千萬不要小瞧理工科畢業(yè)生

搞技術的大佬們一旦開始認真搞錢

整條華爾街都找不到幾個對手

不過搞技術的

特別是搞開源技術的人去搞錢

也是個極具爭議的事

這方面的一個典型

就是 OpenAI 這家公司

這家公司搞的聊天機器人 ChatGPT 坊間傳得是神乎其神

技術也的確撐得起來

鮮少看到負面評價

可它的創(chuàng)造者 OpenAI 這家公司

在爭議里陷了四年

有人說它已經(jīng)淪為了微軟的掌中玩物

也有人痛陳它已經(jīng)墮落成了 CloseAI

OpenAI 到底做出來了什么成績？

它為什么又要遭到質(zhì)疑但汞？

這種質(zhì)疑到底有沒有道理？

大朋友們請坐

好看的小老弟小老妹也請坐

我是林亦

今天咱們嘮嘮鮮衣怒馬的 ChatGPT

和它背后負重前行的 OpenAI

2015 年 12 月

OpenAI 成立了

這家公司成立之初捌袜，就兩個字

“理想”

目標很“理想”

形式也很“理想”

OpenAI 的目標非常遠大

他們要做 AGI

AGI 只比 AI 多了一個字母

但 AI 和 AGI

它倆是“科技”和“科幻”的區(qū)別

AGI 是 Artificial General Intelligence

直譯是通用人工智能

但更準確的譯法應該是強人工智能

專指 AI 領域的巔峰技術

今天我們?nèi)粘Ｒ呀?jīng)能接觸到的 AI 應用

都是在解決被限定得很窄的任務

比如專門識別人臉

專門定位文字

而且即便是在這些已經(jīng)被層層限定了的任務上

AI 還是達不到普通人的水平

強人工智能就不一樣了

首先它一個模型就能做所有人類能做的事

而且在每件事上不僅是達到人的平均水平

還要超越

聽到這兒有的朋友可能覺得

這哪是“理想”鞍煜荨貌夕？

這是“幻想”

特別是還有兩次 AI 寒冬的前車之鑒

不過這次，可能真的不一樣

OpenAI 的聯(lián)合創(chuàng)始人之一 Greg Brockman

在 Lex Fridman 的訪談節(jié)目里談到過這個問題

他認為這輪始于 2012 年的 AI 浪潮表現(xiàn)出了三個重要特性

第一個是通用性

現(xiàn)在的各種 AI 模型在原理層面上都差不多

但是能解決各種門類的問題

人臉識別民镜、語音助手啡专、下圍棋、打游戲

都是神經(jīng)網(wǎng)絡模型加反向傳播求解這套模式

這兒我再插一句

到 22 年 Greg 說的這種通用性更顯著了

比如說我們看到了能通過文字描述生成圖片的 AI 應用

同一套模型

既能處理文字制圈，也能處理圖像

接著 Greg 說的第二個特性

就是這套通用方法能力強大

比如說計算機視覺研究了四十年

這輪深度學習浪潮一來

把所有傳統(tǒng)方法都干爛了

最后一個特性就是可擴展性

模型越大性能就越強

這兒也值得補充一句

訪談之后

直到現(xiàn)在這個趨勢也還在延續(xù)

