美智库:创新飞轮——生成式人工智能的未来?(下篇)
前言
今天将为大家继续美国特别竞争研究智库发布的报告《生成式人工智能:创新动力的未来》下半部分内容。
总体建议:让GenAI像创新飞轮一样激发创新能量
不同技术的融合能产生独特的技术力量从而根本性地改变全球的国家安全架构。GenAI正与其他领域融合,不改变着创新的本质,还将带来更强大、通用性更强的人工智能形式。
因此,作者在报告下半部分首先探讨了GenAI应如何与其他领域融合,改变创新范式,从而形成以创新驱动更多创新的“创新飞轮”。
“创新飞轮”是一个包含以下四个基本阶段的循环过程:
1.技术融合
GenAI与其他战略技术领域(如生物技术、能源、先进制造业)融合,创造出一系列跨领域的创新应用(统称为GenAI+)。
2.改变认知
这些创新应用改变了世界的运作方式,同时也让社会各界人士认识到人工智能带来的巨大机会。
3.策略调整
认识到这些机会后,各类组织(从政府到初创公司)重新评估并调整其策略,将AI技术整合到其核心运营和战略规划中,以适应GenAI带来的巨大改变并充分挖掘GenAI的价值。
4.基础技术变革
社会各界在GenAI方面的策略调整,使之得以更为广泛地应用,加上其他已经在独立进行的计算能力方面的创新(如量子计算等),将推动GenAI的底层基础技术(包括算法、数据和硬件)的变革,从而进一步推动GenAI的进步,加速创新飞轮的旋转。
作者指出,创新飞轮在每个阶段都会产生技术洞察力,并推动持续创新与发展。这个过程是动态的,每个阶段都可能激发新的创新,从而形成一个自我提高的循环,加速技术进步和应用的扩散。
对经济领域的建议
根据麦肯锡公司的数据,GenAI每年可以为全球经济贡献4.4万亿美元,大致相当于世界第四大经济体德国的GDP。
基于这一数据,作者强调了GenAI对经济发展的产生的巨大潜力并进而指出GenAI的发展可能直接引领美国经济的未来。
为建立在GenAI领域的领导力,美国应关注三个GenAI的基础元素:计算能力、数据和人力资本,并逐一分析这三个基础元素的发展现状及未来规划:
1.计算能力
报告指出,自2012年以来,训练前沿模型所需的算力资源每6个月就要翻一番,因此算力资源对GenAI的研发至关重要。
由于Nvidia、AMD和Intel等主要AI芯片公司均在美国且美国对中国实行了高端AI芯片和半导体制造设备的出口限制,美国在技术发展和技术资源的获取上领先于中国。
但是由于芯片生产公司不在美国,导致美国的AI芯片供应链脆弱。另外,美国未能像中国一样为学术研究人员提供计算资源。
此外,报告还强调了云计算也是计算能力中的重要一环。美国的云服务商目前占有绝对优势,但中国的竞争者也凭借其更低廉的价格在亚洲、拉丁美洲和非洲占领更多市场份额。
根据上述评估,作者提出了两点建议:
一是要给美国国内的学术研究人员提供充足的计算资源,确保美国在AI研究领域的领导力;
二是对美国境内的云服务提供商实施“了解你的客户”制度(know-your-customer-regime),以防止受制裁的中国AI公司绕过出口限制,通过租用受控制的GPU获取计算资源,同时还应鼓励境外盟友和合作伙伴在其云服务上实施类似的筛查措施,从而才能全面遏制中国获取计算资源。
作者还强调了节能降本在GenAI的开发中也至关重要,如果计算的成本还继续以当前的速度上涨,训练世界上最大的AI模型的费用将在2036年超过美国的GDP。
为解决这些问题,从技术层面,作者建议AI公司应致力于构建更高效的算法和硬件,减少计算和能源资源的消耗。例如,通过“剪枝”技术移除不必要的模型层,或简化神经网络架构,这可以使能效提高四到十倍甚至更多。此外,与专用硬件加速器结合使用,可以将能效提高几个数量级。
从政策层面,作者建议白宫启动 “绿色AI倡议”并由国家人工智能倡议办公室协调,要求业内专家,共享减少AI训练和推理过程碳足迹的最佳实践。
同时,国会还应鼓励公司披露AI训练过程中的能耗和碳排放,增加透明度,以激励减少模型训练和推理所需的能量。
最后,作者还指出计算需求的激增的同时也面临着摩尔定律的进步速度减缓的挑战,为应对这一挑战,作者提出了三条建议:
一是为AI技术量身定制新型硬件,包括使用GPU和专用AI加速器;
二是开发新的计算范式,如量子计算、类脑计算和3D异构集成等新兴技术;
三是加大政府投资,提供至少10亿美元的种子资金,支持AI技术的创新发展。
2.数据
数据对GenAI的重要性不言而喻,作者主要从数字基础设施和数据治理两个层面对数据这一基础元素进行分析。
从数字基础设施层面,作者指出美国尽管在这一领域已投入超过1000亿元,但其缺乏协调一致的数字基础设施战略,尤其在推进下一代高级网络方面存在不足。
美国一方面应加强在国际网络技术标准制定中的领导地位,另一方面需促进关键网络组件在美国境内的生产能力,以减少对中国制造组件的依赖。
从数据访问和治理层面,美国拥有全球最大的科技公司、最多的数据中心,而且互联网上大量的英语文本也使其在AI训练中享有独特优势。
但美国目前的数据治理方法零散且不协调,可能威胁其在全球数字领域的领导地位。
而中国的数字战略更为全面,不仅限制了境外企业访问其境内数据,还利用其科技公司在全球的影响力有效获得了境外数据。
欧盟则采取隐私优先的监管导向,可能会抑制创新并限制美国公司的机会。
对此,作者建议要建立全面系统的法律体系,统一各州在数据隐私方面的法律,提升他国对美国数据生态系统的信任,为新的数字贸易协议奠定基础。
同时,还应与盟友合作,增加数字贸易,通过促进跨境数据流动和减少数字交易中的关税成本,加速与欧盟及其他民主国家在数据流动方面的兼容性工作。
3.人力资本
作者在人力资本部分重点强调了对技术移民应采用更开放包容的态度,以吸引AI领域的高素质技术人员在美工作。
此外,还应提升技术工人的人工智能素养,并在目前的中小学生教育体系中加入人工智能课程。