李彦宏
过去半年里，人工智能获得了比以往更高的关注，主要原因是生成式人工智能（Generative Artificial Intelligence，简称生成式AI）的出现，而大模型就是它的底层技术。大模型之所以能够改变人工智能是因为大算力、大模型、大数据促进了智能的涌现。过去的人工智能是通过对机器人进行示教让它掌握某项技能，机器人只会教过的内容。而现在的智能技术在无需示教的情况下就能让机器人学会某种技能，目前我们正朝着通用人工智能的方向发展。
与此同时，人工智能的发展方向也从辨别式走向了生成式。人们过去比较熟悉的人工智能应用基本上都属于辨别式，如人脸识别、搜索引擎。生成式人工智能具有哪些技能？例如，让生成式人工智能拟定一份宴请宾客的菜单；向生成式人工智能寻求一些设计创意、灵感、思路甚至是技巧或者让生成式人工智能画一幅“车水马龙”的图片，这些在过去觉得不可思议的事情现在都可以做到。很多研究机构都认为，未来十年，生成式人工智能将成倍提升工作效率，如大幅提升内容创作、客户服务、翻译等类型的工作效率。然而，生成式人工智能的发展也引发一些担忧，例如，人们担心人工智能的应用会导致很多工作岗位消失，从而引发一些不可预知的社会问题。
一、大模型不会抢占人类工作机会
对于这些问题，回溯历史经验有助于寻找答案。人工智能被人们认为是第四次产业革命的标志，那么之前的产业革命都取代了哪些工作？二百多年前，现代蒸汽机的发明揭开了第一次产业革命的序幕，现代蒸汽机的第一个应用就是将采矿产生的水从井下提升至地面。至此，从井下背水的工作岗位基本消失了，但现代蒸汽机却创造了更多工作岗位，如机械工程师、锅炉冶金工人、纺织工人、铁路工人、乘务员等。从1800年到1900年间，世界人口数量出现了高速增长，人均GDP也同样实现了快速增长。这说明虽然有些工作岗位消失了，但更多岗位应运而生，工作效率的提升不仅可以提供更多的就业，还大大改善了人们的居住环境。
一百多年前，随着汽车的出现，马车夫的工作逐渐消失了，同时出现了很多新的工作，如汽车司机、加油站职员、电器销售员、电力维修工、摄影师、电影放映员、电话接线员、飞行员等。从1900年到1990年间，世界人口和人均GDP同样保持高速增长。随着新的产业革命发展，打字员工作也消失了，又出现了很多新的工作，如计算机工程师、数据分析师、网络工程师、程序员、游戏开发员、三维建模师、数字艺术家、互联网金融顾问、视频主播等。从1990年到2020年，世界人口和人均GDP以同样的方式保持高速增长。历史虽然不会重复，但确实有它的规律。现在有很多人担心人工智能的发展会让工作岗位减少，因为他们只看到工作岗位的消失，没有预见到哪些新的工作岗位被创造出来，就像一二百年前的人看不到后来新产生的工作岗位一样。所以，不必担心大模型会抢占人类工作的机会、影响人们的生活质量。
二、大模型重新定义人工智能
大模型使人机交互的方式发生了变化。在过去的几十年里，随着信息技术的发展，人机交互方式也在不断演进。第一个变化是命令行界面。20世纪90年代，人机交互的主要工作界面是命令行，所有交互都通过命令行来体现，输入一个命令后计算机就会给出相应的反应，这种命令行的效率很高。第二个变化是图形用户界面（GUI）。这是一种更简单的人机交互方式，让人比较容易看懂交互过程，虽然比命令行方式要更好一些，但仍然不是最自然的交互方式。第三个变化是人工智能交互。人工智能可以让自然语言跟电脑进行交互。例如，近期在企业产品线中查询哪些产品的毛利率超过了疫情前的水平，过去这样一个任务很可能需要花费半天或一天时间才能完成，如果计算机能懂得人类的自然语言，一秒钟之内就可以生成一个表格。此外，大模型也会重新定义营销和客服，谁掌握与客户沟通的最佳技巧，谁就有可能先与客户达成签约，技术的发展使得人们获得最佳沟通能力的可能性比以前提高。可见，大模型只是一个基础，模型之上会有多种人工智能应用。