更大的模型们童、性能還是會更高

這條路還是沒到頭

往后算力價格繼續(xù)降低

我們還會繼續(xù)見證更強大的 AI 應用

Greg 認為這輪 AI 浪潮表現(xiàn)出的這三個特性

正在讓強人工智能從一個“科幻”概念落入實際的“科技”領域

那強人工智能到底意味著什么呢？

這樣一個智能體

形象點說就是物理學上和愛因斯坦談笑風生

搞音樂不輸貝多芬鲸鹦、肖邦

寫起古詩詞也能和李白慧库、蘇軾推敲一番

這樣一個樣樣精通

又能融會貫通的智能體的能力是極其驚人的

試想一下

如果李白對宇宙的認知達到了愛因斯坦的程度

他寫出來的詩會是什么樣子的？

反過來

愛因斯坦如果帶著李白和肖邦的詩意與才情去思考宇宙

又會做出什么樣的學術成果馋嗜？

這樣一個極致的智能體

解決今天困擾人類的問題

就跟砍瓜切菜一樣

比如治療癌癥、核聚變發(fā)電、制造星際飛船

還有教青春期的小老弟小老妹怎么談戀愛

當然如果這樣一個智能體厭倦了解決人類的問題

想試試直接解決人類

估計也跟砍瓜切菜一樣

所以在成立宣言里

OpenAI 設定了一個很“理想”的目標

他們不僅要追求實現(xiàn)這樣一個強人工智能

還要確保它是安全的仲翎、對全人類有益的

為了實現(xiàn)這個目標

最初 OpenAI 采取了一個很“理想化”的組織形式

就是非營利公司

不談錢逞泄，只談理想

其實賺錢本身沒什么不對的

錢的事玩明白了

研究團隊可以有更好的條件和更充沛的動力

但與此同時

為了賺錢一定會出現(xiàn)商業(yè)競爭

而在強人工智能的研究上

競爭除了提供動力，還會帶來隱患

當商業(yè)公司紛紛加緊投入熟呛、簡化流程宽档、以速度為最優(yōu)先的時候

不能直接幫公司掙錢的安全問題就可能被忽視

而強人工智能出問題

不想著幫助人類而是算計人類

或者是被居心叵測的個人或組織利用

絕對是人類承受不起的

所以 OpenAI 選擇成為一家非營利公司

這樣公司的決策不用從持股人利益出發(fā)

不用總是以賺錢為目標

該慢的時候可以慢下來

所有研究成果也都可以對外分享

這種非營利模式有效回避了競爭的問題

很理想

但也是個大坑，一會兒就會講到

在公司章程里

OpenAI 還給出了一個放棄競爭條款

當有人比 OpenAI 更接近實現(xiàn)強人工智能的時候

OpenAI 會從競爭轉向合作

用自己的資源和經(jīng)驗幫助對方實現(xiàn)目標

這是什么人間大愛扳殖吗冤？

就這樣

為了避免在強人工智能的研發(fā)競爭中沒人去考慮安全性的問題

OpenAI 決定去做這個最后的守門員

還是能進球得分的那種

實際上進球可能還更重要一些

如果別人真的領先了

愿不愿意聽你嘮叨那些安全性的問題還真不好說

所以 OpenAI 在保持非營利形式的同時

還得具備競爭力

這就太理想化了

不過成立之初的 OpenAI 也可以說有這個底氣

OpenAI 的成立公告里

除了列出一眾頂級研究人員以外

還有一份堪稱全明星陣容的投資人名單

包括做汽車造火箭的 Elon Musk

LinkedIn 聯(lián)合創(chuàng)始人 Reid Hoffman

PayPal 聯(lián)合創(chuàng)始人 Peter Thiel

還有 Y Combinator 當時的總裁 Sam Altman

最后這家公司有的朋友可能不知道

但它在硅谷科技投資圈可是名聲煊赫

在 OpenAI 成立的 2015 年

Y Combinator 帶出來的公司總市值已經(jīng)超過了 650 億美元

比較有名的包括 Airbnb、Dropbox

還有程序員朋友們比較熟的 Docker

而這家公司彼時的總裁

早年從斯坦福計算機科學專業(yè)輟學

在 Y Combinator 練就了一身運營融資本領的 Sam Altman

在 2019 年正式成為了 OpenAI 的 CEO

自此也把 OpenAI 帶上了一段高歌猛進卻又極富爭議的旅程

在這個轉折點之前

OpenAI 發(fā)展得四平八穩(wěn)

