NVIDIA 執行長黃仁勳（Jensen Huang）日前出席公開活動表示，預期 5 年內可以看到 AGI（Artificial General Intelligence，通用人工智慧）出現，對此，Meta 首席 AI 科學家楊立昆（Yann LeCun）認為目前 AI 系統距離達到某種感知能力還需要數十年時間，他的觀點與黃仁勳形成鮮明對比。

黃仁勳出席紐約時報 DealBook 高峰會被問到 AGI 是否能在 10 年內實現時，他認為這可能更快發生。他把 AGI 定義成一款軟體或一台電腦，能夠完成反應出基本智慧的測試，與正常人一樣相當有競爭力，「我想說在未來 5 年內，顯然會看到能夠通過這些測試的人工智慧」。

「我認識 Jensen」，楊立昆在近日慶祝 Meta 基礎 AI 研究團隊（Fundamental AI Research，FAIR）成立 10 週年的活動談到，AI 熱潮下 NVIDIA 獲益匪淺，「這是一場 AI 戰爭，而 Jensen 正在提供武器」。

談到研究人員試圖開發 AGI，楊立昆認為只要 OpenAI 等研究人員繼續追求 AGI，他們就需要更多的 NVIDIA 晶片。

楊立昆指出，目前科技業對語言模型和文字資料的關注，還不足以建立研究人員幾十年來一直夢想的類人類 AI 系統。「文字是一種非常貧乏的資訊來源」，楊立昆解釋，人類需要 2 萬年才能閱讀完用於訓練語言模型的大量文字， 「但以相當於 2 萬年的龐大文字材料訓練一個系統，它們仍然不明白當 A 與 B 相同，那麼 B 就與 A 相同。」

於是楊立昆及其團隊正在研究如何客製化建立 ChatGPT 等應用程式的 Transformer 模型，以處理各種資料，包括圖片、音訊、影片等資訊。所謂多模態 AI 模型代表下個階段的技術進展，但開發成本昂貴。

隨著 Meta、Alphabet 等越來越多公司研究先進 AI 模型，NVIDIA 具有優勢，特別是在沒有強大競爭者的情況下。NVIDIA 一直是生成式 AI 最大受益者，其開發的 GPU 成為訓練大型語言模型的標準工具，比方說 Meta 仰賴 16,000 個 NVIDIA A100 GPU 訓練 Llama 模型。

楊立昆還談到 GPU 技術依然是發展 AI 的黃金標準，但他認為未來需要的晶片可能不全是 GPU，「未來有望看到新的晶片，它們不是 GPU，可能只是神經深度學習加速器。」

（首圖為 Meta 首席 AI 科學家 Yann LeCun，首圖來源：達志影像）