ChatGPT 有哪些 “激動人心的時刻“？以及自己的一些思考

這篇具有很好參考價值的文章主要介紹了ChatGPT 有哪些 “激動人心的時刻“？以及自己的一些思考。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

?? CSDN 葉庭云：https://yetingyun.blog.csdn.net/

一、前言

近日，英偉達創(chuàng)始人兼 CEO 黃仁勛與 OpenAI 聯(lián)合創(chuàng)始人及首席科學(xué)家伊爾亞-蘇茨克維 (Ilya Sutskever) 展開了一次 “爐邊談話”。

黃仁勛認為，ChatGPT 是 “AI 界的 iPhone 時刻”，但這一時刻的到來并非一蹴而就，OpenAI 聯(lián)合創(chuàng)始人早在十年前便開始關(guān)注神經(jīng)網(wǎng)絡(luò)，在探索生成式 AI 的過程中也經(jīng)歷了神經(jīng)網(wǎng)絡(luò)如何兼具深度和規(guī)模的探索、讓機器不受監(jiān)督的學(xué)習(xí)能力的突破。到如今，ChatGPT 成為了一款全球關(guān)注的 “網(wǎng)紅工具”。站在當下回顧它的迭代和發(fā)展歷程，創(chuàng)意似乎是在創(chuàng)始人和團隊的一個個 “靈感” 之中蹦出，看似理所當然的創(chuàng)新背后究竟有哪些 “激動人心的時刻”？

ChatGPT 有哪些 “激動人心的時刻“？以及自己的一些思考

原文鏈接和視頻：騰訊科技編輯整理：李海丹、周小燕 | 關(guān)于 ChatGPT，黃仁勛和 OpenAI 聯(lián)合創(chuàng)始人進行了一場 “爐邊談話”

二、主要內(nèi)容

黃仁勛：最近 ChatGPT 的熱潮使人工智能又站在了世界的 “風(fēng)口浪尖”，OpenAI 公司也受到行業(yè)的重點關(guān)注，你也成為了整個行業(yè)最為引入注目的年輕工程師、最為頂尖的科學(xué)家。我的第一個問題是，你最初關(guān)注和聚焦人工智能領(lǐng)域的出發(fā)點是什么？有想過會取得目前如此巨大的成功嗎？

伊爾亞-蘇茨克維：非常感謝對我的盛情邀請。人工智能通過不斷的深度學(xué)習(xí)，給我們的世界帶來了巨大的變化。對于我個人來說，其實主要是兩方面：

首先，我關(guān)注在人工智能深度學(xué)習(xí)方面的初心，是我們?nèi)祟悓τ诟鞣N問題，都有一定的直覺性的理解。對于人類意識的定義，以及我們?nèi)祟惖闹橇κ侨绾瓮瓿蛇@樣的預(yù)判，這是我特別感興趣的地方。
第二，在 2002 年到 2003 年期間，當時的我認為 “學(xué)習(xí)” 這件事，是只有人類才能完成的任務(wù)，計算機是無法做到的。所以我當時冒出一個想法：如果能夠讓計算機去不斷學(xué)習(xí)，或許會帶來人工智能行業(yè)的改變。
并且很幸運的是，當時我正在上大學(xué)，我研究的專業(yè)剛好是研究神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方向。神經(jīng)網(wǎng)絡(luò)是在 AI 方面的一個非常重要的進步，我們關(guān)注如何通過神經(jīng)網(wǎng)絡(luò)去研究深度學(xué)習(xí)，以及神經(jīng)網(wǎng)絡(luò)如何像人類的大腦那樣工作，這樣的邏輯如何反映在計算機的工作方式上。當時的我其實并不清楚研究這個領(lǐng)域會帶來怎樣的職業(yè)工作路徑，只是覺得這會是一個長期而言比較有前景的行業(yè)。