但也有點過于穩(wěn)了

相對于它的體量來說幾近平庸

OpenAI 眾星云集的投資人陣容

帶來了 10 億美元的資金支持

但回頭翻看成果列表

會發(fā)現(xiàn)一件很讓人納悶的事

在這種貌似吃穿不愁的研究條件下

OpenAI 前三年的成果不僅和后來的 DALL·E九府、ChatGPT

有明顯的聲量差距

和同期谷歌旗下的 DeepMind

也就是 AlphaGo 的創(chuàng)造者

也沒法比

2016 年

AlphaGo 擊敗頂級圍棋選手李世石

在全世界范圍掀起了 AI 熱潮

連我這么個還沒走出大學校園的小老弟都感受到了沖擊

把機器學習定成了研究生的方向

整個人生軌跡都受到了影響

可同一時間

同樣是明星 AI 企業(yè)的 OpenAI 卻名不見經(jīng)傳

讀研之后我在 OpenAI Gym 里研究強化學習玩得不亦樂乎

但那也只是 AI 圈內(nèi)的東西

2018 年前

OpenAI 真正搞出來點知名度的

也就 2017 年下半年單挑打贏了刀塔頂級選手

就這還是靠著蹭 Dota 2 國際邀請賽的熱度

而且僅限 1v1 中路父子局

兩邊還都只能選影魔這一個英雄

和實際對局差了不少

熱鬧了一陣就過去了

16椎瘟、17 年的慘淡開局

主要原因就是前面說 OpenAI 給自己挖的這個大坑

也就是非營利這套模式

號稱手握 10 億美元

看起來吃穿不愁的 OpenAI

還真就只是“看起來”

首先這 10 億美元就是個虛數(shù)

2017 年底李開復在給量子位的讀者信里提到

這 10 億美元只是個目標數(shù)字

并不是直接一整筆就打到賬上了

所以說 OpenAI 的實際資金并沒有看上去那么充裕

在這樣的情況下還要搞非營利公司

那就是難上加難

其實非營利并不是說不能賺錢

但它不以賺錢為目標

像 OpenAI 這種老實公司

還在章程里赫然寫著

如果比不過別人就退出競爭

給對手幫忙，翻譯過來就是

施主侄旬，為了世界和平

投給我的錢就隨它去吧

這就基本上給后續(xù)融資判了死刑了

而融資才是這類初創(chuàng)公司最重要的資金來源

更是士氣的來源

同樣是 AI 初創(chuàng)企業(yè)

2014 年被谷歌收購的 DeepMind 拿到了超過 5 億美元

75 名員工雨露均沾

而除了這種可遇不可求的機會

大公司的 AI 崗位砸起錢來也一點都不手軟

17 年初的時候肺蔚，在美國

頂級 AI 研究員的薪酬能趕上橄欖球球星

一年 500 萬美元往上

甚至達到千萬級

其中很大一部分是股票期權獎勵

這就是 OpenAI 這種非營利公司給不出來的

它很難融資，股權也不值錢

2016 年三月

著名的對抗生成算法的提出人 Ian Goodfellow 加入了 OpenAI

簽約獎金加上首年九個月的工資是 80 萬美元

這個金額不小

但對于這種級別的 AI 學者來說

可以說是全美最低了

如果換個地方

乘個 5 甚至乘個 10 都不在話下

而其它的頂級學者來到 OpenAI

也同樣要面臨收入驟降的問題

雖說有理想的人是可以不談錢的

但是錢不夠也同樣會威脅到理想本身

搞 AI 研究是很燒錢的

前面說的明星 AI 企業(yè) DeepMind

2016 年虧損了 1.54 億美元

2017 年虧損了 3.41 億美元

這還是扣掉了收入之后的虧損數(shù)字

2016 年 DeepMind 已經(jīng)在為谷歌和醫(yī)療衛(wèi)生系統(tǒng)提供服務

獲得了一些收入

所以實際的總開支還要更高

回到 OpenAI 這邊

資金根本不在一個體量上

OpenAI 作為非營利公司

每年要公開自己的財務信息

同樣是 2016 年

OpenAI 的總支出是 1100 萬美元

其中 700 萬是員工薪酬開支

刨除場地和雜七雜八的費用

所有項目加起來經(jīng)費不超過 400 萬美元

再對比 DeepMind

僅僅 AlphaGo 的訓練這一項就得花掉差不多 3500 萬美元

沒米下鍋

再怎么談理想儡羔、也實現(xiàn)不出來

有理想的人可以接受錢少拿一些

但事情做不出來浪費生命

誰也受不了

所以前兩年 OpenAI 的很多位明星學者都是來了又走

前面提到的 Ian Goodfellow

從谷歌跳槽到 OpenAI 待了不到一年

就又回到了谷歌研究院

同樣是在 2017 年

三位機器人領域的學者也離開 OpenAI 獨立創(chuàng)業(yè)

