作者｜雨林下

(資料圖)

最近，號稱史上最強AI對話系統的ChatGPT為廣大網友帶來了諸多歡樂，這是AI通用大模型在自然語言處理（NLP）領域的一次階段性發展的直觀體現。

12月14日，虎嗅智庫舉辦了502線上同行主題研討活動，來自商湯集團高級研究總監劉宇、北京智源人工智能研究院成果轉化部向其奇、電子科技大學計算機科學與工程學院教授顧實、中科聞歌產研中心副總經理王璋盛、新加坡國立大學校長青年教授兼潞晨科技創始人尤洋、邊無際聯合創始人秦小禹、華興資本董事奚星捷針對ChatGPT和AI大模型進行了行業前沿觀點分享。

以下為各位嘉賓的觀點摘要：

ChatGPT預示著新的商業機會涌現？

· 梳理GPT的發展，大致可分成三個階段：第一個階段是2018年以前，絕大多數的學術機構和團隊的重心在研究模型結構上；第二個階段是2018年到2021年，從GPT1開始不斷迭代增大參數量，訓練題量、概念定義出現了新的變化，很多小機構已經承受不了訓練這么大的模型了；第三個階段就是現在的ChatGPT，屬于模型的繼續優化演變。相比于前一代GPT3，純技術上沒有本質區別，更多是數據資源和交互、標注工程上的改進。它目前還缺少一些常識，需要大量標注樣本繼續喂養。

· ChatGPT是否會引領現有的搜索引擎產生顛覆？從商業視角來看，搜索引擎做的更多是信息搜索、集合、匹配，強項在于快速把結果檢索呈現給用戶。ChatGPT的核心能力是對整體文字信息的理解和創造，但受制于本身的信息時效性問題，很多時候對一些新聞無法在數據庫里體現，所以兩者還有挺大差異。而且大量搜索的背后也是一個商業化考量，需要支持高并發，且能實時反饋信息，但大模型在效率和成本上還沒取得平衡，達不到規模使用要求。

· 下一步的商業機會，它在更涉及語義理解的領域，比如文字翻譯，會比原來傳統的小模型更有優勢，相較過去逐字逐句的硬翻，它可以先對整段話形成理解再翻成對應語言。再比如，在內容生成方面，圖像，視頻的生成能力未來可能取代一部分相對中低端的密集型人力，在效率和成本上有更好的表現，海外已經有像 stability AI這樣很火的先例，這是今后對大模型的商業化期待。

·ChatGPT更重要的是為投資人帶來了對AI的信心。拿醫療領域應用來說，輔助端塑療法過去幾年并沒有看到特別革新的項目，都是在原有狀態下做迭代內卷，類似ChatGPT這些產品的出現讓人耳目一新。

AI未來是否可能突破人腦結構限制？

· ChatGPT雖然在 AI學習過程中加入了人類的反饋系統，但它還不具備情感和心理學的表達能力，這也是機器跟人的邊界。

但如果能從神經學上非常明確的揭示情感的生成機制及認知規律，其實賦予機器情感并沒有本質難度，不過，目前瓶頸卡在神經科學的研究上，人們還無法理解和揭示自己的情感情緒以及高級復雜認知功能的機理。

· 還有另一條路，就是我們能否去設計一些不一定是局限于人類表達情感的一一種范式，讓機器算法，借助這種籠統稱之為情感的機制，去輔助它的學習。就是說，我們把具體的情感抽象成一個模型層次，去塑造學習方式，這一塊的探索目前還是比較少。

· 關于突破人腦結構限制的可能性，如果只是從AI它能夠有自己的全新理解，比如對相同問題，人的理解跟它的理解不一樣，甚至它比人類更強，這在10年前的人臉識別，5年前的AlphaG就已經發生了。

人類的學習方式也是通過從出生對外界的各種知識，聽覺、觸覺、視覺去進行所謂的無監督學習，最終對世界形成認知建模，AI本質上也是這樣。畢竟人類的機理都沒有完全被生物學界理解，AI的能力每年也在不斷的提升，所以未來會怎么樣？是一個開放的問題。

AI大模型在具體場景下的多樣價值

· AI大模型相當于是通過積累大量知識，最后形成的一個有泛化知識的個體。它跟原來傳統意義上的小模型之間的差異，就相當于一個經過了大量通用題庫訓練的大學生，和一個只在特定專業受訓練的技校生的差異。

放眼整個AI大模型，不論是整體創建還是訓練的成本都非常高，也是為什么國內外都是以研究院機構在主導技術推進。

· 自然語言處理（NLP）和計算機視覺（CV）這兩塊大模型是細分領域發展得最快的，技術上是因為相比其他情感或者邏輯推理等功能，結構更簡單；應用上的原因主要是因為數據相對充分和廉價易得，大量的視頻和文字資源可以近乎零成本扒取，另外也有直接可以應用的落地前景，比如對話系統推進系統、CV安防、智能產品的圖像識別。

· 大模型的整體價值在于解決場景碎片化，在具體應用場景中，傳媒影視用的比較多，做動漫游戲背景需要大量的素材，除了少部分核心的原畫需要插畫師創作，很多篇幅都可以通過機器生成；在科研領域，它也有可能驅動產生全新的研究范式，像生命科學以前基本上是靠純手工的方法去做實驗，現在結合大模型，演變出了干濕結合的新實驗方法；智慧工業場景或者偏柔性的產線里也會產生各式任務和各種指標，像生產線傳送帶的溫度、速度、壓力以及生產數據本身，都可以通過大模型分析數據趨勢，修正產線缺漏。

· 在產業端，大模型更像一種基礎設施，達到一定規模后，它的重置成本就會非常高，如果最終只剩下少數幾家取得優勢地位的大模型供應商，并且在大多數行業上又有較好牽引力的話，那么就可能出現我們設想中的“AI超級大腦”。

· 眼下當務之急還是要找到更多行業結合點，讓大家首先知道有大模型這種工具來嘗試，現在陸陸續續有傳統行業和互聯網團隊在積極對接了解大模型，這是好的信號。

... ...

活動尾聲，嘉賓還與近百位線上參會觀眾進行了熱烈互動，并在“中國是否有可能誕生自己的OPEN AI公司？” “NLP大模型的通用能力是否會對特定場景的小模型公司造成沖擊？” “模型用到的訓練數據的所有權后期會不會有爭議？” “web3.0和大模型有結合點嗎？”等問題的討論中圓滿結束了本次502線上同行研討活動。

關鍵詞： chatgpt