從AI繪畫的出圈，到如今OpenAI公司的ChatGPT的火爆，人工智能發(fā)展史上一個(gè)新的里程碑驚現(xiàn)于世。

據(jù)公開資料報(bào)道，ChatGPT上線5天就獲得了100萬(wàn)用戶，不到兩個(gè)月就突破1億月活用戶。而此前，iPhone獲得100萬(wàn)用戶的時(shí)間為74天，TikTok實(shí)現(xiàn)1億月活用戶的時(shí)間為9個(gè)月。可見，ChatGPT的“吸粉”能力非同一般。

與此同時(shí)，ChatGPT也給資本市場(chǎng)掀起了一陣海浪。據(jù)公開媒體報(bào)道，微軟將在此前先后投資OpenAI公司30億美元的基礎(chǔ)上，再追加100億美元投資；谷歌將出資3億美元收購(gòu)OpenAI公司前雇員的初創(chuàng)公司Anthropic的競(jìng)品Claude；有美國(guó)版“今日頭條”之稱的BuzzFeed公司在官宣準(zhǔn)備引入ChatGPT作為內(nèi)容生產(chǎn)工具后股價(jià)立即飆升……當(dāng)國(guó)內(nèi)眾多公司宣布正在或準(zhǔn)備入局ChatGPT的競(jìng)品研發(fā)與應(yīng)用時(shí)，國(guó)內(nèi)A股市場(chǎng)一陣狂歡。

(相關(guān)資料圖)

與一般的面向客服QA問(wèn)答和專業(yè)任務(wù)型智能聊天機(jī)器人不同，ChatGPT可以根據(jù)人們的“提示”進(jìn)行詩(shī)歌創(chuàng)作、問(wèn)題探討、報(bào)告撰寫、提綱設(shè)計(jì)、摘要?dú)w納、論文寫作和代碼編寫，甚至可用于參加各類考試。因其面向開放領(lǐng)域、可連續(xù)式問(wèn)答、良好的用戶體驗(yàn)和看似無(wú)所不能的能力，火速成為政產(chǎn)學(xué)研等各領(lǐng)域各行業(yè)的街巷熱議，以至于微軟創(chuàng)始人比爾?蓋茨把ChatGPT出現(xiàn)的意義與當(dāng)年的PC和互聯(lián)網(wǎng)相提并論。

作為一款人工智能聊天機(jī)器人，ChatGPT何以能成為人工智能發(fā)展以來(lái)的“流量爆款”？它為人工智能之路昭示了出什么樣的方向，又帶給我們?cè)鯓拥膯l(fā)？本文將圍繞ChatGPT的出發(fā)點(diǎn)、生成式AI、人工智能算法框架技術(shù)演進(jìn)、預(yù)訓(xùn)練大模型PLM、人工智能內(nèi)容生成AIGC進(jìn)行討論，希望給讀者以有益的啟發(fā)。

01出發(fā)點(diǎn)：ChatGPT的第一性原理思維

什么是第一性原理思維？

簡(jiǎn)單來(lái)說(shuō)就是回歸本質(zhì)，再進(jìn)行重構(gòu)。從第一性原理思維角度來(lái)看，就像PC、互聯(lián)網(wǎng)、智能手機(jī)、移動(dòng)互聯(lián)網(wǎng)的演進(jìn)路線一樣，人工智能只有走向通用人工智能AGI，才有可能成為人們工作和生活過(guò)程中不可或缺的一部分，也才會(huì)產(chǎn)生真正的變革。反過(guò)來(lái)，也才會(huì)促進(jìn)與加速人工智能的發(fā)展，“人工智障”才有可能徹底改變。

如今，以人工智能技術(shù)、機(jī)器人技術(shù)、虛擬現(xiàn)實(shí)技術(shù)、量子信息技術(shù)、可控核聚變、清潔能源以及生物技術(shù)為突破口的第四次工業(yè)革命已經(jīng)到來(lái)，人類社會(huì)已進(jìn)入到一個(gè)萬(wàn)物互聯(lián)的智能時(shí)代，機(jī)器將具有感知、判斷和推理能力，將自行產(chǎn)生知識(shí)，從而增強(qiáng)和替代人類知識(shí)，將人從腦力勞動(dòng)中解決出來(lái)。從第一性原理思維角度看，幾次工業(yè)革命演進(jìn)的本質(zhì)是機(jī)器逐漸取代人力，包括體力和腦力，從而不斷提高社會(huì)生產(chǎn)效率和社會(huì)生產(chǎn)力，直到最終部分或全部取代人。