最離譜的是連 OpenAI 的贊助人之一

Elon Musk

也出來添亂

2017 年 6 月

Andrej Karpathy

斯坦福大學李飛飛教授的博士生

在 OpenAI 工作了兩年半之后被馬斯克挖走

去特斯拉做了 AI 負責人

領導自動駕駛的研發(fā)

當然這也是沒法避免的

AI 領域的頂尖人才就那么多

特斯拉大舉投入 AI 研究之后

也擠進了和 OpenAI 相同的賽道

缺少融資渠道和股權激勵的 OpenAI 這邊研究進展緩慢

人才有意向出去尋找機會

Elon Musk 自然就近水樓臺先得月了

不過這兒就出現(xiàn)了明顯的利益沖突

OpenAI 頂級人才出走

Elon Musk 作為董事會成員肯定知道

不招舍不得宣羊，招了又會被罵是挖墻腳

所以 2018 年 2 月

OpenAI 宣布引入 Gabe Newell 等一眾新贊助人的同時

也正式宣告了與 Elon Musk 和平分手

緊接著，一個月之后

前面提到的 OpenAI 創(chuàng)始人之一

Y Combinator 的總裁 Sam Altman 辭掉總裁之職

成為了 OpenAI 的首任 CEO

在新領導人的帶領下

OpenAI 徹底改頭換面

也迅速陷入了兩大爭議

第一個是從非營利公司到“半營利”公司的轉型

另一個就是和微軟勾肩搭背換來的一百億美元投資

是的汰蜘，你沒有聽錯

這家在 2016 年所有研究項目加上運營經(jīng)費

不到四百萬美元的小清新非營利公司

已經(jīng)談妥了為期數(shù)年總額一百億美元的投資

成了一家估值 290 億美元的 AI 巨頭

怎么回事仇冯？

OpenAI 的人設怎么突然就從

普渡眾生唐三藏換成了斗戰(zhàn)勝佛孫悟空？

這就還是要從 OpenAI 的新 CEO

Sam Altman 說起

這位企業(yè)家從小吃素食長大

但在商業(yè)上他絕對不是吃素的

前面說 2015 年 OpenAI 成立的時候

他擔任總裁的 Y Combinator 培養(yǎng)出來的初創(chuàng)企業(yè)

總市值已經(jīng)超過了 650 億美元

到 2018 年他辭職那年

這些企業(yè)里最大的一百家

加起來總市值已經(jīng)超過了一千億美元

Y Combinator 孵化新公司的方式就是指導它們?nèi)绾螣X

當然得把錢燒到做事上

如果錢燒完了族操、事沒成

那就總結經(jīng)驗

一旦成了

那就成個大的

總之就是要么成要么死

就是不能平庸地茍著

這么一家公司的總裁

辭掉舊工作來領導 OpenAI

不可能不掀點浪花出來

首先最明顯的一個變化就是

OpenAI 搞研究出手變闊了

2018 年 6 月

OpenAI 發(fā)布了關于刀塔 2 的新研究

這回也不縮手縮腳地 1v1 了

直接打 5v5 正式比賽

相應地就是研究成本的激增

AI 的訓練需要通過不斷地對戰(zhàn)來實現(xiàn)

