從 Google Gemini 到 OpenAI Q Star，重塑生成式 AI 研究格局

**探索生成式 AI 研究的轉型趨勢，特別關注 Q* 和漸進式 AGI 等內容。該分析強調了乙個關鍵的正規化轉變，這是由 MOE、多模態學習和追求 AGI 等創新推動的。這些進步預示著人工智慧系統可以顯著擴充套件其在推理、情境理解和創造性解決問題方面的能力的未來。

* 考慮人工智慧在促進和阻礙全球公平和正義方面的潛力。人工智慧利益的公平分配及其在決策過程中的作用引發了關於公平和包容的關鍵問題。當務之急是將人工智慧智慧型地整合到社會結構中，以促進正義和縮小差距。儘管取得了這些進展，但仍存在一些懸而未決的問題和研究差距。這包括確保先進的人工智慧系統在道德上符合人類價值觀和社會規範，而人工智慧自主性的提高加劇了這一挑戰。

AGI系統在複雜環境中的安全性和魯棒性也是乙個重大的研究空白。應對這些挑戰需要多學科的方法，結合倫理、社會和哲學的觀點。 **強調了未來人工智慧跨學科研究的關鍵領域，特別是倫理學、社會學和技術視角的結合。這種方法將促進合作研究，彌合技術進步與社會需求之間的差距，並確保人工智慧發展與人類價值觀和全球福祉保持一致。 MOE、多模態和 AGI在重塑生成式人工智慧中的作用已被證實是重要的，因為它們的進步可以提高模型的效能和多功能性，並為未來的研究領域鋪平道路，如道德人工智慧條件反射和AGI。隨著我們不斷向前邁進，人工智慧進步與人類創造力之間的平衡不僅僅是乙個目標，而且是確保人工智慧的作用是作為補充力量，增強我們創新和解決複雜挑戰的能力的必要條件。我們有責任引導這些進步朝著豐富人類體驗的方向發展，使技術進步與道德標準和社會福祉保持一致。

人工智慧的歷史淵源可以追溯到艾倫·圖靈的“模仿遊戲”、早期的計算理論，以及第一代神經網路和機器學習的發展，為今天的先進模型奠定了基礎。從深度學習和強化學習的興起等關鍵時刻可以看出，這一發展在塑造當代人工智慧趨勢方面發揮了至關重要的作用，包括混合專家（MOE）模型和多模態人工智慧系統，展示了該領域的動態和不斷發展的性質。這些進步見證了人工智慧技術的動態和不斷發展的本質。

隨著大型語言模型（LLMs）的出現，尤其是OpenAI開發的ChatGPT和谷歌最近推出的Gemini，人工智慧（AI）的發展已經到了關鍵的轉折點。這項技術不僅徹底改變了工業界和學術界，而且還重新引發了關於人工智慧意識及其對人類潛在威脅的對話。與GPT-3和谷歌自己的Lamda等早期模型相比，包括Anthropic的Claude和現在的Gemini在內的引人注目的先進人工智慧系統的開發重塑了研究格局。 Gemini 從雙向對話中學習的能力及其“尖峰板”注意力方法，使其能夠在多輪對話中專注於相關的上下文部分，這代表了開發能夠更好地處理多領域對話應用程式的模型的重大飛躍。這些LLM創新，包括Gemini採用的混合專家方法，預示著可以處理各種輸入並促進多模態方法的模型的發展。在這種背景下，關於乙個名為 Q* （Q-Star）的 OpenAI 專案的猜測浮出水面，據稱該專案將 LLM 的強大功能與 Q-Learning 和 A*（A-Star 演算法）等複雜演算法相結合，以進一步促進動態研究環境。

人工智慧研究趨勢的變化

隨著法學碩士領域的發展，大量研究浮出水面，以Gemini和Q*等創新為代表，旨在規劃未來的研究路徑，從識別新興趨勢到突出快速進展的領域。既定方法和早期採用之間的二分法是顯而易見的，隨著雙子座的出現，法學碩士研究中的“熱門話題”越來越傾向於多模態函式和對話驅動學習。預印本的傳播加速了知識共享，但也帶來了減少學術審查的風險。撤稿觀察指出的固有偏見以及對剽竊和假冒的擔憂構成了實質性的障礙。因此，學術界正處於乙個交叉點，需要統一推動，以根據該領域的快速發展來完善研究方向，這似乎在一定程度上可以追溯到不同研究關鍵詞的流行度隨時間的變化。 GPT 和 ChatGPT 的商業成功對生成模型的發布產生了重大影響。如圖 1 所示，某些關鍵詞的興衰似乎與重大的行業里程碑有關，例如 2017 年“變形金剛”模型的發布、2018 年的 GPT 模型以及 2022 年 12 月商用的 ChatGPT-35。例如，與“深度學習”相關的搜尋高峰與神經網路應用的突破相吻合，而隨著GPT和LLAMA等模型重新定義語言理解和生成的可能性，對“自然語言處理”的興趣激增。

