ChatGPT的火，已經從AI圈燒到了全球。
自2022年11月推出后，這款強大的聊天機器人僅用60天月活過億，被《財富》認為是劃時代的產品，引微軟、谷歌等巨頭紛紛下場。更重要的是，以ChatGPT為代表的AIGC（Artificial Intelligence Generated Content，生成式AI），正在人工智能領域掀起AI商業化的新一輪浪潮，打開了諸多行業變革的想象天窗。如果要問誰是當下離 AI 技術革命最近的人，ChatGPT之父、OpenAI CEO 山姆·阿爾特曼（Sam Altman）一定位列其中。
2017 年，還在擔任硅谷知名創業孵化器 Y Combinator總裁的他，和伊隆·馬斯克、彼得?蒂爾、雷德?霍夫曼等人一起投資了 10 億美元，共同成為 Open AI 的創始人。又過了兩年，他將工作重心轉移到了 AI，擔任 OpenAI 的 CEO 直到今天。在去年秋天，山姆·阿爾特曼與 Open AI 創始人之一、領英聯合創始人雷德?霍夫曼（Reid Hoffman）展開了一場精彩對話。其中，山姆·阿爾特曼分享了他對于未來AI發展的預測：AI 大模型技術，將成為繼移動互聯網之后，未來最大的技術平臺；而以聊天機器人為界面，加上圖像、音樂、文本等多模態模型的發展，將誕生大型企業。
他是如何判斷AI未來商業化發展的？大型AI企業將誕生于哪些領域？AI將取代人類的工作，還是更好地幫助人類工作？
Q：很多AI大模型都通過API（application programming interface，應用接口）開放使用，它真正的商業機會是什么？A：現在，語言模型已經可以很好地應用到文案寫作和教育服務領域。我相信未來幾年內，語言模型會更加強大，將能與Google這一價值萬億美元的搜索產品一較高下。語言模型的應用將會改變我們的日常生活。
以前，人們太早嘲笑許多趨勢，比如聊天機器人，其實它很有價值，只是當時的技術還不能滿足需求。現在的聊天機器人更加成熟，幾乎可以達到人類水平。聊天機器人可以用于醫療服務行業，提供咨詢和教育服務，這方面將能催生出大型企業。我相信，不久之后會出現多模態模型，這將開辟新的事物。現在，人們可以直接用自然語言命令計算機為你完成你想做的工作。例如DALL-E圖像生成工具和Copilot編程工具，都是用戶向它們輸入自然語言描述，然后工具自動生成用戶想要的東西，用戶還可以不斷迭代修改自己的描述，直至工具給出滿意的輸出。類似的AI應用方式會成為大趨勢，可以孕育出許多大型企業。強大的AI模型可以成為孵化各種AI應用的平臺，就像智能手機的出現催生出眾多APP一樣，它們的共同點都是可以制造無數的商業機會。
Q：作為大型語言模型 API 的服務提供商，關鍵是什么？如何創建一個持久的差異化業務？A：將來應該會出現幾個大型的基礎模型，開發人員都將基于這些基礎模型研發AI應用。但目前的情況依然是某一家公司開發出一個大型語言模型，然后開放API供他人使用。我認為，將來在基礎模型和具體AI應用研發之間會有一個中間層：出現一批專門負責調整大型模型以適應具體AI應用需求的初創企業。能做好這一點的初創公司將會非常成功，但這取決于它們能在「數據飛輪」上走多遠。
數據飛輪：使用更多數據可以訓練出更好的模型，吸引更多用戶，從而產生更多用戶數據用于訓練，形成良性循環。我對初創企業訓練模型的能力持懷疑態度，將來承擔模型訓練角色的應該不會是初創公司，但這些企業可以在上述的中間層角色中發揮巨大價值。我認為中間那一層會創造很多價值。Q：一個大型語言模型初創企業，如何區別于另一個大型語言模型初創企業呢？從某種意義而言，創業公司會訓練自己的模型，只不過不是從頭開始。他們將采用基礎模型，這些模型已經經過大量的計算和數據訓練，然后在這些模型之上進行訓練，為每個垂類創建模型。
他們所做的 1% 的訓練，對于應用來說至關重要。我認為，這些創業公司將會非常成功，并且與眾不同。可能包括一段時間內存在的 prompt engineering（提示工程）或基礎核心模型（core base model）。注：提示工程是指將任務的描述、或者提問放在輸入中，讓 AI 模型輸出理想結果的調試過程；ChatGPT 走紅之后，提示工程師這一崗位也被人所關注。Q：五年內，大多數用戶與基礎模型交互的方式是什么？prompt engineering 將是許多組織的內部職能嗎？A：我不認為五年后我們還做 prompt engineering，這將被整合進所有地方。無論用文本還是語音，取決于上下文，只需要語言接口，讓計算機做你想做的任何事情。