而 5v5 AI 的訓練難度明顯比 1v1 高出一個數(shù)量級

為了加快速度

OpenAI 在許多臺服務器上同時運行 5v5 對局

對 AI 進行并行訓練

具體來說

就是 12 萬 8000 個 CPU 核心和 256 塊 GPU 加速器

在這樣的設備規(guī)模上

一天就可以讓 AI 累計相當于 180 年的游戲對局時間

到 2019 年 4 月

OpenAI 的機器人以 2 比 0 的成績

正式擊敗了刀塔 2 頂級戰(zhàn)隊 OG

不過跟后來的成果比起來

這也只能算個小插曲苛坚，真正的大菜

還是 OpenAI 在語言模型方面的研究

接下來就是今天最后一段的主角

大名鼎鼎的 GPT

2018 年 6 月

OpenAI 發(fā)布了一篇關于通用語言模型的研究

雖然全文都沒有出現(xiàn)過 GPT 這個名詞

但其實它就是 GPT-1

這篇文章提出了一個叫作 Generative Pre-traing 的概念

生成式預訓練

和傳統(tǒng)的以任務為導向的訓練方法不一樣

生成式預訓練不需要人工標注

比如說你想訓練一個可以做中英文翻譯的 AI

你就需要提前準備好大量的中英文對照的句子給 AI 去學習

如果你想訓練一個 AI 聊天機器人

你就需要準備大量的一問一答對話

這些都需要人工制作

生成式預訓練的思想就不一樣了

我直接拿著人類已有的現(xiàn)成的文字資料去訓練 AI

怎么訓練呢？

我就讓 AI 根據(jù)上文去續(xù)寫下文

比如一句話

張三每天都很認真地學習老師們都夸他是好____

“好”字后面我讓 AI 去寫

如果 AI 寫出來的是“學生”

這就和原文一樣

那就判斷正確了

要是不對，就繼續(xù)訓練它朝著對的方向去走

這種訓練方式的好處

就是研究人員不再需要花大量的資源去人工準備答案

每句話里下一個詞就是上一段話的答案

理論上人類現(xiàn)有的所有文字資料

都可以作為訓練數(shù)據(jù)直接喂給 AI 去學習

這就遠遠大于現(xiàn)有的任何人工制作的數(shù)據(jù)集

但這樣訓練的意義是什么呢泼舱？

很簡單

這樣做就是在訓練 AI 講人話

讓 AI 從浩如煙海的文本里去學習遣詞造句這件事本身

OpenAI 的研究人員發(fā)現(xiàn)

這樣訓練出來的 AI 潛力極強

你用中英文對照的數(shù)據(jù)集去進一步訓練它

它就能做到比現(xiàn)有任何的翻譯 AI 都更準確

你用問答對話數(shù)據(jù)集讓它進一步學習

它就能成長為聊天 AI 里的頂級選手

而提高它的能力所需要的

就是“鈔能力”

因為這個預訓練過程不需要人工編寫答案

所以人類現(xiàn)有的所有文字信息

小說等缀、典籍、歌詞娇昙、論壇里的回帖

甚至是軟件代碼

只要硬盤裝得下

都可以喂給 AI 模型去學習

不斷地增大神經(jīng)網(wǎng)絡模型的參數(shù)量

不斷地增加訓練數(shù)據(jù)里的文本量

預訓練模型的能力就會繼續(xù)增長

用標注好的數(shù)據(jù)引導它去做各類具體任務的水平也會相應提升

這種生成式預訓練

與一種叫做變形器 Transformer 的模型結構相結合

就成了 Generative Pre-trained Transformer

取三個字母縮寫尺迂，就是 GPT

此后 2019 年的 GPT-2、2020 年的 GPT-3

核心迭代思路都是利用“鈔能力”擴大模型規(guī)模

GPT-2 的參數(shù)總量是 15 億

GPT-3 更是提高到了驚人的 1750 億

而截至今天

這條“鈔能力”路線依然沒有摸到天花板

還在往下繼續(xù)

由此衍生出的作畫 AI DALL·E涯贞、聊天機器人 ChatGPT

讓 OpenAI 真正成了全球聞名的明星 AI 企業(yè)

可是這個“鈔能力”是怎么說來就來的呢枪狂？

這就又要說回 Elon Musk 出局之后

OpenAI 的首任 CEO Sam Altman

雖說在 Y Combinator 帶出來了一千億美元的生意

但 Sam Altman 培養(yǎng)的主要都是硅谷的科技企業(yè)