黃仁勛：在您最開始接觸神經(jīng)網(wǎng)絡(luò)研究方向時，那個時候的神經(jīng)網(wǎng)絡(luò)的規(guī)模是多大？

伊爾亞-蘇茨克維：其實那個時候神經(jīng)網(wǎng)絡(luò)還沒有討論到規(guī)模的概念，只有幾百個神經(jīng)單元，甚至當時的我都沒想過，居然能發(fā)展到現(xiàn)在如此之多的神經(jīng)單元、以及如此多的 CPU 的單位。當時我們啟動了一個數(shù)學(xué)實驗室，基于經(jīng)費預(yù)算有限，我們先開始只做了各種各樣不同的實驗，并收集了各種不同的問題去測試準確度。我們都從一點一滴很小的積累，去訓(xùn)練神經(jīng)網(wǎng)絡(luò)。這也是最開始實現(xiàn)的第一個生成式 AI 模式的雛形。

黃仁勛：早在 2012 年之前，你就在神經(jīng)網(wǎng)絡(luò)領(lǐng)域有所建樹，你是在什么時間點開始覺得計算機視覺以及神經(jīng)網(wǎng)絡(luò)和人工智能是未來很有前景的方向的？

伊爾亞-蘇茨克維：在 2012 年之前大概兩年左右，我逐漸意識到深度學(xué)習(xí)會獲得很多關(guān)注，這不僅僅是我的直覺，其背后有一套非常扎實的理論基礎(chǔ)。如果計算機的神經(jīng)網(wǎng)絡(luò)足夠深、規(guī)模足夠大，它就能夠解決一些深層次的硬核內(nèi)容問題，關(guān)鍵是需要神經(jīng)網(wǎng)絡(luò)兼?zhèn)渖疃群鸵?guī)模，這意味著我們必須有足夠大的數(shù)據(jù)庫和算力。我們在優(yōu)化數(shù)據(jù)模型上付出很多努力，我們的一個同事基于 “秒” 做出了神經(jīng)網(wǎng)絡(luò)的饋，用戶可以不斷訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這能讓神經(jīng)網(wǎng)絡(luò)的規(guī)模更大、獲得更多數(shù)據(jù)。有的人覺得這樣的數(shù)據(jù)集大到不可想象，如果當時的算力能夠處理這么大的數(shù)據(jù)，那么一定能觸發(fā)一場革命。

黃仁勛：我們第一次相遇的時候，也是我們對未來的展望真正有所交集的時候。你當時告訴我說，GPU 會影響接下來幾代人的生活，你的直覺認為 GPU 可能會對深度學(xué)習(xí)的訓(xùn)練有所幫助。能不能告訴我，你是在什么時候意識到這一點的？

伊爾亞-蘇茨克維：我們在多倫多實驗室中第一次嘗試使用 GPU 訓(xùn)練深度學(xué)習(xí)的時候，并不清楚到底如何使用 GPU、如何讓 GPU 獲得真正的關(guān)注。隨著我們獲得越來越多的數(shù)據(jù)集，我們也越來越清楚傳統(tǒng)的模型會帶來的優(yōu)勢。我們希望能夠加速數(shù)據(jù)處理的過程，訓(xùn)練過去科學(xué)家從來沒有訓(xùn)練過的內(nèi)容。

黃仁勛：我們看到 ChatGPT 和 OpenAI 目前已經(jīng)打破了過去計算機編輯圖像的模式。

伊爾亞-蘇茨克維：我覺得不只是打破了計算機圖像的編輯，而是用另外一種說法去形容，是 “超越式” 的。大部分人都是用傳統(tǒng)的思維模式去處理數(shù)據(jù)集，但我們的處理方式更先進。當時我們也認為這是一件艱難的事情，如果我們能做好，就是幫助人們跨越了一大步。

黃仁勛：放在當下來看，當時你去硅谷到 Open AI 上班、擔任 Open AI 的首席科學(xué)家，你認為最重要的工作時什么？我覺得 Open AI 在不同的時間點有不同的工作關(guān)注焦點，ChatGPT 是 “AI 界的 iPhone 時刻”，你是如何達到這樣的轉(zhuǎn)變時刻的？