將來的AI系統不會因為增補了某個特定詞就會產生截然不同的輸出，而是可以較好地理解自然語言，用戶只需以文本和語音形式輸入指令，即可讓計算機完成圖像生成、資料研究、心理咨詢等復雜任務。總的來說，用戶只需使用自然語言就可以與計算機交互，當然，如果藝術家能想出更有創造性的描述，也自然就可以生成更好的圖像。Q：當有一個偉大的視覺思考者，他們可以從 DALL-E 中獲取更多，因為他們知道如何更深入思考，知道如何在測試中迭代循環。你認為這是大部分這類事的普遍真理嗎？A：百分百確定。重要的是思想的質量，和對你想要的東西的理解。所以藝術家仍然會在圖像生成方面做得最好，不是因為他們在圖像最后加上了這個神奇單詞，而是因為他們能用我沒有的創造性的眼光來表達。
Q：最令你驚訝的是什么？如果沒有意識到事情已經發展到這一步，你認為會有什么樣的驚喜呢？A：人們現在所犯的最大的系統性錯誤，就是他們會說，「好吧，我也許持懷疑態度，但是這種語言模型真的會起作用，當然，圖像和視頻也會起作用。但它不會為人類產生新知。它只會做其他人已經做過的事情。這還是讓智力的邊際成本非常低，不能治愈癌癥。它不會增加人類科學知識的總和。」 我認為這將被證明是錯誤的，讓目前該領域的專家最感到驚訝的地方。
Q：無論是建立在 API 之上，還是科學家使用 API，有哪些地方的科學會加速，以及如何加速？一種是將AI工具直接用于科學目的，如AlphaFold（用于蛋白質結構預測），它們可以創造巨大價值，相信未來會出現無數這樣的工具。另一種是將AI工具用于提升科研工作效率，如幫科學家和工程師找到新研究方向、寫代碼等。Copilot編程工具就是一個例子。但AI工具的能力遠不止于此。上述兩種AI應用將會大大推動科技前進。此外，目前科學界也在探索對AI的第三種應用方式——讓AI成為可以「自我改進」的科學家。這件事情既有好處也有風險。
好的一面是，可以利用AI將人類的工作內容自動化，教會AI做任何人類可以做的事情：探索新科學、提出理論解釋、驗證、思考等，或許還可借此解決困擾人類已久的「AI對齊問題（Alignment Problem）」（即如何讓AI系統的目標符合人類的價值觀）。風險在于，有人擔心懂得「自我改進」的AI有可能會像科幻小說描寫的那樣，擅自改動代碼或修改優化算法。我深信，真正有利于促進人類和經濟的前行的，是一個能夠推動科學進步的社會架構。我們能從這樣的社會架構中獲益很多。A：建立一個非常強大的系統，如果它不按我們的意愿行事，或者它的目標與我們的沖突，就會變得非常糟糕。因此，對齊問題是：我們如何建立做最符合人類利益事情的 AGI（Artificial General Intelligence 通用人工智能）？如何確保人類能夠決定人類的未來？我們如何避免意外和故意誤用，前者是沒有預料到的錯誤，后者是一個壞人使用 AGI 造成巨大傷害；內在而言的對齊問題是，如果這個東西變成一個生物，視我們為威脅怎么辦？我們對如何在小范圍內解決對齊問題有一些想法，已經能夠使 OpenAI 最大的模型（表現得）比想象的要好。我們對下一步做什么有些想法，但不能誠實地看著任何人的眼睛說，看到了 100 年后將如何解決這個問題。但是，一旦人工智能足夠好，我們可以問它，「嘿，你能幫助我們做對齊研究嗎？」這將是工具箱里的一個新工具。
Q：我們之前的一次談話是，能不能告訴 agent(注：AI 中的一個概念，通常指環境中的智能主體），「不要種族歧視」？A：當然。一旦模型變得足夠聰明，真正理解了種族主義是什么樣子，以及它有多復雜，你就可以說，「不要成為種族主義者。」
Q：「AGI」這個術語已經被廣泛使用。有時困惑來自于人們對 AGI 有不同定義。你如何定義 AGI，怎樣知道我們什么時候實現它？A：我理解的AGI相當于一個可以共事的普通人，任何遠程同事可以通過電腦幫你完成的工作，AGI也可以做，包括讓AGI學習醫療知識和寫代碼等等。AGI的重點不在于掌握某一種難得的技能，而是擁有學習的元能力，然后只要人類需要，它就可以往任何技能方向發展并精通。另一個概念是「超級智能」（Super Intelligence），它指的是比全人類加起來還要聰明的智能。
Q：如何看待像 GPT-3 這樣的基礎技術，對生命科學研究進度的具體影響？生命科學研究中速率限制的因素是什么？我們無法超越這個限制，因為自然法則就是這樣？A：我目前的可用模型還不夠好，不足以對生命科學領域產生重大影響——不少生命科學家了解這些模型之后都說，它們只能在部分情況下發揮些許作用。
13560189272 
地址：廣州市天河區黃埔大道西201號金澤大廈808室 