自上世紀(jì)50年代中期，人工智能的發(fā)展幾經(jīng)高漲與低落。最近十年，隨著大數(shù)據(jù)、云計(jì)算以及基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的發(fā)展，特別是以2016年谷歌旗下DeepMind公司的阿爾法狗（AlphaGo）戰(zhàn)勝韓國(guó)圍棋九段棋手李世石事件為標(biāo)志，人工智能又迎來(lái)一個(gè)突飛猛進(jìn)的春天。圖像識(shí)別、人臉識(shí)別、視覺計(jì)算和自然語(yǔ)言處理等人工智能技術(shù)與產(chǎn)品如雨后春筍般涌現(xiàn)，廣泛應(yīng)用于智能客服、推薦系統(tǒng)、智能風(fēng)控、智能診斷和異常檢測(cè)等各領(lǐng)域各行業(yè)。

然而，與這些通過(guò)預(yù)設(shè)的算法或訓(xùn)練解決特定問(wèn)題、只對(duì)某一方面有自動(dòng)化專業(yè)能力的專用人工智能如火如荼的發(fā)展境遇不同，具有人類思維水平及心理結(jié)構(gòu)的全面性智能化的通用人工智能AGI一直未能有喜人的進(jìn)步。“人工智障”一直是對(duì)此前專用人工智能發(fā)展的揶揄。

究其原因，主要有三：一是專用人工智能的應(yīng)用仍然居“廟堂之高”，類似互聯(lián)網(wǎng)的早期，只是專業(yè)人士手中的“炫技”，未能飛尋常百姓手中；二是人機(jī)交互體驗(yàn)不友好，往往需要一定的專業(yè)技能才能操作；三是固化的“智能”，迭代升級(jí)成本高昂，缺乏像人類一樣的自學(xué)習(xí)與思考。

人工智能只有走向通用人工智能AGI，才會(huì)產(chǎn)生真正的變革，促進(jìn)與加速人工智能的發(fā)展。無(wú)疑，ChatGPT很好地把握了這一點(diǎn)。

首先，ChatGPT面向開放領(lǐng)域，不囿于某一專業(yè)領(lǐng)域，可進(jìn)行詩(shī)歌創(chuàng)作、問(wèn)題探討、報(bào)告撰寫、提綱設(shè)計(jì)、摘要?dú)w納、論文寫作和代碼編寫，初步具有一定級(jí)別的人類思維水平，具有參加MBA、法律、醫(yī)學(xué)等各種專業(yè)考試能力，看似上知天文、下通地理、無(wú)所不能，類似“知識(shí)百科”。隨著應(yīng)用的不斷深入以及不斷從人類反饋中學(xué)習(xí)，ChatGPT將不斷接近直至達(dá)到人類思維水平。正如OpenAI公司創(chuàng)始人兼首席執(zhí)行官山姆·阿爾特（Sam Altman）在今年1月中旬接受《福布斯》采訪時(shí)表示：“AGI是驅(qū)動(dòng)我所有行動(dòng)的推動(dòng)力”?？梢?，ChatGPT只是通往通用人工智能AGI之路的起點(diǎn)。

其次，ChatGPT很好地選擇了以自然語(yǔ)言作為人機(jī)交互界面，用戶只需輸入“提示”就能得到“答復(fù)”，而不需要操作鍵盤和鼠標(biāo)（互聯(lián)網(wǎng)時(shí)代的PC）或觸控（移動(dòng)互聯(lián)網(wǎng)時(shí)代的智能手機(jī)）。良好的用戶體驗(yàn)極大地消除了產(chǎn)品與使用、機(jī)器與人之間的“數(shù)字鴻溝”，這便是科技的第一性原理思維。事實(shí)上，早在2016年的微軟全球開發(fā)者大會(huì)上，微軟就提出“對(duì)話即平臺(tái)”CAAP理念。智能時(shí)代，人機(jī)交互的媒介將是“對(duì)話”。

