AI飞速发展的时代早已来了,而大家似乎都在追逐一个共同的信念:投入更多算力和数据,AI就一定能变得更"聪明"。
真的会是这样的吗?
有时在音乐世界里,练习时间的长短并不能完全决定一个人的艺术造诣。
有些人练习十年,可能还停留在技术层面的重复;而有些人或许练习时间较短,却能触及音乐的灵魂。
AI的发展,似乎也存在类似的规律。
学术界有个著名的"Scaling Law"理论,认为AI的能力会随着数据量和计算力的增加而显著提升。这种观点乍看很有说服力,就像"量变导致质变"的道理。
但现实更为复杂,虽然AI的实际进步速度已达每半年就翻一倍,远远超出了Scaling Law的预测,这种惊人的跃进速度,更打破了我们对AI发展的固有认知。
但更有趣的是,从前怎也没想到,投入更多数据后,进步的幅度反而开始遇到瓶颈。
最近有研究发现,当数据量达到一定程度后,AI的学习效率反而会下降。
这个现象打破了大家对AI发展的最初认知。
这种现象在艺术创作中其实很常见。一个演奏家可能会遇到技术平台期,无论怎么加强练习都难有突破;但某一天突然顿悟,演奏水平就会有质的飞跃。AI的发展,或许也需要这样的"顿悟时刻"。
在影视后期制作领域,我们经常遇到一个有趣的现象:有时候最简单的处理手法反而能达到最好的效果。复杂的技术堆砌不一定能带来更好的观感,反而可能喧宾夺主。同样的,当我们给AI输入海量数据时,它真的能学到更本质的东西吗?
我一向认为,在艺术创作中是存在一个无形的重要原则:少即是多。
在音乐中,有时候一个简单的旋律,胜过千军万马般的配器;在后期制作中,点到为止的处理,往往比过度修饰更能突出作品的主题。
在AI时代,我们更需要思考的或许不是如何无限制地扩充数据量,而是如何让AI学会"提炼"和"感悟"。就像一个优秀的艺术家,不是通过死记硬背来积累,而是通过对生活的感悟来创作。
有趣的是,当我们放慢脚步,仔细观察AI的学习过程时,会发现它其实和人类的学习过程有着异曲同工之妙。都需要经历从量变到质变的过程,都会遇到瓶颈期,也都需要找到突破的关键点。
在这个技术快速迭代的时代,值得停下来思考:AI的进步到底需要什么?是简单的数据堆砌,还是更深层次的"理解"?就像在艺术创作中,技巧固然重要,但真正打动人心的,永远是对生命本质的体悟。
AI的成长不是一条笔直向上的道路,而是充满转折和突破的探索之旅。正如艺术创作一样,真正的进步往往来自于对本质的领悟,而不是简单的重复累积。
这种领悟,或许正是未来AI发展的关键所在。
AI有「顿悟时刻」,其实人何偿不是也极需要有「顿悟时刻」呢!
麦振鸿
2025年1月25日