伊爾亞-蘇茨克維：最開始我們也不太清楚如何開展整個項目，而且，我們現(xiàn)在所得出的結(jié)論，和當時使用的邏輯完全不同。用戶現(xiàn)在已經(jīng)有這么好用的 ChatGPT 工具，來幫助大家創(chuàng)造出非常好的藝術(shù)效果和文本效果。但在 2015 年、2016 年的時候，我們還不敢想象能達到當下的程度。當時我們大部分同事來自谷歌的 DeepMind，他們有從業(yè)經(jīng)驗，但相對而言思想比較狹窄、受到束縛，當時我們內(nèi)部做了 100 多次不同的實驗和對比。

那時我想出一個特別令自己激動的想法，就是讓機器具備一種不受監(jiān)督的學(xué)習(xí)能力，雖然今天我們認為這是理所當然的，你可以用自然語言模型訓(xùn)練所有內(nèi)容。但在 2016 年，不受監(jiān)督的學(xué)習(xí)能力仍舊是沒有被解決的問題，也沒有任何科學(xué)家有過相關(guān)的經(jīng)驗和洞見。我覺得 “數(shù)據(jù)壓縮” 是技術(shù)上的瓶頸，這個詞并不常見，但實際上 ChatGPT 確實壓縮了我們的訓(xùn)練數(shù)據(jù)集。但最后我們還是找到了數(shù)學(xué)模型，通過不斷訓(xùn)練讓我們壓縮數(shù)據(jù)，這其實是對數(shù)據(jù)集的挑戰(zhàn)。這是令我感動特別激動的一個想法，這個想法在 GPT 上獲得了成果。
其實這樣一些成果，可能并不會在機器學(xué)習(xí)之外深受歡迎，但是我想說的是，我工作取得的成果是訓(xùn)練了神經(jīng)網(wǎng)絡(luò)。我們希望能夠去訓(xùn)練神經(jīng)網(wǎng)絡(luò)預(yù)測下一個單詞。我認為下一個神經(jīng)元的單位會和我們的整個視覺神經(jīng)網(wǎng)絡(luò)密切相關(guān)的，這個很有趣，這個和我們驗證的方法是一致的。它再次重新證明了，下一個字符的預(yù)測、下一個數(shù)據(jù)的預(yù)測能夠幫助我們?nèi)グl(fā)掘現(xiàn)有數(shù)據(jù)的邏輯，這個就是 ChatGPT 訓(xùn)練的邏輯。

黃仁勛：擴大數(shù)據(jù)規(guī)模是幫助我們提高 AI 能力的表現(xiàn)，更多的數(shù)據(jù)、更大的數(shù)據(jù)集能夠幫助生成式 AI 獲得更好的結(jié)果。您覺得 GPT-1、GPT-2、GPT-3 的演變過程，是否符合摩爾定律？

伊爾亞-蘇茨克維：OpenAI 的目標之一是解決擴大數(shù)據(jù)集的問題，但我們剛開始面臨的問題，如何提升數(shù)據(jù)的高精準度，讓模型能夠?qū)崿F(xiàn)精準預(yù)測非常重要。我們當時在做 Open AI 項目的時候，希望它能實時做一些策略性游戲，比如競爭性的體育游戲，它必須足夠快、足夠聰明，還要和其它隊競賽。作為一個 AI 模型，它其實不斷重復(fù)這樣一個基于人類反饋的強化學(xué)習(xí)過程。

黃仁勛：你是如何精準調(diào)控給予人類反饋的強化學(xué)習(xí)的？是不是有其它附屬系統(tǒng)，給 ChatGPT 一定的知識背景來支持 ChatGPT 的表現(xiàn)？