三、原生应用：人工智能时代的发展方向
目前，人工智能时代的原生应用主要有这几种形式。首先是“Do Not Pay”，它是一个人工智能律师。例如，在美国，司机开车超速会被警察开罚单，罚金高达几百美元，如果这位司机要请一位律师打官司，律师费可能是罚金的两倍，所以司机通常会选择交罚款，而在今天，人工智能应用可以在某种程度上替代律师。其次是“Jasper Free”，这是一款营销创意的生成工具，能根据客户的需求提供一些好的创意，同时这款人工智能产品产出的创意的效率是很高的。最后是“Speak”，这是一款外语教学应用软件。它通过模拟各种各样的场景来开展教学，如到餐馆点餐或参与一个商业谈判时如何跟对方进行交流。2013年前后，百度就开始着手人工智能的研发工作，日前发布的“文心一言”是全新一代知识增强大语言模型，能够与人对话互动、回答问题、协助创作，高效便捷地帮助人们获取信息、知识和灵感。
人工智能之所以发生如此大的变化，不仅仅是应用场景的变化，其背后的技术栈也发生了根本性变化。IT技术栈包括三个层次：底层芯片层、中间层操作系统和上层应用层。在PC时代，开发者几乎都在给Windows系统开发软件，而在移动时代，开发者几乎都转向了安卓和IOS系统。如今，人工智能的到来改变了现有格局，现在的IT技术栈已变为四个层次：芯片层、框架层、模型层和应用层。首先，底层仍然是芯片层，但主要的芯片已经不再是CPU，而是以GPU为代表的新一代适合进行大规模并行浮点运算的芯片；其次是框架层，即深度学习框架，百度的飞桨（PaddlePaddle）、 Meta的PyTorch、谷歌的TensorFlow等都部署在这一层；再次是模型层，目前的ChatGPT或者GPT、“文心一言”等均位于模型层，未来人工智能时代的各种原生应用都会基于模型进行开发；最上层是应用层。百度在上述四层中的每一层中都有比较领先的产品，在芯片层有昆仑芯；在框架层有飞桨；在模型层有“文心一言”大模型；在应用层有搜索应用等。
四、人工智能让世界“化繁为简”
在技术栈的四个层次拥有领先产品或技术能给我们带来哪些好处？首先，借此可以进行端到端的优化，每一层都可以给其他层提供反馈，根据这些反馈可以综合统筹，通过优化提升效率。在芯片层，昆仑芯已经有两代产品。在框架层，目前在中国的人工智能领域已经有五百多万开发者使用“飞桨”框架，这个框架越来越得到广泛认同。在模型层，“文心一言”逐渐被应用到更多使用场景中，未来会有更多基于大模型的应用被开发出来。在应用层，百度搜索是一款人们比较熟悉的软件，但它不可能覆盖应用层的所有领域。除了搜索之外，百度还开发了一款与交通有关的产品，其研发工作主要聚焦于两方面，即自动驾驶或无人驾驶技术和智能交通领域。针对无人驾驶，百度已经研发了十年时间，目前在武汉、重庆都实现了无人驾驶车辆的商业化运营；针对智能交通的研究，很多城市的研究都证明，通过智能调整红绿灯的变灯时间，可以让城市的交通效率提升15%—30%。例如，北京经济技术开发区使用的智能交通系统，可以动态调整交通流，使得交通拥堵问题大大缓解，交通效率极大提升。我们期待，未来在大模型之上，各行各业会开发出各种各样的应用并找到更广泛的应用场景，实现效率的大幅提升。
对于人类自身来说，最大的不可持续并不是创新带来的不确定性，而是停止创新，是不发明、不创造、不进步带来的惯性发展导致的各种各样不可预知的风险。这就是为什么百度长期持续地在人工智能领域进行投入，也是为什么百度将使命定义为“用科技让复杂的世界更简单”。
（作者系百度创始人、董事长兼首席执行官。本文根据作者在2023年第七届世界智能大会发表的演讲整理，发表时略有删减。）