（圖片來源：CFP）

劉志毅/文 隨著科技發(fā)展，我們正經(jīng)歷著一個(gè)時(shí)代的風(fēng)云突變，其中通用人工智能（AGI）尤為引人矚目。近年來，AGI在多個(gè)領(lǐng)域均展現(xiàn)出驚人的潛能，從而引發(fā)各種技術(shù)創(chuàng)新。特別地，基于AGI的生成式界面開始受到廣泛關(guān)注，它以其深厚的技術(shù)基礎(chǔ)和豐富的應(yīng)用前景，正在重塑未來的產(chǎn)品藍(lán)圖。

首先，讓我們關(guān)注生成式界面的革命。這不僅僅是一個(gè)簡單的互動(dòng)界面改變。這背后隱藏著一個(gè)更大的哲學(xué)觀點(diǎn)，即用戶與機(jī)器之間的交互應(yīng)該盡可能地自然和直觀。通用智能為此提供了可能性。例如，在人機(jī)交互領(lǐng)域，早期研究表明，為了提高機(jī)器的適應(yīng)性和靈活性，需要讓機(jī)器能夠更好地理解人類的情境、情感和需求。如今，我們看到了更多先進(jìn)的模型，如神經(jīng)注意力機(jī)制、變分自編碼器等，它們被用于捕捉復(fù)雜的人類行為和意圖。生成式界面的多元化形態(tài)正在不斷擴(kuò)展。過去，我們習(xí)慣于通過文本的對(duì)話方式與機(jī)器人進(jìn)行互動(dòng)。然而，新的技術(shù)發(fā)展使得與機(jī)器的交互變得更為多樣。例如：Perplexity的生成用戶界面為我們帶來了一種新的視覺體驗(yàn)，使得人機(jī)交互更為直觀和高效；InflectionAI的語音發(fā)聲技術(shù)，則使得機(jī)器能夠更好地理解人類的語音，并作出相應(yīng)的反應(yīng)。

同時(shí)，跨學(xué)科的研究還推動(dòng)了與機(jī)器的交互方式朝向更為自然、親密的方向發(fā)展，從而拉近了人與機(jī)器之間的距離。

其次，新的編輯體驗(yàn)也得到了極大的推動(dòng)。隨著技術(shù)的進(jìn)步，人們對(duì)于編輯工作的要求也變得越來越高。傳統(tǒng)的編輯工作流已經(jīng)被打破，新的方法是將AI技術(shù)與人的直觀感知相結(jié)合。在過去，編輯工作流程多半基于固定的規(guī)則，但隨著深度學(xué)習(xí)的應(yīng)用，編輯不再僅僅是按照固定的規(guī)則進(jìn)行，而是基于海量的數(shù)據(jù)進(jìn)行預(yù)測和優(yōu)化。例如，基于大數(shù)據(jù)的預(yù)測模型可以更準(zhǔn)確地理解用戶的需求和意圖，從而為用戶提供更為貼切的內(nèi)容建議。例如微軟旗下的Copilot為我們提供了一種全新的編輯方式，它不僅提高了編輯的效率，還為編輯帶來了前所未有的創(chuàng)意靈感；Di－rector‘sMode的出現(xiàn)，更是將編輯推向了一個(gè)新的高度。通過這種模式，人們可以更為直觀地進(jìn)行編輯工作，從而得到更加滿意的結(jié)果。此外，通過Prompt操作聲音的技術(shù)，也為編輯提供了更為豐富的選擇。

再者，代理系統(tǒng)的復(fù)雜度正日益增加。在這里，機(jī)器不僅僅是執(zhí)行命令，而是能夠進(jìn)行自主決策和執(zhí)行。這涉及到復(fù)雜的技術(shù)問題，如強(qiáng)化學(xué)習(xí)和多智能體系統(tǒng)。例如，強(qiáng)化學(xué)習(xí)允許機(jī)器通過與環(huán)境的互動(dòng)來自我學(xué)習(xí)和優(yōu)化，而多智能體系統(tǒng)則允許多個(gè)機(jī)器相互協(xié)作，共同完成復(fù)雜的任務(wù)。隨著技術(shù)的進(jìn)步，代理系統(tǒng)不再只是簡單地完成人們交代的任務(wù)，而是具備了更高的自主權(quán)。例如它們可以自主地訪問外部工具，進(jìn)行數(shù)據(jù)分析和處理；它們還可以根據(jù)實(shí)際情況，自主地進(jìn)行決策和執(zhí)行，從而為人們解決各種問題。更為重要的是，這些代理系統(tǒng)正逐漸具備了與人類進(jìn)行深度交互的能力，從而使人與機(jī)器之間的合作更加緊密。

最后，從更大的視角看，通用人工智能正在系統(tǒng)范圍內(nèi)進(jìn)行優(yōu)化。系統(tǒng)范圍的優(yōu)化意味著將整個(gè)系統(tǒng)看作一個(gè)整體，而不僅僅是優(yōu)化單個(gè)部分。這需要對(duì)整個(gè)系統(tǒng)的結(jié)構(gòu)、流程和機(jī)制進(jìn)行深入的理解和分析。例如，復(fù)雜網(wǎng)絡(luò)理論為我們提供了理解大規(guī)模、復(fù)雜系統(tǒng)的工具，而信息論則為我們提供了評(píng)估和優(yōu)化系統(tǒng)性能的方法。例如一些公司正在研發(fā)如何在整個(gè)系統(tǒng)范圍內(nèi)提高工作效率的技術(shù)，而不僅僅是優(yōu)化單個(gè)用戶的工作流程。此外，通過自主選擇支持票據(jù)或拉取請(qǐng)求，通用人工智能可以有效地解決整個(gè)系統(tǒng)的問題，從而使整個(gè)系統(tǒng)的工作效率得到極大的提升。通過學(xué)習(xí)和自我優(yōu)化，通用人工智能還可以不斷地提高自身的性能，為未來的發(fā)展創(chuàng)造更多的可能性。

綜上所述，通用人工智能正逐漸成為現(xiàn)代社會(huì)的核心技術(shù)，其在生成式界面、編輯體驗(yàn)、代理系統(tǒng)以及系統(tǒng)范圍內(nèi)優(yōu)化等方面的應(yīng)用，都為我們展現(xiàn)出了一個(gè)充滿無限可能的未來。

（本文作者系上海交通大學(xué)計(jì)算法學(xué)與人工智能倫理研究中心執(zhí)行主任、中國人工智能學(xué)會(huì)AI倫理工作委員會(huì)委員）