伊爾亞-蘇茨克維：我可以給大家解釋一下，我們的工作原理是不斷訓(xùn)練神經(jīng)網(wǎng)絡(luò)架構(gòu)，讓神經(jīng)網(wǎng)絡(luò)去預(yù)測下一個單詞?；谶^去我們收集的文本，ChatGPT 不僅僅是表面上的自監(jiān)督學(xué)習(xí)，我們希望它能夠在當下預(yù)測的單詞和過去的單詞之間達成一定的邏輯上的一致。過去的文本，其實是用于投射到接下來的單詞的預(yù)測上。從神經(jīng)網(wǎng)絡(luò)來看，它更像是根據(jù)世界的不同方面，根據(jù)人們的希望、夢想和動機得出一個結(jié)論。但我們的模型還沒有達到預(yù)期的效果，比如我們從網(wǎng)上隨便摘幾個句子做前言，在此基礎(chǔ)上，不需要做額外的訓(xùn)練就能讓 ChatGPT 寫出一篇符合邏輯的論文。我們不是簡單地根據(jù)人類經(jīng)驗完成 AI 學(xué)習(xí)，而是要根據(jù)人類反饋進行強化學(xué)習(xí)。人類的反饋很重要，越多的反饋能使 AI 更可靠。

黃仁勛：你可以給 AI 指示，讓 AI 做某些事情，但是你能不能讓 AI 不做某些事情？比如說告訴 AI 界限在哪里？

伊爾亞-蘇茨克維：可以的。我覺得第二個階段的訓(xùn)練序列，就是和 AI、神經(jīng)網(wǎng)絡(luò)去進行交流，我們對 AI 訓(xùn)練得越多，AI 的精準度越高，就會越來越符合我們的意圖。我們不斷地提高 AI 的忠誠度和準確度，它就會變得越來越可靠，越來越精準，而且越來越符合人類社會的邏輯。

黃仁勛：ChatGPT 在幾個月之前就面世了，并且也是人類歷史上增長最為迅速的軟件和應(yīng)用。很多人都會給出各種不同的解釋，有人會說它是目前為止使用方式最簡單的應(yīng)用。比如說它的交互模式非常簡單，它超越了所有人的預(yù)期。人們也不需要去學(xué)習(xí)如何使用 ChatGPT，只要給 ChatGPT 下命令，提出各種不同的提示就可以。如果你的提示不夠清楚的話，ChatGPT 也會進一步把你的提示做得比較清晰，然后回顧并且問你是不是想要這個？這樣一個深度學(xué)習(xí)的過程讓我特別驚艷。我們在幾天之前看到了 GPT-4 的表現(xiàn)，它在很多領(lǐng)域的表現(xiàn)非常讓人震驚，它能夠通過 SAT 考試、律師協(xié)會的律師執(zhí)業(yè)資格考試，而且能夠達到很高的人類水平。我想問的就是，GPT-4 有什么樣的改善？并且你認為接下來它會幫助人們在哪些方面、領(lǐng)域有更多的改善？

伊爾亞-蘇茨克維：GPT-4 基于過去 ChatGPT 的性能，做了很多改善。我們對 GPT-4 的訓(xùn)練大概是從 6-8 個月之前開始的，GPT -4 和之前版本 GPT 最重要的區(qū)別，就是 GPT-4 是基于更精確的精準度去預(yù)測下一個單詞的，因為有更好的神經(jīng)網(wǎng)絡(luò)幫助預(yù)測。比如說你自己在讀一篇推理小說，小說中有各種不同的人物和情節(jié)，有密室、有謎團，你在讀推理小說的過程中完全不清楚接下來會發(fā)生什么。通過小說不同的人物和情節(jié)，你預(yù)測兇手有幾種可能性，GPT-4 所做的內(nèi)容就像一本推理小說一樣。

黃仁勛：很多人都會說深度學(xué)習(xí)會帶來推理，但是深度學(xué)習(xí)并不會帶來學(xué)習(xí)。語言模型是如何學(xué)習(xí)到推理和邏輯的？有一些任務(wù)，ChatGPT 和 GPT-3 不夠擅長，而 GPT-4 更擅長。GPT-4 現(xiàn)在還有什么樣缺陷，可以在接下來的版本上更進一鞏固嗎？