他從斯坦福輟學之前

學的也是計算機科學

與其說是個生意人，更像是技術人

他在 OpenAI 拉起來的這條“鈔能力”路線

起點也是一篇學術研究

新 CEO 上任兩個月之后

GPT 這篇研究成果發(fā)布一個月之前

2018 年 5 月

OpenAI 發(fā)布了一項關于 AI 算力需求的研究

結論是

接下來 AI 方面的算力需求會爆炸式增長

而且速度比摩爾定律快得多

3.4 個月就會翻一倍

理論基礎奠定之后

Sam Altman 就開始了技術操作

2019 年 3 月

OpenAI 成立了一家叫做 OpenAI LP 的有限合伙公司

受原來的非營利的 OpenAI 的董事會控制

新成立的 OpenAI 采用了一種很罕見的“收益上限”模式

投資人的投資可以獲得回報

但是上限鎖在 100 倍

而且越往后加入的投資人倍數(shù)限定就越低

未來收益中超出上限的部分都歸非營利的 OpenAI 所有

用來搞大愛無疆的事

比如普惠性的科研與教育項目

甚至按照 Sam Altman 在訪談里的說法

直接折成現(xiàn)金分發(fā)給普通老百姓也是有可能的

除了收益上有限制

每個新加入的投資方還要簽署協(xié)議

同意把 OpenAI 的章程放在首位

同意原來那個非營利的 OpenAI 董事會擁有

OpenAI LP 的決策權

這是一套前無古人的公司架構

讓慘淡經(jīng)營的 OpenAI 一轉攻勢

有限合伙公司可以用來融資

員工可以拿到高額的股權激勵

大項目有錢做了宋渔，員工士氣也有了

但同一時間

爭議和質(zhì)疑也來了

在 Y Combinator 的 Hacker News 論壇上

有人就對這個 100 倍的限定產(chǎn)生了質(zhì)疑

認為谷歌早期投資者的收益也不過 20 倍左右

這 100 倍的限制就跟沒有一樣

OpenAI 就是忘掉初心墮落成商業(yè)公司了

還有一種聲音是針對 OpenAI LP 條款的模糊性

認為大公司投資 OpenAI LP 之后

還是有很多辦法可以吃掉大塊利益州疾、甚至直接獨享研究成果

首先第一條質(zhì)疑是站不住腳的

發(fā)帖人給出的 20 倍增長是谷歌從上市至今的股票收益率

但 OpenAI LP 才剛剛成立

假如你像 Amazon 創(chuàng)始人 Jeff Bezos 那樣

在 1998 年就給谷歌的兩個小老弟簽一張 25 萬美元的支票

你的收益率絕對不止 100 倍

再加倆零都不止

不過第二條質(zhì)疑

很快就有了更堅實的證據(jù)

OpenAI LP 成立剛剛三個月

微軟來了

從 2016 年起

微軟就是 OpenAI 模型訓練的云服務供應商

自然對 OpenAI 的研究實力和技術動向心知肚明

OpenAI LP 成立之后

微軟幾乎是第一時間就投了 10 億美元

當然其中有一部分是 Azure 云服務器的代金券

印度人還挺會算賬的

投出去的錢還能再流回來

如果純看接下來 OpenAI 的研究進展和項目轉化

雙方的合作絕對是有積極意義的

首先 OpenAI 獲得了“鈔能力”

GPT-2、GPT-3 快速迭代升級

然后在微軟云服務能力的支撐下

這些實驗室里的強大模型又迅速落地

轉化成了人人都能用上的應用服務

快速破圈

比如 GPT-3 衍生出的作畫 AI DALL·E 和 DALL·E 2

如果說這種作畫類的應用還不夠“生產(chǎn)力”

那還有同樣衍生自 GPT-3 的 Codex 項目

這個項目后來落地轉化成了 GitHub Copilot 服務

可以集成進 VSCode 這類代碼編輯器里

根據(jù)用戶給出的文字描述

自動生成代碼

前面提到的 Andrej Karpathy

從 OpenAI 跳到特斯拉之后做了五年的 AI 研究負責人

離職之后轉行做了 YouTuber

制作 AI 視頻教程

22 年末他發(fā)了一條推特

說自己現(xiàn)在 80% 的代碼都是由 Copilot 寫的

準確率差不多也是 80%皇拣，

自己的編程過程

已經(jīng)變成了“提出任務”和“修改編輯”