再次，與其他人工智能產(chǎn)品不同，“從人類反饋中強(qiáng)化學(xué)習(xí)”是ChatGPT獨(dú)一無(wú)二的創(chuàng)新。首先基于海量的語(yǔ)料數(shù)據(jù)預(yù)訓(xùn)練出一個(gè)語(yǔ)言大模型（GPT-3.5），然后在此基礎(chǔ)上通過(guò)少量的人工標(biāo)注數(shù)據(jù)對(duì)GPT-3.5進(jìn)行監(jiān)督學(xué)習(xí)微調(diào)SFT；然后再用幾個(gè)SFT模型對(duì)無(wú)標(biāo)注數(shù)據(jù)進(jìn)行測(cè)試，并對(duì)多個(gè)答復(fù)按好壞程度進(jìn)行排序并標(biāo)注（不同模型會(huì)給出不同的“答復(fù)”），以此標(biāo)注數(shù)據(jù)繼續(xù)訓(xùn)練出一個(gè)“獎(jiǎng)勵(lì)模型”RM（鼓勵(lì)模型給出盡可能跟用戶“提示”相匹配的答案，強(qiáng)化模型的一致性）；最后通過(guò)獎(jiǎng)勵(lì)模型RM制定一種稱之為“近端策略優(yōu)化” PPO的算法，以持續(xù)優(yōu)化模型參數(shù)。其原理示意圖如下圖1所示。

圖1 ChatGPT的RLFH原理示意圖

“第一性原理”是一種思維方法，強(qiáng)調(diào)從事情最根本的真理入手，透過(guò)事物表象，一層層剝開事物，看到事物的本質(zhì)。然后再?gòu)淖畋举|(zhì)處一層一層往外進(jìn)行推理——人工智能造福世人最根本的真理是通用人工智能AGI，而ChatGPT為通往通用人工智能AGI之路開啟了一道門。

02?新范式：生成式AI（Generative AI）

如前文所言，作為一個(gè)產(chǎn)品，ChatGPT本質(zhì)上是一款人工智能聊天機(jī)器人。但與一般人工智能聊天機(jī)器人不同，ChatGPT走的是第四種技術(shù)路線，它是一種生成式模型。從應(yīng)用的角度來(lái)看，人工智能AI可分為判別式/分析式AI和生成式AI，而ChatGPT屬于“生成式AI”。

人工智能聊天機(jī)器人的出現(xiàn)已有一段時(shí)間了，如亞馬遜的智能聊天機(jī)器人Alexa、蘋果公司的Siri、微軟的Cortana、谷歌的Allo及國(guó)內(nèi)其他眾多產(chǎn)品。

從技術(shù)路線來(lái)看，人工智能聊天機(jī)器人可分為四種：基于規(guī)則、基于檢索、基于語(yǔ)義解析和基于深度學(xué)習(xí)的生成模型。其中，基于規(guī)則的方法需要由專業(yè)人員編寫相應(yīng)的人工規(guī)則；基于檢索的方法則需要事先根據(jù)先驗(yàn)知識(shí)編制成對(duì)的<提示，回復(fù)>語(yǔ)料庫(kù)，應(yīng)用時(shí)，首先在語(yǔ)料庫(kù)中檢索用戶的“提問(wèn)”，比對(duì)“提問(wèn)”與“提示”（可能得到多個(gè)<提示，回復(fù)>對(duì)），然后利用rank模型（語(yǔ)義匹配模型）對(duì)“提問(wèn)”和“回復(fù)”進(jìn)行打分，最后利用打分的結(jié)果得到相應(yīng)的回復(fù)；而基于語(yǔ)義解析的方法，是對(duì)每一句話進(jìn)行深度自然語(yǔ)言處理之后，提取關(guān)鍵的語(yǔ)法語(yǔ)義信息，并生成相應(yīng)的回復(fù)；最后一種是基于海量數(shù)據(jù)和深度模型的生成方法，根據(jù)接收到的輸入（“提問(wèn)”）生成語(yǔ)料庫(kù)中沒有的新文本（“回復(fù)”）。

