“通用人工智能”几乎成为2020年代的“水变油”技术，几乎每半个月就会有人宣布发现/某大型模型的确认表现是人类已经觉醒，AI“复活”了。谷歌最近对此类新闻发出的声音最大。众所周知，前研究员BlakeLemoine表示大型语言模型LaMDA“活”了，这位老人如期进入了离职程序。其实几乎同时，还有一篇来自《大西洋月刊》的谷歌准软文说另一种新的大型语言模型PaLM也成为了“真正的通用人工智能”（Itisatrueartificialgeneralintelligence）。《大西洋月刊》强行宣布PaLM成为AGI，但是这篇文章几乎没有人看，所以只有一些讨论和批评。然而，世界级的杂志兜售世界级大厂的手稿，即使没人看，也像老电影台词说的那样，“像黑夜里的萤火虫，那么亮，那么出众……”2022年19日，《大西洋月刊》发表文章《人工意识好无聊》（ArtificialConsciousnessIsBoring）。而《谷歌的PaLM AI比真实意识要奇怪得多》这篇文章的页面标题比试图掩盖的文章标题更直白：《谷歌的PaLM AI比真实意识要奇怪得多》（Google'sPaLMAIIsFarStrangerThanConscious）。不出所料，文中是作者采访谷歌大脑PaLM项目组成员后的各种赞美：5400亿个参数，无需预训练即可完成数百种不同的任务。可以讲笑话并总结和概述文本。如果用户用孟加拉语输入问题，PaLM模型可以用孟加拉语和英语回复。如果用户要求将一段代码从C语言翻译成Python，PaLM模型也可以快速完成。不过这篇文章已经从浮夸的看似软文的采访稿，逐渐变成了一个吹牛翻车的稿子：宣告PaLM模型是“真正的人工智能”（Itisatrueartificialgeneralintelligence）.“PaLM的功能吓坏了开发人员，需要冷静和保持距离才能不被吓倒和接受——PaLM是理性的。》（已经上手的功能带领自己的开发者，这需要一定的距离和理智的冷静才能不被吓坏。PaLM可以推理。）这是谷歌第二次有一个大模型被强行宣布为本月AGI。这种说法的依据是什么？根据本文作者的说法，这是因为PaLM模型可以“跳出公式”来解决不同的智能任务，而无需进行预先特定的训练。而且，PaLM模型有“思维链提醒”功能，用大白话来说就是把解题过程拆解、讲解、演示到PaLM模型后，PaLM可以自己得出正确答案，JeffDean自己从来没有说过PaLM是差距AGI噱头与实证之间。。之所以这么说，是因为JeffDean先生带领团队推出PaLM模型时，推出了“思维链提示”功能。但GoogleBrain绝不敢自夸这款产品是一个已经复活的“终结者”。2021年10月，JeffDean亲自撰文介绍了一种全新的机器学习架构——Pathways。目的很简单，就是让一个AI能够跨越数万个任务，理解不同类型的数据，同时以极高的效率实现：2022年3月，半年多后，JeffDean终于发布了Pathways论文。论文地址：https://arxiv.org/abs/2203.12533其中，增加了很多技术细节，比如最基本的系统架构等等。2022年4月，面试谷歌Pathways系统构建的PaLM语言模型。这个拥有5400亿参数的Transformer语言模型，先后打破了很多自然语言处理任务的SOTA。除了使用强大的Pathways系统外，论文介绍，PaLM的训练使用了6144个TPUv4，使用了7800亿个token的高质量数据集，其中22%是非英语和多语言语料库。论文地址：https://arxiv.org/abs/2204.02311“Self-supervisedlearning”和“Thinkingchainreminder”之前在AI界并不是一个陌生的概念，PaLM模型只是更进一步实现概念。更糟糕的是，《大西洋月刊》这篇文章直接说“谷歌研究人员不知道为什么PaLM模型可以实现这个功能”……这是因为JeffDean先生太忙了，找了点事做。批评者：《大西洋月刊》声明不可靠加州圣达菲研究所成员MelanieMitchell教授果然在她的社交网站账户上连续发帖，含蓄但坚定地质疑这篇文章《大西洋月刊》。MelanieMitchell说：“这篇文章很有趣，但我认为作者可能没有采访过Google研究人员以外的AI专业人士。例如，有各种证据表明PaLM模型是“真正的AGI”。我自己并不有使用PaLM的权限，但是在谷歌4月份发布的论文中，只有小样本学习测试在几个benchmark上效果显着，但并不是PaLM的所有小样本学习测试结果都同样稳健。测试，有多少使用了“Shortcutlearning”这种简化难度的技术，论文中没有提到。按照《大西洋月刊》文章的措辞，PaLM至少可以以高可靠性、高通用性和一般精度完成各种任务。不过无论是这篇文章还是谷歌4月份的论文都没有详细描述PaLM模型在通用智能方面的能力和局限性，也没有提到测试这种能力的基准。而PaLM的“合理性”主张尤其需要验证。GPT系列中的类似说法，由于其访问权限的公开性，被业内人士对其进行了各种实验证伪。如果PaLM要获得这样的荣誉，它应该接受同样程度的对抗性验证。另外，根据谷歌四月份的论文Confessionally，PaLM的理性基准测试比业内几个类似的SOTA模型好一点点，赢的并不多。最重要的一点是，PaLM的论文没有经过同行评审，模型不对外开放任何访问。所有说法仅算吹口哨，不可考证，不可复制，不可评价。”