記得 22 年初

我還在做視頻探討這種 AI 編程工具的可能性

22 年底它就已經(jīng)變成了一個穩(wěn)定的在線服務了

這就是 OpenAI 和微軟合作之下的驚人效率

不過如果和 22 年底爆炸式發(fā)展的 ChatGPT 相比

前面這兩個都是小巫見大巫

ChatGPT 是基于 GPT-3.5

模型尺寸和 GPT-3 相比沒有變化

但專門針對對話進行了加強

減少了不恰當回復

產(chǎn)生了魔法一樣的效果

人類歷史上從來沒有出現(xiàn)過增長速度這么快的應用產(chǎn)品

達到一百萬用戶

推特用了兩年

Facebook 花了十個月

ChatGPT 只用了五天

兩個月之后

ChatGPT 在全球收獲了一億用戶

而當年同樣算得上是爆火的 Tik Tok

花了九個月才達到這個里程碑

來自各行各業(yè)的人和它聊天

用它寫郵件严蓖、翻譯文章

甚至是寫代碼、給代碼查錯

在這種全球性的熱潮

前所未有的增長中

ChatGPT 這種推導運算量不算小的 AI

竟然能維持相對實時的回復速度

是非常不可思議的

微軟算是結結實實地給自己的 Azure 云服務打了一波廣告

再加上 Azure 近水樓臺獨占的 Azure OpenAI Service

接下來 Azure 肯定會收獲一大批新用戶

當然 ChatGPT 本身更隱含著對谷歌搜索服務的正面沖擊

別的不說

就看谷歌的反應

又是發(fā)布“紅色預警”把大量資源轉到競品研發(fā)上

又是緊急請回兩位創(chuàng)始人 Larry Page 和 Sergey Brin

從競爭對手的這些表現(xiàn)

就能看出來微軟手里握的到底是一張什么級別的牌了

實際上除了這些隱性的收益

微軟從 OpenAI 上獲得的直接收入本身就已經(jīng)相當可觀了

GitHub Copilot 對學生和開源項目的維護人提供免費服務

但其他普通開發(fā)者訂閱要付費

按月付是每月 10 美元

按年付是每年 100 美元

除此之外

圖片生成 AI DALL·E 2

被微軟集成進了必應 Image Creator

和設計軟件 Microsoft Designer

未來也都會產(chǎn)生直接收入

至于爆火的 ChatGPT

也被微軟集成進了協(xié)作軟件 Teams

月費 10 美元的高級會員服務

可以快速生成會議總結氧急、自動劃分任務

同時 ChatGPT 本身也推出了月費 20 美元的 ChatGPT Plus

可以優(yōu)先連接服務器颗胡、優(yōu)先獲得回復、優(yōu)先使用新特性

作為 OpenAI LP 的投資人

這部分收益

微軟也同樣可以分一杯羹

從這一個又一個營收點上來看

微軟接下來的一百億美元投資也一點都不虧

但這也讓前面提到的的質(zhì)疑更加有理有據(jù)