伊爾亞-蘇茨克維：現(xiàn)在的 ChatGPT 可以更精準地的定義邏輯和推理，通過更好的邏輯和推理在接下來的解密的過程中獲得更好的答案。神經(jīng)網(wǎng)絡(luò)或許會面臨一些挑戰(zhàn)，比如讓神經(jīng)網(wǎng)絡(luò)去打破固有的思維模式，這就意味著我們要思考神經(jīng)網(wǎng)絡(luò)到底可以走多遠，簡而言之，神經(jīng)網(wǎng)絡(luò)的潛力有多大。我們認為 GPT 的推理確實還沒有達到我們之前預(yù)期的水平，如果我們更進一步擴大數(shù)據(jù)庫，保持過去的商業(yè)運轉(zhuǎn)模型，它的推理的能力會進一步提高，我對這個比較有信心。

黃仁勛：還有一點特別有意思，就是你去問 ChatGPT 一個問題，它會基于過去的知識和經(jīng)驗告訴你這個問題的答案，這個也是基于它對過去知識和數(shù)據(jù)庫的總結(jié)，以及基于對你的了解提供的答案，并且展現(xiàn)一定的邏輯性。我覺得 ChatGPT 有一種自然而然的屬性，它能夠不斷去理解。

伊爾亞-蘇茨克維：是的，神經(jīng)網(wǎng)絡(luò)確實有這些能力，但是有時候不太靠譜，這也是神經(jīng)網(wǎng)絡(luò)接下來面臨的最大障礙。在很多情況下，神經(jīng)網(wǎng)絡(luò)會比較夸張、會出很多的錯誤，甚至出一些人類根本做不出來的錯誤?，F(xiàn)在我們需要更多的研究來解決這些 “不可靠性“。現(xiàn)在 GPT-4 的模型已經(jīng)被公開發(fā)布了，它其實沒有追蹤數(shù)據(jù)模型的能力，它的能力是基于文本去預(yù)測下一個單詞，所以是有局限性的。我覺得有些人可能會讓 GPT-4 去找出某些數(shù)據(jù)的來源，然后會對數(shù)據(jù)來源做更深入地調(diào)查?？傮w而言，盡管 GPT-4 并不支持內(nèi)部的數(shù)據(jù)收集，它肯定會在持續(xù)的數(shù)據(jù)深入挖掘之中變得更加精準。GPT-4 已經(jīng)能夠從圖片中進行學(xué)習(xí)，并且根據(jù)圖片和內(nèi)容的輸入進行反饋。

黃仁勛：多模態(tài)學(xué)習(xí)如何加深 GPT-4 對于世界的理解？為什么多模態(tài)學(xué)習(xí)定義了 GPT 和 OpenAI？

伊爾亞-蘇茨克維：多模態(tài)非常有意思。

第一，多模態(tài)在視覺和圖像識別上特別有用。因為整個世界是由圖片形成的，人們也是視覺動物，動物也是視覺動物，人腦 $1/3$ 的灰質(zhì)都是用來處理圖像的，GPT-4 現(xiàn)在也能夠去理解這些圖像。
第二，通過圖片或文字對世界的理解是一樣的，這也是我們的一個論證。對于一個人而言，我們作為一個人可能一生之中只會說 10 億個詞。

黃仁勛：我腦海中閃過 10 億個詞的畫面，居然有這么多詞？

伊爾亞-蘇茨克維：是的，我們可以計算一下人一生的時間有多久，以及一秒能處理多少詞，如果再減去這個人生命中睡覺的時間，就能算出一生處理了多少單詞。人和神經(jīng)網(wǎng)絡(luò)不同之處，就是有些過去對于文本而言的話，如果我們有一個十億級的詞匯無法理解的話，可以用萬億級的詞匯來理解。我們對于世界的知識和信息，可以通過文本慢慢滲透給 AI 的神經(jīng)網(wǎng)絡(luò)。如你加上視覺圖片等更多的元素，神經(jīng)網(wǎng)絡(luò)可以更精準地學(xué)習(xí)。

黃仁勛：對于文本和圖片方面的深度學(xué)習(xí)，如果我們想要人工智能智能去理解其背后的邏輯，甚至夸張的說，是理解這個世界的基本原理——比如我們?nèi)祟惾粘Ｒ痪湓挼谋磉_方式，比如說有一個詞其實有兩種含義，聲音的高低變化，其實都代表著兩種不同的語氣。在說話的語言和語調(diào)方面，會不會對 AI 去理解文本有一定幫助呢？

