loading...
最近，OpenAI的人事动荡持续发酵，其核心原因至今未明。然而最新披露的信息显示，在Sam Altman被解雇前，数名研究人员曾向董事会提交一封密信，警告一项名为“Q*”（Q-star）的人工智能项目可能已具备威胁人类生存的能力。这一事件成为揭开此次风波真相的关键线索。
尽管董事会公开表示罢免原因是“沟通不坦诚”，但外界普遍猜测，真正触发危机的，是首席科学家Ilya Sutskever在模型中发现的“对齐”（alignment）异常——即人工智能的行为方向可能已偏离人类意图。这不仅关乎信任问题，更直指当前人工智能发展的根本矛盾：我们是否能掌控正在快速进化的大模型？
随着语言模型规模的增长，新能力突然出现；图片来源：Google
自ChatGPT问世以来，大语言模型展现出令人震惊的理解与推理能力，如分析图文幽默、解答复杂谜题等。这些能力并非通过传统编程实现，而是在模型规模达到临界点后“涌现”而来。这种现象被称为“能力涌现”（Emergent Abilities），其本质仍是科学界尚未完全破解的谜题。
“计算机科学之父”图灵早在1950年就预言：学习机器的老师往往对其内部运行一无所知。如今，这一预言正成为现实。即便是模型的设计者，也无法解释为何一个由梯度下降和Transformer架构构成的系统，能表现出类人般的通用智能。
当模型规模不断增大时，大语言模型呈现出三种关键特征：
第一，知识密集型任务性能随参数增长呈指数提升。研究显示，大量事实性知识与常识分布在模型中层与高层结构中，尤其在11-12层可定位到具体答案。
第二，多步骤复杂任务出现“跃迁式”突破。例如在数学推理或逻辑判断中，小模型表现随机，但一旦超过特定阈值，准确率骤升，体现典型的涌现效应。
第三，部分任务呈现U型曲线：初期因干扰项影响效果下降，待模型足够大后识别并忽略干扰，最终表现回升。
大语言模型的涌现现象，在一定规模后迅速涌现出新能力；图片来源：Google、Stanford、DeepMind：Emergent Abilities of Large Language Models
目前最明确的两类涌现能力为：
**上下文学习（ICL）**：无需微调，仅通过提供示例即可让模型学会新任务。例如给几个“输入-标签”对，模型就能预测未见过的输入，展现泛化能力。但其工作机制仍存争议——模型是否真的“学习”？还是仅靠记忆匹配？
**思维链（CoT）**：通过提示模型分步推理，显著提升复杂任务准确率。微软研究显示，即使面对简单算术题，若无提示，GPT-4错误率高达42%；加入“逐步思考”指令后，准确率飙升至90%以上。
黄色标记突出了关键的成功推理步骤；图片来源：Sparks of Articial General Intelligence：Early experiments with GPT-4，Microsoft
根据谷歌、斯坦福与DeepMind联合研究，**680亿参数**（68B）是多数任务出现涌现的最低门槛，理想情况下应超过100B。不同任务所需规模差异显著：
值得注意的是，参数规模并非越大越好。以DeepMind的Chinchilla为例，其700亿参数模型在更大数据量训练下，性能超越2800亿参数的Gopher，证明“小而精”的路径更具效率。
各大主流模型参数对比显示，从GPT-3的1750亿到PaLM的5400亿，规模持续扩张。但如何在有限算力预算下合理分配参数、数据与训练时间，已成为行业核心议题。
当前，大语言模型虽已具备常识理解与初步推理能力，但仍存在明显局限。如在复杂规划、长期记忆与自主决策方面表现不足。更深层的问题在于：我们无法真正理解其内在机制，这使得“安全可控”成为悬在头顶的达摩克利斯之剑。
正如微软在GPT-4论文中所言：“我们不知道它是如何变得如此智能的。” 这种认知盲区，正是导致监管焦虑与企业内部冲突的根本原因。当某一天，一个由模型自我生成代码的GPT-5启动，而我们仍不清楚它的目标与边界时，人类将面临前所未有的抉择。
目前学界已有数十篇论文探讨涌现现象，包括《Emergent Abilities of Large Language Models》《Training Compute-Optimal Language Models》等。这些研究揭示了模型规模与性能之间的非线性关系，也为未来优化提供了方向。
然而，真正的挑战远不止于技术本身。它关乎谁来定义智能，谁来监督演化，以及如何建立一套可执行、不可规避的规则体系——或许，这正是阿西莫夫机器人三定律在今天最迫切的回响。
728
254
466
972
762
253
756
861
978
613
