“反AI斗士”马斯克进军AI，你怎么看？

当地时间7月12日，马斯克在Twitter上宣布：“xAI正式成立，去了解现实。”马斯克表示，推出xAI的原因是想要“了解宇宙的真实本质”。公司由马斯克本人亲自带队，会与“X公司”（推特）、特斯拉和其他公司有密切合作。谈谈你的看法。

 一、业界难题

我们知道，作为一个接受了大量文本训练的LLM，它对语言的理解，都是按照统计而非语法的方式来理解的，它最大的风险在于，LLM的输出是完全不可预测的，黑盒化的，业界对它能力的开发，犹如开盲盒，惊喜和惊吓都完全取决于它自身的涌现能力。

语言大模型，英文简称为LLM，它的推理能力表现为两大方面，一是代码参与预训练，从底层增强LLM推理能力，二是Prompt方法，在使用时激发LLM推理能力。知识推理，大概包含有基于规则学习、表示学习以及基于强化学习的神经符号结合推理。

LLM推理能力：

· 代码参与预训练：从底层增强LLM推理能力

· Prompt方法：在使用时激发LLM推理能力

从对文字的实践应用场景来看，该模型的表现形式之一就是AIGC，全称为AI Generated Content,即人工智能生产的内容。它被认为是继PGC、UGC之后的新型内容创作方式。

的确，从技术上来看，AIGC能够以优于人类平均的制造能力和知识水平，来承担起对信息挖掘、复制编辑、素材调用等等基础性的机械劳动，并能起到规模化实现以低边际成本、高效率产出的需求。

如果仅仅是这样，何乐而不为？!但它真正引起大家关注并忧患的地方在于两个方面：

一是文字生成引擎被别有用心的人利用；

二是打破人类文明的底层系统。

试想，一个可以逼真模仿各种文风的文字生成引擎，一旦被别有用心的人利用，其炮制出来的风险会产生怎么样的涟漪效应……二战德国的宣传部长戈培尔是怎样扇动控制德民，总统大选或许被AI左右，你家孩子的所学所思甚至三观，均由AI培养？ ……

以前，从纸质媒介到新媒体等网络媒介，这些都仅仅是工具，它们从未创造过属于自己的新文化理念，但AI不同，随着实践的推移，它还会大胆地走向人类从未涉足的领域——试想，宗教教义、文学经典、律法文本……这些本因由人（或“神”）来创造和编写的东西，在未来可能均出自非人类智能的完成……

不敢想象，当AI取代人类思考并开始接管文化并创造故事、旋律、法律、宗教、教育……那么，人类历史文明会发生怎样的变化？

 从目前来看， AIGC的市场在一路上扬，它被认为是元宇宙和 web3.0 的底层基础设施之一，但问题也非常显著——对于知识准确性的控制能力很弱，经常会生成一些与事实不符的内容。

这是由于大模型是在海量通用数据上训练的，其特点是一个模型适配多种任务，通过统一的自然语言交互解决复杂问题，交互界面很简单，背后的系统结构也是统一的，因此无法很好地解答（或是没有新内容的及时摄入）。

 就在4月，随着马斯克的SpaceX发射爆炸，一则名为“大型太空性爱火箭”的推特新闻，让全世界看到AI自动转译错误带来的喜剧，但毋庸置疑，这个错误是未来常态化的预示（大家在阅读时要擦亮眼睛，小心事实性错误带来的灾难，比如对药品药性的描写推荐等等）。

二、如何了解现实？

马斯克表示，推出xAI的原因是想要“了解现实”（目前来看，他所谓的合作是把推特作为用于训练LLM的海量数据的来源之一）。就”了解现实“来说，笔者认为，图是现实世界的高维建模的最佳技术，没有之一。

简而言之，Graph xAI是基于图增强智能本身的特点决定的。由于在图技术中，实体和关系得到了同等对待，因此可以用于更准确、更高维地表示和推理现实世界中的关系。

也就是说，如果既要表示事物之间丰富多样的关系，又要识别基于这些关系的模式，那么图数据库是最好的工具！而且，从图技术本身的可持续性发展来看，它已经颠覆了过去传统的基于SQL构建的图谱的缺陷，不仅能够快速对现实世界进行直观建模，同时可以高效处理海量、复杂、动态的数据，更具备解决深度的查询、穿透，具备速度、效率、白盒化（可解释性）的能力。

 那么，有没有对现有的 AI/ML及 LLM大模型架构能起到模型增效、加速，提高预测准确率，避免黑盒化，具备可解释性的技术呢？——Chat Ultipa XAI 图增强智能！对于技术内核，此处不展开论述，感兴趣的朋友可扩展阅读：可解释的人工智能（XAI）与图嵌入 - 技术篇 - Ultipa Graph。

当然，并非所有具备图谱展示能力的产品都可以对AI/ML及 LLM大模型架构起到模型增效、加速、白盒化可解释性的技术支撑，其内核原因在于来自底层的算力引擎的掣肘。

Ultipa Graph XAI是全球第一个具备真正增强智能且弹性可扩展的图计算与存储的底层深度算力引擎，其主要创新包括但不限于：

1、高可用可扩展HTAP 架构，具有较行业大幅领先（10x 以上）的超高性能计算和深度遍历性能。在此基础上通过分布式、多级存储加速实现水平扩展，已经在大型商业银行的千亿级数据量生产系统得到验证并服务2年以上（对于数据训练来说，金融环境中对产品性能的测试和系列考验更为严苛）。【感兴趣的朋友可扩展阅读：有效可扩展的图系统架构 - 技术篇 - Ultipa Graph】

2、高密度并发计算图算法，包含世界上最丰富的、运行最快的图算法集合 （建有全球范围内最丰富的图算法库，超过 100 种），可通过 EXTA 接口热插拔和扩展。【感兴趣的朋友可扩展阅读：高密度并行图计算（HDPC） - 技术篇 - Ultipa Graph】

3、 自研并创建了面向业务层的Ultipa GQL ，支持Demi-schema，以实现最大的灵活性，直观的数据建模以及高级和更深入的查询优化。【感兴趣的朋友可扩展阅读：图查询语言：简单&快捷 - 技术篇 - Ultipa Graph】

4、加速杀手级应用程序开发或高级数据分析，比Cypher和GSQL / Gremlin更容易掌握。【感兴趣的朋友可扩展阅读： Demi-Schema: The Secret of UQL - Technical - Ultipa Graph

从未来发展的角度来说，图技术=图增强智能+可解释 AI，大家已有目共睹——它是AI与大数据发展过程中融合的必然产物；但从实践来说，Ultipa Graph XAI显然已经是业界的先行者，并已经再该领域创造了很多的成绩！【文/Emma·Z】