在生成式AI之前，我們耳熟能詳?shù)腁I應(yīng)用如垃圾郵件識(shí)別、風(fēng)控模型、智能推薦（短視頻、網(wǎng)購(gòu)等）、人臉識(shí)別、異常檢測(cè)和自動(dòng)駕駛等等，都屬于判別式/分析式AI應(yīng)用。判別式/分析式AI是根據(jù)已有數(shù)據(jù)進(jìn)行分析、判斷、預(yù)測(cè)，用于輔助決策。例如，如果我們要讓計(jì)算機(jī)從圖片中識(shí)別出狗，我們就先準(zhǔn)備一批圖片中有狗的樣本圖片，并標(biāo)注出一系列可以判斷圖片是狗的要素特征，如“翹起的耳朵”“渾身長(zhǎng)毛”“有尾巴”等，然后選擇機(jī)器學(xué)習(xí)算法，如邏輯回歸、決策樹、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)等等，也可以是基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)算法CNN或其他，讓計(jì)算機(jī)對(duì)這些樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，從中摸索出足以判斷某個(gè)圖形是狗的規(guī)律，以此得到一個(gè)判別模型。日后就可以用此判別模型來(lái)判斷新的圖片中是否有狗。

而生成式AI更強(qiáng)調(diào)學(xué)習(xí)歸納后進(jìn)行演繹創(chuàng)造，生成全新的內(nèi)容。其背后的技術(shù)基礎(chǔ)來(lái)源于一種稱為“生成式對(duì)抗網(wǎng)絡(luò)”GAN的思想原理。

生成式對(duì)抗網(wǎng)絡(luò)GAN也是一種深度學(xué)習(xí)模型，由著名的深度學(xué)習(xí)理論專家伊恩·古德費(fèi)洛（Ian J. Goodfellow）于2014年提出。一個(gè)GAN是由一個(gè)生成模型G和一個(gè)判別模型D構(gòu)成。生成模型捕捉真實(shí)數(shù)據(jù)樣本的潛在分布，并由潛在分布生成新的數(shù)據(jù)樣本；判別模型是一個(gè)二分類器，判別輸入是真實(shí)數(shù)據(jù)還是生成的樣本。這兩個(gè)模型交替訓(xùn)練，即生成模型不斷學(xué)習(xí)生成更逼真的數(shù)據(jù)，判別模型則不斷區(qū)分假數(shù)據(jù)和真實(shí)數(shù)據(jù)。直至判別模型已經(jīng)無(wú)法判別是真還是假，生成模型G便形成。如下圖2所示。

圖2 GAN原理圖

ChatGPT采用這一概念，并將其應(yīng)用于基本文本的對(duì)話，以及創(chuàng)造軟件代碼。它使用GAN生成對(duì)輸入文本的響應(yīng)，使其能夠與人類進(jìn)行聽起來(lái)自然的話，讓它的回答表現(xiàn)得更像一個(gè)人。

2021知名調(diào)查機(jī)構(gòu)Gartner在2021年高德納IT博覽會(huì)上，發(fā)布2022年需要探索的十二大重要戰(zhàn)略技術(shù)趨勢(shì)。其中，生成式AI位列其中。由于生成式AI能從數(shù)據(jù)中學(xué)習(xí)內(nèi)容或?qū)ο螅⑦\(yùn)用數(shù)據(jù)生成全新的、完全原創(chuàng)的、逼真的設(shè)備，本質(zhì)上是對(duì)生產(chǎn)力的大幅度提升和創(chuàng)造。至目前，生成式AI已催生了營(yíng)銷、設(shè)計(jì)、建筑和內(nèi)容領(lǐng)域的創(chuàng)造性工作，并開始在生命科學(xué)、醫(yī)療、制造、材料科學(xué)、媒體、娛樂(lè)、汽車和航空航天等行業(yè)領(lǐng)域進(jìn)行初步應(yīng)用。

從判別式/分析式AI向生成式AI演變，已成了AI開發(fā)的新范式。

03新驅(qū)動(dòng)：?????注意力機(jī)制

自然語(yǔ)言處理中常用的一種通用算法框架是編碼器－解碼器網(wǎng)絡(luò)。其中，編碼器是將輸入序列“編碼”為一個(gè)輸出（向量C），解碼器是將該輸出（向量C）作為輸入“解碼”為一個(gè)輸出序列。在這個(gè)框架下可以使用不同的算法來(lái)解決不同的任務(wù)，它們也被應(yīng)用于摘要和圖像說(shuō)明生成任務(wù)。如下圖3所示。