OpenAI 成立之初的目標

是確保強人工智能為全人類服務

因為一旦這種強大的智能體被任何個人或組織獨占

就必然會導致貧富極化吩坝、社會動蕩毒姨、最終導致災難性后果

最初的 OpenAI 就是想通過非營利的模式

在緊跟研究前沿的同時

把研究成果向全社會公開

確保強人工智能這項技術不被任何一方所壟斷

這也是它名字里 Open 的含義

可現(xiàn)在強人工智能還遠在天邊

但 GPT 的收益卻已經(jīng)源源不斷地流進了微軟一家的口袋里

從 GPT-2 開始

OpenAI 在模型公開上明顯放緩了腳步

從一次性公開、變成了按參數(shù)數(shù)量從小到大分階段公開

OpenAI 給出的理由是擔心安全性問題

而到了 GPT-3

模型干脆不公開發(fā)布了

OpenAI 只提供一個付費 API 接口

想使用的話就把輸入發(fā)給 OpenAI

內(nèi)部運算完再把結果返回來

至于里面的具體模型钉寝，無可奉告

這次 OpenAI 給了三個理由

第一條直接開誠布公地說需要通過商業(yè)產(chǎn)品賺錢

第二條是因為模型太大

即使公開了弧呐、普通開發(fā)者運行 GPT-3 的性價比也很低

第三條，則還是基于安全性上的考慮

API 的形式可以更好地控制濫用問題

這三條理由

前兩條不拐彎抹角的態(tài)度還是值得肯定的

先讓大家聽得明明白白

才有獲得理解和認同的可能

而第三條的安全問題嵌纲，才是核心

也和 GPT-2 一脈相承

實事求是地講

OpenAI 對安全性的顧慮并不為過

現(xiàn)在已經(jīng)有大量證據(jù)表明互聯(lián)網(wǎng)中存在著相當比例的機器人

我們看的文章俘枫，讀的評論

刷到的消息

甚至那些以“小美”、“大壯”為主角的電影解說

還有語音聽起來并不自然的很多短視頻

都是由 AI 批量生產(chǎn)的內(nèi)容

這個比例到底有多大逮走，無人知曉

甚至有一種比較極端的理論認為

網(wǎng)上機器人的比例早就超過真實人類

互聯(lián)網(wǎng)已經(jīng)死掉了

拋開這種激進觀點

現(xiàn)實中大家一定有這樣一種感覺

就是莫名其妙的輿論熱點出現(xiàn)的頻率越來越高

關于這個問題

未來我會另做一個視頻詳細討論

但我們可以明確的是

OpenAI 對 GPT 被濫用的擔憂絕對是有道理的

實際用過 ChatGPT 的朋友可以想一想

假如成百萬上千萬的虛假賬號

集體發(fā)送這種完全能以假亂真的社交內(nèi)容

那會是多么恐怖的一個水軍陣容

如果這么多賬號同時以千百種角度論證太陽是圍著地球轉的

而且互相點贊評論應和

熱搜上全是支持的聲音

那么再堅定的知識分子

多少也會猶豫一下

那如果不是這么非黑即白的基礎客觀知識呢鸠蚪？

如果是誰聲音大誰就有理的公共議題討論呢？

所以 OpenAI 的顧慮是很有道理的

不過說這些并不是為 OpenAI 辯護

只是批評也應該找到真正出問題的地方

而不是一股腦反對

從實際結果來看

OpenAI 把研究成果商業(yè)化

并且把大部分利益輸送給了微軟一家巨頭

雖然還算不上是正式違背了 OpenAI 自己訂下的章程

但至少可以說實踐中已經(jīng)出現(xiàn)了不和諧的因素

不過目前來看师溅，OpenAI 依然舉著章程

在商業(yè)與公益這條鋼絲繩上竭力維持著平衡

三代 GPT 模型都發(fā)表了公開論文

ChatGPT茅信、Copilot 這些商業(yè)化了的服務

也依然在提供免費版本

歸根結底，前面我們就討論過

在確保強人工智能服務全人類這件事上

當守門員重要

當能進球的守門員更重要

我們今天講了這么長的一段故事

有一件事是不言自明的

如果 OpenAI 不去沾染商業(yè)

那確實夠純粹墓臭，但理想也不可能有了

如果沒有微軟的 10 億和接下來的 100 億美元

那也就不會有風靡全球的 ChatGPT

和未來的 GPT-4

所以我的結論還是

有 OpenAI 這樣一家公司

終歸是比沒有好

雖然它的形象越來越不像最初那么完美了

但它現(xiàn)在確實是那個帶球沖到最前面的守門員

而且至少到目前為止

它依然在為“AI 應該服務于全人類”的理想而努力

在一項既需要金錢又需要良心的事業(yè)上

能做到現(xiàn)在這一步

已經(jīng)是一件很了不起的事了

無論人類追求強人工智能的結局是什么

有這么一家公司曾經(jīng)做過現(xiàn)在這些事

人類至少可以說蘸鲸、我們曾經(jīng)努力過

今天的文章就到這兒了