圖 1：Google Scholar 上不同關鍵字的搜尋結果數量（按年份劃分）。

儘管存在一些波動，但人工智慧研究中對“倫理”的持續關注反映了對人工智慧倫理層面的持續和根深蒂固的關注，強調倫理考慮不僅僅是一種被動的措施，而是人工智慧討論中積極和持續的對話。有趣的是，從學術角度推測這些趨勢是否表明技術進步與推動研究重點之間存在因果關係，或者越來越多的研究本身是否正在推動技術發展。

*也**人工智慧進步對社會和經濟的深遠影響。研究人工智慧技術如何重塑行業、改變就業模式和影響社會經濟結構。該分析強調了人工智慧在現代世界中帶來的機遇和挑戰，強調了其在推動創新和經濟增長方面的作用，同時也考慮了倫理影響和社會顛覆的可能性。未來的研究可能會帶來更明確的見解，但創新與學術好奇心之間的同步互動仍然是人工智慧進步的標誌。

同時，Arxiv發表在《電腦科學人工智慧》（CSAI）類別呈指數級增長，如圖 2 所示，這似乎表明 AI 社群內研究傳播的正規化發生了轉變。雖然發現的快速傳播允許快速的知識交流，但它也引起了對資訊驗證的擔憂。預印本的激增可能導致未經證實或有偏見的資訊的傳播，因為這些研究沒有經過嚴格的審查過程，也沒有經過同行評審出版物中發現的潛在撤回過程。這一趨勢凸顯了學術界需要仔細考慮和批評，特別是考慮到這種未經審查的研究有可能被引用並傳播其結果。

圖 2：arxivCS 上的組織AI 類別下的年度預印本數量。

目標

*的推動力是Gemini的正式揭幕和圍繞Q*專案的推測性討論，這導致了對生成式AI研究現狀的及時檢查。為了解混合專家（MOE）、多模態和通用人工智慧（AGI）如何影響生成式 AI 模型做出了具體貢獻，並為這三個關鍵領域中的每乙個領域提供了詳細的分析和未來方向。我們的目標不是永久地推測未公開的Q-STAR計畫，而是批判性地評估現有研究課題變得過時或無關緊要的可能性，同時深入研究快速變化的LLM領域的新興前景。讓人想起以加密為中心或基於檔案熵的勒索軟體檢測器的過時性質，它們已被勒索軟體集體轉向利用各種攻擊媒介的資料盜竊策略而過時，從而將當代對加密勒索軟體的研究降低到後來者的地位。

圖 3：語言模型演進中的關鍵開發時間表。

表I：當前生成式人工智慧和法學碩士研究的綜合分類。

人工智慧的進步不僅有望增強語言分析和知識綜合能力，還有望在混合專家（MOE）、多模態和通用人工智慧（AGI）等領域處於領先地位，並在許多領域預示著基於統計的自然語言處理技術的過時。儘管如此，人工智慧與人類倫理和價值觀保持一致的永久要求仍然是乙個基本原則，而推測性的Q-STAR計畫提供了乙個前所未有的機會，可以引發關於這一進步如何重新配置LLM研究格局的討論。在此背景下，Jim Fan 博士（NVIDIA 高階研究科學家兼 AI 主管**）對 Q* 的見解，特別是關於學習和搜尋演算法融合的見解，為這種承諾的底層技術結構和功能提供了寶貴的見解。

圖4：教育部創新概念圖。

圖 5：推斷的 Q 函式* 的概念圖

圖 6：預期 AGI 功能的概念圖。

*研究方法涉及使用“大型語言模型”和“生成式人工智慧”等關鍵詞進行結構化文獻檢索。 **使用多個學術資料庫（例如IEEE XPLORE、Scopus、ACM數字圖書館、ScienceDirect、Web of Science和Proquest Central）中的過濾器來自定義識別2024年（“Transformer”模型發布）和2024年（撰寫本文時）之間發表的相關文章。旨在剖析 Gemini 和 Q* 的技術影響，它們（以及現在不可避免地出現的類似技術）如何改變研究軌跡並揭示 AI 領域的新視野。在此過程中，確定了三個新興的研究領域MOE、多模態和 AGI- 它們將深刻重塑生成式人工智慧研究的格局。採用調查方法，系統地制定研究路線圖，綜合和分析生成式人工智慧的當前和新興趨勢。