1.1　AIGC的“靈感”來源

在第一次工業(yè)革命的前夜，世界上第一位程序員阿達·洛夫萊斯（Ada Lovelace）于1843年在她的論文《關于分析機的筆記》（Notes on the Analytical Engine）中寫道：“機器不會自命不凡地創(chuàng)造任何事物，它只能根據(jù)我們能夠給出的指令完成任務。”

AI也是機器的一種，洛夫萊斯的這句話正是很多人對AI的看法：機器不會產(chǎn)生任何新的想法或做出超出指令范圍的行為，創(chuàng)造力是人類智能獨有的特質之一。即便是在2022年大模型爆發(fā)之前，人們也普遍相信，AI不會取代需要創(chuàng)意的工作，只能取代重復性的、機械性的人類工作。不過，眼下我們仿佛也沒那么自信了。

法國數(shù)學家埃米爾·博雷爾（Emile Borel）于1913年提出了“無限猴子定理”（Infinite Monkey Theorem）。這條定理是這樣描述的：讓一只猴子隨機打字，當打字時間無窮長時，它幾乎必然能夠打出任何給定的文字組合，如莎士比亞的全套著作。該定理說明，在概率空間大到接近無限的情況下，幾乎肯定存在各種各樣極端的可能性，而人類的各種作品也可以視為文字符號、像素組合的一種可能性。對機器智能而言，它要做的就是找到最符合人類要求的組合，這就是AI的創(chuàng)造力。

看起來，機器智能似乎變成了概率統(tǒng)計的延伸，但如果“打字時間”漫長到無限，那么仍然毫無意義。不過，隨著AI相關技術的不斷演進，從深度學習算法到現(xiàn)在的大模型，以及硬件設備計算性能的提升，AIGC的“打字時間”從無限變成了有限，如今甚至已經(jīng)縮短到了幾秒，而輸出的圖文結果也從最初的錯誤百出進化到了現(xiàn)在的讓人類難辨真假。

2022年6月15日，谷歌研究院聯(lián)合DeepMind和斯坦福大學等在arXiv[1]上發(fā)表了一篇論文《大語言模型的涌現(xiàn)能力》（Emergent Abilities of Large Language Models）[2]。該論文提到了大模型擁有復雜推理和思維鏈[3]能力，而這個思維鏈能力是突然“涌現(xiàn)”的。也就是說，當參數(shù)規(guī)模超過千億時，思維鏈能力就出現(xiàn)了指數(shù)級爆發(fā)（見圖1-2）。

圖1-2　大模型的能力涌現(xiàn)

看起來，AI走出了一條機器智能的演化之路，那就是“大力出奇跡”——大參數(shù)量、大算力、大量的訓練數(shù)據(jù)。