圖3 編碼器－解碼器網(wǎng)絡(luò)示意圖

傳統(tǒng)上，編碼器－解碼器網(wǎng)絡(luò)用得比較多的是循環(huán)神經(jīng)網(wǎng)絡(luò)RNN——通常是其變種：長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM或是門控循環(huán)單元GRU。不過(guò)，基于循環(huán)神經(jīng)網(wǎng)絡(luò)RNN的編碼器—解碼器網(wǎng)絡(luò)存在三個(gè)特點(diǎn)：一是要求輸入序列和輸出序列要等長(zhǎng)，二是不論輸入和輸出的長(zhǎng)度是什么，中間的“向量C”的長(zhǎng)度都是固定的，三是從序列輸入到序列輸出是“串行”模式，模型訓(xùn)練效率低。這三個(gè)特點(diǎn)對(duì)于生成式預(yù)訓(xùn)練大模型建模是缺陷。

例如，對(duì)于語(yǔ)言翻譯任務(wù)，如將“早上好”翻譯為“Good Morning”，輸入序列長(zhǎng)度為3，輸出序列長(zhǎng)度為2，顯然第一特點(diǎn)存在缺陷。中間向量C的固定長(zhǎng)度對(duì)于長(zhǎng)序列任務(wù)會(huì)存在“信息丟失”問(wèn)題，串行模式導(dǎo)致訓(xùn)練效率低下。

為適應(yīng)輸入序列和輸出序列不等長(zhǎng)的任務(wù)需求，序列對(duì)序列模型Seq2Seq應(yīng)運(yùn)而生。如字面意思，這種結(jié)構(gòu)最重要的地方在于輸入序列和輸出序列的長(zhǎng)度是可變的，如輸入序列長(zhǎng)度為3（“早上好”），輸出序列長(zhǎng)度為2（“Good Morning”）。不過(guò)，Seq2Seq仍然存在中間向量C的長(zhǎng)度固定和串行模式兩個(gè)缺陷。

直到2017年，谷歌發(fā)表“Attention is All You Need”的論文，提出將“Attention”（注意力機(jī)制）應(yīng)用到Seq2Seq中，形成一種新的算法框架“Transformer”（變換器），不再將整個(gè)輸入序列編碼為固定長(zhǎng)度的中間向量C，而是編碼成一個(gè)向量的序列（向量C1，向量C2,……，向量Cn），同時(shí)采用于并行模式取代串行模式，從而改進(jìn)了“信息丟失”和“效率低下”這兩個(gè)缺陷，參見下圖4。

圖4 注意力機(jī)制原理示意圖

從此，Transformer作為一種新的編碼器－解碼器通用算法框架驅(qū)動(dòng)著各種預(yù)訓(xùn)練大模型如雨后春筍般涌現(xiàn)，如下圖5所示。ChatGPT也由此而來(lái)。

圖5 基于Transformer的各種預(yù)訓(xùn)練大模型

04?新模式：預(yù)訓(xùn)練大模型

人工智能包括三要素：數(shù)據(jù)、算法和算力，三者的共同作用驅(qū)動(dòng)了人工智能算法模型的開發(fā)與應(yīng)用。整體上看，人工智能算法模型的開發(fā)模式可分為兩個(gè)階段。第一階段是針對(duì)特定任務(wù)的“小模型”階段。2017年，Transformer的出現(xiàn)，驅(qū)動(dòng)著人工智能算法模型進(jìn)入預(yù)訓(xùn)練“大模型”階段。

所謂“小模型”，是指模型構(gòu)建時(shí)往往針對(duì)一個(gè)特定任務(wù)，用于訓(xùn)練的數(shù)據(jù)量和模型的參數(shù)量相對(duì)較少，解決任務(wù)的能力往往囿于特定任務(wù)場(chǎng)景，而對(duì)于不同場(chǎng)景的同類任務(wù)的泛化應(yīng)用能力相對(duì)較弱，即復(fù)用性較差。同時(shí)，由于每一次模型的開發(fā)都涉及數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注、模型訓(xùn)練、模型部署、數(shù)據(jù)更新、模型調(diào)優(yōu)等全流程環(huán)節(jié)，因此，開發(fā)效率低，開發(fā)和運(yùn)維成本高。