伊爾亞-蘇茨克維：是的，你說的這類場景非常重要。對于語音和語調(diào)，包括聲音的大小和語氣，都非常重要的信息來源。

黃仁勛：GPT-4 在哪些內(nèi)容上比 GPT-3 做出了更多的進步，可以舉個例子嗎？

伊爾亞-蘇茨克維：比如說在一些數(shù)學(xué)競賽上（像高中數(shù)學(xué)競賽），很多問題是需要圖表來解答的。GPT-3.5 對于圖表的解讀做得特別差，而 GPT-4 只需要文本就可以解讀，準確率有很大的提升。

黃仁勛：你之前提到，AI 能夠生成各種不同的文本來去訓(xùn)練另外一個 AI。比如說，在所有的語言之中一共有 20 萬億不同的語言計數(shù)單位去訓(xùn)練語言模型，那么這個語言模型的訓(xùn)練到底是什么樣的？AI 是否可生成出只屬于 AI 的數(shù)據(jù)來去自我學(xué)習(xí)？這樣的形式看起來是一個閉環(huán)的模型，就像我們?nèi)祟愅ㄟ^自己不斷地去學(xué)習(xí)外部的世界、通過自我反思、通過解決問題來去訓(xùn)練我們自己的大腦。你怎么看這樣一個合成生成過程，以及 AI 的自我學(xué)習(xí)和自我培訓(xùn)呢？

伊爾亞-蘇茨克維：我不會低估這個部分已經(jīng)存在的數(shù)據(jù)，甚至我認為這里面存在的數(shù)據(jù)要比我們意識到的數(shù)據(jù)更多。

黃仁勛：是的，這也是我們在不斷展望的未來中去思考的事情，相信總有一天，AI 能夠自己去生成內(nèi)容、進行自我學(xué)習(xí)，并且可以自我改善。你是否可以總結(jié)一下我們現(xiàn)在處于什么樣的發(fā)展階段？以及在不遠的將來，我們的生成式 AI 能夠達到什么樣的情況？對于大語言模型，它的未來是什么？

伊爾亞-蘇茨克維：對我來說，預(yù)測未來是很困難的。我們能做的就是把這件事，持續(xù)做下去，我們將會讓大家看到更多令人感到驚艷版本的系統(tǒng)。我們希望能夠去提高數(shù)據(jù)的可靠度，讓系統(tǒng)真正能夠獲得人們的信任。如果讓生成式的 AI 去總結(jié)某一些文本，然后得出一個結(jié)論。目前 AI 在解讀這個文本過程中，還沒有完全去驗證文本的真實性以及文本所說的信息的來源，這一點是很重要的。接下來我們對于未來的展望，就是讓神經(jīng)網(wǎng)絡(luò)必須要意識到所有數(shù)據(jù)來源的真實性，讓神經(jīng)網(wǎng)絡(luò)意識到用戶每一步的需求。

黃仁勛：這種技術(shù)希望能夠展現(xiàn)給人們更多的可靠性。我還有最后一個問題，你覺得第一次使用ChatGPT-4的時候，有哪些性能讓你覺得是很令人驚艷和震驚的？

