生成式人工智能正在全球范围内掀起一场划时代的ICT产业革命。算力、算法、数据已成为未来综合国力比拼的必争之地。心智观察所日前连线业界享有盛名的“生成式AI之父”尤尔根·施密德胡贝尔（Jürgen Schmidhuber）。就AIGC发展的内在理路，AGI的可能性以及中国AI产业发展等一系列问题进行了深入对话。

目前尤尔根·施密德胡贝尔先生担任瑞士人工智能实验室IDSIA的科学主任以及沙特阿拉伯阿卜杜拉国王科技大学（KAUST）的人工智能计划负责人

《纽约时报》曾以“当AI成熟时，它或许会称尤尔根·施密德胡贝尔为‘父亲’”为标题对尤尔根·施密德胡贝尔进行过报道。在1990-91年间，他为“生成式AI”奠定了基础，介绍了生成对抗网络（用于深度伪造）的原理、非规范化线性Transformer（ChatGPT中的“T”），以及自监督预训练原理（ChatGPT中的“P”）。

他的实验室还开发了LSTM（长短期记忆），这是20世纪引用最多的人工智能技术，以及高速神经网络（Highway Neural Networks），这是第一个非常深的前馈网络（其变体后来成为21世纪引用最多的人工智能技术）。埃隆·马斯克曾发推文称：“尤尔根·施密德胡贝尔发明了所有东西。”尤尔根·施密德胡贝尔倡导和引领的AI技术已被应用于超过30亿部智能手机上，每天被使用数十亿次。

心智观察所：很高兴有这样一个对话的机会。您发表过对长短期记忆（LSTM）的架构和训练算法，是否可以把LSTM人工神经网络与人脑等生物神经网络进行一个类比？

尤尔根·施密德胡贝尔：事实上，LSTM受到了人脑的启发，人脑有大约1000亿个神经元，每个神经元平均与10000个其他神经元相连。一些是输入神经元，为其余神经元提供数据（声音、视觉、触觉、疼痛、饥饿）。其他则是输出神经元，用于肌肉控制和移动。大多数神经元隐藏在输入和输出之间，我的思考的出发点就在这里。所有神经元都通过改变连接强度来学习，这决定了神经元相互影响的强度，并且似乎对你一生的所有经验都进行了编码。我们的人工神经网络（比如LSTM）也是如此，它比以前的方法学得更好，可以识别语音、笔迹或视频，最大限度地减少痛苦，最大限度地提高快乐，还能驾驶模拟汽车等。

心智观察所：您提到的LSTM可以“最大限度地减少痛苦，最大限度地提高快乐”，这意味着什么？而这对于实现通用人工智能（AGI）有多重要？

尤尔根·施密德胡贝尔：这是至关重要的！不过，我应该先解释一下如何对一个学习型的通用人工智能（AGI）进行编程。你其实不需要告诉它具体该做什么事情。相反，你只需要给它一个评价函数（evaluation function），让它去最大化这个函数。

例如，给一个机器人装上疼痛传感器，当它撞到障碍物或感到“饥饿”（由于电池电量过低）时，这个疼痛传感器就会产生负数。而机器人的最终目标是尽可能减少这些负数的总和，因此它必须通过反复试验来找到避免痛苦的方法。直到某一时刻，它就学会在感到饥饿时快速找到充电站，同时避免撞到障碍物。

美剧《西部世界》被编程的“人类”

动物和人类的学习方式本质上也是类似的，都以最大化奖励并避免痛苦来进行学习。而他们的评价函数当然是由生物进化发明或被“编程”的。那些给他们带来进化优势的评价函数得以保留下来。而人工智能的进化至少在仿真模拟中已经存在了几十年了，也已相同的方式正在进行着。

心智观察所：您提到机器人“可能因为电池电量低而感到饥饿。”这让我想到，特斯拉有一个野心勃勃的人形机器人项目，该项目面临的一个瓶颈就是如何优化能耗，比如跳跃和爬楼梯比在地板上行走需要消耗更多能量。您怎么看待这个问题？功耗问题会成为人形机器人的阿喀琉斯之踵吗？相应的解决办法是什么？

尤尔根·施密德胡贝尔：未来不会只有一种类型的人形机器人，而是会有成千上万种不同类型的机器人，有些很小，这样它们就可以从内部检查和修理小型机器，还有一些则不仅外形高大，力量甚至比现在的一些工业机器人还要强。

有些机器人将会通过连接外部电池的电缆来解决能源问题，另一些则会使用汽油发动机，还有一些在深空中的机器人将使用基于放射性衰变的长效核电池，这类电池在上个世纪的无人航天器中已经使用过了。靠近太阳的，比如在水星上的机器人将大量利用丰富的太阳能。某个时刻，人工智能自己将会发明新的、更高效的电池。事实上，今天的AI已经被用来研发新的有用化学物质、材料、催化剂、药物等。

特斯拉工厂内的机器人