而預(yù)訓(xùn)練“大模型”，是指最開始時(shí)并不針對(duì)某一個(gè)特定任務(wù)，而是在更為廣泛的通用原始數(shù)據(jù)（無(wú)需進(jìn)行人工標(biāo)注）上進(jìn)行無(wú)監(jiān)督學(xué)習(xí)，得到一個(gè)通用基礎(chǔ)模型。應(yīng)用過(guò)程中，再針對(duì)特定任務(wù)，通過(guò)適當(dāng)少量的人工標(biāo)注數(shù)據(jù)進(jìn)行有監(jiān)督學(xué)習(xí)，即微調(diào)，以得到解決特定任務(wù)的算法模型。同時(shí)，通過(guò)各類任務(wù)的應(yīng)用反饋再迭代升級(jí)基礎(chǔ)通用模型，進(jìn)一步增強(qiáng)模型的魯棒性和泛化應(yīng)用能力。如下圖6所示。附6 預(yù)訓(xùn)練大模型+微調(diào)示意圖

相比小模型，預(yù)訓(xùn)練大模型有助于用工程化、通用化思維開發(fā)算法模型，從而極大地提高了人工智能算法模型的開發(fā)效率。不同于小模型的碎片化，大模型各特定任務(wù)之間可通過(guò)基礎(chǔ)通用模型進(jìn)行連接。同時(shí)，預(yù)訓(xùn)練大模型的開發(fā)、部署和維護(hù)成本要低得多。

預(yù)訓(xùn)練大模型的發(fā)展趨勢(shì)主要在三個(gè)維度：數(shù)據(jù)量越來(lái)越大（從GB級(jí)向TB級(jí)躍遷、從結(jié)構(gòu)化數(shù)據(jù)為向結(jié)構(gòu)化和非結(jié)構(gòu)化多源數(shù)據(jù)為主轉(zhuǎn)變）、模型參數(shù)越來(lái)越多（千億級(jí)和萬(wàn)億級(jí)）、從單任務(wù)單模態(tài)（或文本或圖像或音頻或視頻）向多任務(wù)多模態(tài)（文本、圖像、音頻和視頻）轉(zhuǎn)變。

ChatGPT是基于GPT-3.5這個(gè)預(yù)訓(xùn)練大模型并結(jié)合“從人類反饋進(jìn)行強(qiáng)化學(xué)習(xí)”(RLHF)方法進(jìn)行微調(diào)而來(lái)。根據(jù)公開資料報(bào)道，ChatGPT的模型參數(shù)量達(dá)到1750億，預(yù)訓(xùn)練數(shù)據(jù)量達(dá)到45TB。訓(xùn)練素材來(lái)自2/3的互聯(lián)網(wǎng)內(nèi)容，包括維基百科的600多萬(wàn)篇文章和世界幾個(gè)大博物館的所有藏書。這些素材包含了人類幾千年來(lái)所積攢的絕大部分知識(shí)，以此為基礎(chǔ)，ChatGPT成功地構(gòu)建起了強(qiáng)大的知識(shí)體系。也正因此，它逐步開始能夠勝任各種人類工作。

預(yù)訓(xùn)練大模型的出現(xiàn)，將重塑人工智能算法生態(tài)鏈。基礎(chǔ)設(shè)施即人工智能計(jì)算中心（也稱“智算中心”）、預(yù)訓(xùn)練大模型和算法API調(diào)用與應(yīng)用開發(fā)將成為新的人工智能算法生態(tài)鏈中極為重要的三個(gè)層面。以國(guó)內(nèi)為例，目前，作為基礎(chǔ)設(shè)施層的智算中心建設(shè)正在各地如火如荼地開展；預(yù)訓(xùn)練大模型方面，以阿里（M6大模型）、華為（盤古大模型）、百度（文心大模型）和騰訊（混元大模型）為代表的國(guó)內(nèi)眾多企業(yè)都在紛紛入局；而調(diào)用接口APT進(jìn)行應(yīng)用開發(fā)將有助于促進(jìn)許多中小企業(yè)、初創(chuàng)公司快速展開垂直行業(yè)應(yīng)用。新的人工智能算法生態(tài)鏈將加速推進(jìn)人工智能算法的產(chǎn)業(yè)化進(jìn)程。

05?新變革：AIGC將成為新的內(nèi)容生產(chǎn)者

如前文所述，ChatGPT具有寫詩(shī)、作詞、撰文、寫作報(bào)告、總結(jié)摘要、設(shè)計(jì)提綱，甚至包括撰寫軟件代碼等能力。通過(guò)對(duì)人類“提示”的理解，可以生成用戶想要的“文字”材料，即“文本生成文本”。

