成技法成熟的图像，但作品之所以能够跨越时间长河，并不取决于技法本身；AI可以组合出符合语法规则的文本，但语言的意义来源于具体情境中的经验与表达目的。创作的核心价值，仍然根植于人类独特的生命体验。

未来