記者 俱鶴飛

  4月29日，習(xí)近平總書記在上?？疾臁Ｔ谖挥谛靺R區(qū)的上海“模速空間”大模型創(chuàng)新生態(tài)社區(qū)，習(xí)近平總書記同正在參加“下一代智能體的自主進化”主題沙龍的青年創(chuàng)新人才親切交流。

  習(xí)近平總書記在調(diào)研過程中參與的這場主題沙龍，是“模速空間”每月舉辦的人工智能主題沙龍。在當天沙龍活動現(xiàn)場，30余名創(chuàng)新人才都是年輕人，其中，既有上海創(chuàng)智學(xué)院的博士生，也有人工智能領(lǐng)域的創(chuàng)業(yè)者，大家紛紛向習(xí)近平總書記匯報所在團隊開展人工智能技術(shù)研究和產(chǎn)業(yè)應(yīng)用的收獲體會。

  這群年輕人聊了點啥？

  在現(xiàn)場，記者看到了這場沙龍結(jié)束后留下的板書，圍繞“下一代智能體的自主進化”這一主題，大家主要分享了五個方面的內(nèi)容——

  一是模態(tài)內(nèi)容。所謂模態(tài)內(nèi)容，通俗理解就是通過文字、圖像、聲音、視頻等多種形式組合傳遞信息，讓人類和智能體都能更高效、更直觀地理解和創(chuàng)造內(nèi)容。

  “就像你刷短視頻時，既看畫面、聽聲音，又讀字幕，這些信息組合在一起，就是一種模態(tài)內(nèi)容。”在現(xiàn)場參與沙龍活動的蜜度科技股份有限公司首席技術(shù)官、蜜度蜜巢總裁劉益東告訴記者，模態(tài)內(nèi)容是人工智能邁向“多感官”體驗的關(guān)鍵技術(shù)，未來可能徹底改變我們與數(shù)字世界的互動方式，比如元宇宙中的全感官交互。

  板書上的第二點內(nèi)容，是“上下文窗口”。上下文窗口是自然語言處理和大語言模型中的核心概念，也就是智能體能理解多少內(nèi)容，通常以Tokens（詞元）數(shù)量衡量。它直接影響模型的理解能力、生成連貫性以及應(yīng)用場景的廣度。

  “簡單來說，就是AI在和你對話時能記住的‘記憶長度’。”上海創(chuàng)智學(xué)院博士生吳昌鱺參與了這場沙龍，他告訴記者，最初GPT-3.5只支持4000Tokens（約3000漢字），超過這個長度的部分就會被“遺忘”，這個“記憶長度”就是上下文窗口的大小。“當然，窗口越大，計算量也越大，就像同時記10個單詞比記3個單詞更費腦子。未來智能體的進化，應(yīng)該是從幾十萬Tokens向千萬級邁進。”

  下一代智能體進化的第三個方向，是“模型調(diào)用”能力。簡單來說，就是讓智能體按照人的要求“干活”。

  ——小愛同學(xué)，今天天氣怎么樣？

  ——上海今天20℃，晴天。

  看似簡單的對話背后，其實是智能體“小愛同學(xué)”通過調(diào)用外部天氣數(shù)據(jù)接口，獲取實時數(shù)據(jù)，并生成回答。

  劉益東說，模型調(diào)用就像給智能體裝上“手”和“眼睛”，讓它不僅能“說話”，還能“動手做事”。從查天氣到訂機票，通過定義工具、調(diào)用程序接口，開發(fā)者能靈活擴展模型能力。“未來，隨著人工智能技術(shù)發(fā)展，模型調(diào)用將更智能、更貼近人類需求，朝著自主進化的目標邁進。”

  第四點是任務(wù)復(fù)雜度。這個概念其實不難理解，簡單來說，就是完成一件事需要“費多大勁”。這個能力之于智能體來說也是一個道理。

  對于智能體而言，當前具備完成普通人半天的工作量。而下一代智能體，則需要具備完成專業(yè)人士一周的工作量的能力，“任務(wù)復(fù)雜度高的工作，可能需要智能體隨時處理任務(wù)中途出現(xiàn)的意外情況。也就是更強的‘自主’能力。”吳昌鱺說。

  第五個能力是智能體協(xié)作——從“單智能體”進化到“多智能體協(xié)作”。如果說“詢問天氣”只是單一智能體獨立完成任務(wù)，那么智能體協(xié)作，就是多個智能體像人類團隊一樣分工合作，從“單兵作戰(zhàn)”升級為“集團軍作戰(zhàn)”，比如管理工廠這種更復(fù)雜的工作，必然需要多個智能體協(xié)同配合，就像人類社會需要分工合作。

  “當然，就像這次沙龍主題，下一代智能體的自主進化，其實不是智能體某一種能力的進化，而是這五種能力進化形成的‘合力’，最終達成智能體無需人工干預(yù)的自我學(xué)習(xí)、動態(tài)適應(yīng)和策略優(yōu)化，最終實現(xiàn)從‘執(zhí)行指令’到‘自主創(chuàng)造’的跨越。”劉益東說。