無(wú)獨(dú)有偶，“文本生成圖像”也是過(guò)去一年人工智能領(lǐng)域一個(gè)現(xiàn)象級(jí)的技術(shù)創(chuàng)新與應(yīng)用。其標(biāo)志性事件是2022年8月份，一幅基于人工智能軟件平臺(tái)Midjourney生成的“太空歌劇院”的AI繪畫榮獲美國(guó)科羅拉多州藝術(shù)博覽會(huì)頭獎(jiǎng)。另外，谷歌公司的“文本生成音頻”產(chǎn)品MusicLM也正在粉墨登場(chǎng)。而在“文本生成視頻”方面，谷歌的Phenaki和Imagen Video、Meta的Make-A-Video、百度的智能視頻合成平臺(tái)VidPress等文生視頻模型都在紛紛走向臺(tái)前。

最為震撼的當(dāng)屬谷歌旗下的DeepMind公司的人工智能產(chǎn)品AlphaFold，它能通過(guò)內(nèi)容生成預(yù)測(cè)并繪畫蛋白質(zhì)的折疊結(jié)構(gòu)。也因如此，“人工智能內(nèi)容生成”AIGC被《科學(xué)》雜志評(píng)為2022年十大技術(shù)突破之一。

人類文明發(fā)展史，實(shí)際上是一部知識(shí)內(nèi)容生成不斷發(fā)展的歷史。自1946年第一臺(tái)電子管計(jì)算機(jī)的問(wèn)世，到1958年第一臺(tái)晶體管計(jì)算機(jī)的誕生，再到后來(lái)大規(guī)模和超大規(guī)模集成電路的出現(xiàn)，計(jì)算技術(shù)一直在摩爾定律的驅(qū)動(dòng)下，促進(jìn)人類知識(shí)內(nèi)容生成的指數(shù)級(jí)增長(zhǎng)。歷經(jīng)PC互聯(lián)和移動(dòng)互聯(lián)，當(dāng)今正進(jìn)入萬(wàn)物互聯(lián)時(shí)代，人類知識(shí)內(nèi)容的生成與增長(zhǎng)進(jìn)入了一個(gè)前所未有的新階段。數(shù)據(jù)攜帶信息，信息蘊(yùn)含知識(shí)。據(jù)公開資料報(bào)道，從2016年至2020年五年的時(shí)間，全球數(shù)據(jù)增長(zhǎng)量將比過(guò)去幾千年人類所積累的數(shù)據(jù)的總和還要多。

從內(nèi)容生成的發(fā)展階段來(lái)看：可以劃分為專家生成內(nèi)容（如電視、電影和游戲等）、用戶生成內(nèi)容（如微信微博、開源社區(qū)、短視頻等）、AI 輔助生產(chǎn)內(nèi)容及 AI 生成內(nèi)容。其中，PGC 模式下，內(nèi)容生產(chǎn)和變現(xiàn)的權(quán)力掌握在少數(shù)人手中，集中程度更高，因此PGC 難以滿足大規(guī)模的內(nèi)容生產(chǎn)需求，即存在產(chǎn)能限制；而UGC模式由于生產(chǎn)者可為用戶本身，因此突破了產(chǎn)能限制，但由于生產(chǎn)門檻相對(duì)較低，個(gè)性化和多樣化需求繁榮，因此難以保證內(nèi)容質(zhì)量；而 AIGC 不僅可突破可PGC模式的產(chǎn)能瓶頸，也可兼顧內(nèi)容質(zhì)量的提升，特別是AIGC在圖像和音視頻方面的生成能力，將有助力于Web3.0游戲充分滿足游戲參與者在場(chǎng)景和人物構(gòu)建方面的個(gè)性化高質(zhì)量需求。

作為知識(shí)內(nèi)容生成發(fā)展過(guò)程中的新一輪范式轉(zhuǎn)移，AIGC將帶來(lái)以下幾個(gè)方面的變革。

第一是數(shù)據(jù)增長(zhǎng)。基于AIGC技術(shù)的合成數(shù)據(jù)迎來(lái)重大發(fā)展，合成數(shù)據(jù)將牽引人工智能的未來(lái)。Gartner預(yù)計(jì)到2025年，生成式人工智能將占所有生成數(shù)據(jù)的10%，到2030年合成數(shù)據(jù)將徹底取代真實(shí)數(shù)據(jù)。MIT科技評(píng)論將AI合成數(shù)據(jù)列為2022年十大突破性技術(shù)之一。合成數(shù)據(jù)的用途是成為真實(shí)世界數(shù)據(jù)的廉價(jià)替代品，用來(lái)訓(xùn)練、測(cè)試、驗(yàn)證AI模型，成為訓(xùn)練AI的主要數(shù)據(jù)來(lái)源。