伊爾亞-蘇茨克維：對比之前的 ChatGPT 版本，神經(jīng)網(wǎng)絡(luò)只會回答問題，有的時候也會誤解問題，回答上很不理想。但是 GPT-4 基本沒有再誤解問題，會以更快的方式去解決難題，能夠去處理復(fù)雜的艱難的任務(wù)，這個對我來說特別有意義。舉例子來看，很多人意識到 ChatGPT 能夠?qū)懺?，比如說它可以寫押頭韻的詩，也能夠?qū)懷何岔嵉脑?。并且它能夠去解釋笑話，能明白這個笑話背后到底是什么樣的意義。其實簡而言之，就是它的可靠性更好了。我在這個行業(yè)從業(yè)差不多二十多年了，讓我認為 “驚艷” 的特點，就是它本身存在的意義，是可以給人類帶來幫助的。它從最開始毫不起眼的工作領(lǐng)域慢慢成長，變得越來越強。同樣的一個神經(jīng)網(wǎng)絡(luò)，通過兩種不同的方式來訓(xùn)練，能夠變得越來越強大。我也經(jīng)常會發(fā)出疑問和感嘆：這些神經(jīng)網(wǎng)絡(luò)是如何去成長如此之迅速的？我們是不是需要更多的訓(xùn)練？它是不是會像人腦一樣不斷成長？這讓我感覺到它的偉大，或者說讓人感到特別驚訝的方面。

黃仁勛：回想過去我們也認識很長的時間了，你將整個職業(yè)生涯都奉獻給了這個事業(yè)，祝賀你在 GPT 和 AI 方面有所建樹。今天跟你交流讓我更清楚地了解了 ChatGPT 工作的邏輯，這是對于 ChatGPT 和 OpenAI 最為深入、最為藝術(shù)的一種解釋。今天很高興能夠再次跟你交流，謝謝！

三、一些思考

ChatGPT 這波浪潮下，微軟和英偉達其實成為了最大的贏家。

最近的熱點詞：ChatGPT、GPT-4、類 ChatGPT 產(chǎn)品

很多人沒有意識到 GPT 其實是一場意識形態(tài)的戰(zhàn)爭。就像 Tiktok 對米果宣傳機器的降維打擊一樣。參加聽證會的 Tiktok CEO 周受資火了，但他這幅東方面孔和他所服務(wù)的來自東方的這款社交 APP，讓某國會的議員們愈發(fā)五味雜陳，似乎注定了 Tiktok 命運的多舛。

在過去的幾年里，這個世界涌現(xiàn)了不少新的技術(shù)，像區(qū)塊鏈、元宇宙、強化學(xué)習(xí)等，但似乎都沒有這次的 ChatGPT 如此普世近人：學(xué)生、老板、科學(xué)家、老百姓，誰都可以玩，誰都玩的嗨。很多年以前，那時候我們還是落后國家，總感覺技不如人，西方的東西就是好。如今在前人工智能時代，在 Al 算法領(lǐng)域，我們起碼走在很多國家前列，數(shù)學(xué)家成了香餑餑。與此同時，算法只能解決算法的問題，GPT 依賴的或者吃的是網(wǎng)絡(luò)世界的各種信息知識，由此引發(fā)了一個大大的問題就是：英文語料自帶科學(xué) & 邏輯屬性，而來自中文世界的語料大部分都是二手貨甚至是垃圾 (懂得都懂 emmm)。

人工智能時代，算法和算力固然重要，有效、優(yōu)質(zhì)的信息數(shù)據(jù)的獲取和整合才是未來十年的新基建，比如中文知識圖譜的構(gòu)建。而這需要的是一步一個腳印，互相協(xié)作。這方面，我們差的還很多 … 當下及未來的一段時間里，大數(shù)據(jù)是一種新型戰(zhàn)略資源。GPT-4 的強大很多人還沒有來得及領(lǐng)略，GPT-5、GPT-6 已然在路上。國產(chǎn)的文心一言還在追趕中 … 百度大佬說：搞這個是因為企業(yè)有需 (錢) 求 (掙) …

2023 年 3 月 25 日，在中國發(fā)展高層論壇 2023 年年會上，黃奇帆表示，當下特別要重視的是第四次工業(yè)革命的核心技術(shù)轉(zhuǎn)化出來的最終產(chǎn)品。言外之意：他對當下歷史方位的判斷是第四次工業(yè)革命。

最后，一點個人看法：真正的生產(chǎn)力不是 “類 GPT 產(chǎn)品” 幫老板們掙了多少錢，省了多少人力物力，而是能自主孕育出真正推動人類文明進步的土壤。

??? 參考鏈接：文章來源地址http://www.zghlxwxcb.cn/news/detail-426289.html