第二是知識(shí)拓展。智能時(shí)代，AIGC將快速拓展人類對(duì)自然世界的認(rèn)知，AlphaFold通過(guò)內(nèi)容生成預(yù)測(cè)并繪畫蛋白質(zhì)的折疊結(jié)構(gòu)便是例證。

第三是信息獲取方式的改變。AIGC不僅改變創(chuàng)作，還將改變獲取信息的主要方式。以ChatGPT為例，在尋找答案、解決問(wèn)題的效率上，ChatGPT直接給出搜索結(jié)果，而現(xiàn)今的搜索引擎只能給出隱藏結(jié)果的網(wǎng)頁(yè)列表。

第四是直接提高生產(chǎn)力。生成式AI可以嵌入生產(chǎn)和工作環(huán)節(jié)，與工作流程相結(jié)合，直接提高生產(chǎn)效率、降低生產(chǎn)成本，促進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。微軟CEO薩蒂亞·納德拉（Satya Nadella）在做客《華爾街日?qǐng)?bào)》訪談時(shí)說(shuō)：“……事實(shí)上，ChatGPT可以用來(lái)建立工作流程。這意味著零售、倉(cāng)庫(kù)、醫(yī)療保健等一線工人，他們不是IT專家，他們?cè)谟?jì)算機(jī)科學(xué)方面也不熟練，但實(shí)際上，他們可以參與到組織的數(shù)字化轉(zhuǎn)型工作中來(lái)……，而且還可以參與到知識(shí)工作中來(lái)”。AIGC有望成為數(shù)字經(jīng)濟(jì)時(shí)代驅(qū)動(dòng)需求爆發(fā)的殺手級(jí)應(yīng)用。

第五是加速“經(jīng)濟(jì)奇點(diǎn)”的到來(lái)。“經(jīng)濟(jì)奇點(diǎn)”是人工智能專家(英)卡魯姆·蔡斯(Calum Chace)創(chuàng)造的一個(gè)詞，即AI技術(shù)本質(zhì)上會(huì)造成社會(huì)的大規(guī)模失業(yè)。

第六是極大地降低經(jīng)濟(jì)社會(huì)成本。AIGC模型的通用化水平和工業(yè)化能力的持續(xù)提升將引起經(jīng)濟(jì)社會(huì)成本結(jié)構(gòu)的重大改變。OpenAI公司創(chuàng)始人兼首席執(zhí)行官山姆·阿爾特曼（Sam Altman）在他的“Moore"s law for everything”（即萬(wàn)物摩爾定律）一文中預(yù)測(cè)：人類社會(huì)需要的商品和服務(wù)，將會(huì)大規(guī)模地由AI來(lái)生產(chǎn)，這會(huì)導(dǎo)致商品和服務(wù)的價(jià)格下降，由于AI的大規(guī)模普及，房子、汽車、日常商品和服務(wù)的價(jià)格，每幾年就會(huì)降低一半。

ChatGPT是在海量數(shù)據(jù)、超大模型和巨大算力的工程性結(jié)合下，通過(guò)對(duì)海量數(shù)據(jù)中單詞-單詞、句子-句子等之間的關(guān)聯(lián)性概率預(yù)測(cè)，才體現(xiàn)出強(qiáng)大的語(yǔ)言對(duì)話能力。無(wú)疑，ChatGPT無(wú)法避免帶有惡意和偏見的錯(cuò)誤數(shù)據(jù)對(duì)知識(shí)生成結(jié)果的干擾。但隨著法律和倫理規(guī)制的不斷強(qiáng)化以及模型的迭代升級(jí)，再加上不斷增強(qiáng)的自學(xué)習(xí)和推理能力，人類離通用人工智能AGI時(shí)代將越來(lái)越近。ChatGPT已經(jīng)打開了通用人工智能AGI時(shí)代。

關(guān)鍵詞：