ChatGPT，背后的核心是什么？

2022年12月份的時候，ChatGPT還只是個被人各種撩的聊天工具。但進入2023年后，已經(jīng)向著效率工具邁進了。
微軟宣布正和ChatGPT開發(fā)團隊OpenAI進行洽談，投資百億美元，并計劃把這個工具整合到云服務(wù)、搜索引擎、甚至office中。海外高校、學(xué)術(shù)機構(gòu)，也興起了關(guān)于用ChatGPT寫論文是否合規(guī)的大討論；咨詢公司也開始擔(dān)憂是否會被搶飯碗。
毫無疑問，ChatGPT的應(yīng)用熱情，已經(jīng)被點燃；應(yīng)用場景也不斷拓展。但ChatGPT并不是一蹴而就，以更廣闊的的視野來看，這背后是AIGC“智慧涌現(xiàn)”的大浪潮。那么，AIGC的發(fā)展節(jié)點有哪些？企業(yè)競爭靠什么？

AIGC是如何一步步突破的？
AI懂創(chuàng)作、會畫畫，可以說是人工智能的一個“跨越式”提升。雖然人工智能在生活中不斷普及，比如我們習(xí)慣了機器代替人去搬運重物、制造精密的產(chǎn)品、完成復(fù)雜的計算等等。但是，如果人工智能更接近人，那就必須具備人類“創(chuàng)作”的能力。這就是AIGC的意義。
AI能力的提升，并不是一蹴而就，而大部分則經(jīng)歷了“模型突破-大幅提升-規(guī)?；a(chǎn)-遇到障礙-再模型突破-大幅提升”的循環(huán)發(fā)展。而要實現(xiàn)落地、走進人類生活，則必須具備“規(guī)?；a(chǎn)”的能力，在資源消耗、學(xué)習(xí)門檻等方面大幅降低到平民化。
比如以AI畫畫為例，則經(jīng)歷了三個關(guān)鍵節(jié)點：
第一個節(jié)點，早期突破：2014年，對抗生成網(wǎng)絡(luò)（GAN）誕生，真正“教會”AI自己畫畫。
GAN包含兩個模型，一個是生成網(wǎng)絡(luò)G、一個是判別網(wǎng)絡(luò)D。G負責(zé)把接收到的隨機噪聲生成圖片，D則要判斷這張圖是G畫的、還是現(xiàn)實世界就存在的。G、D互相博弈，能力也不斷提升，而當D不再能判斷出G生成的圖片時，訓(xùn)練就達到了平衡。
GAN的開創(chuàng)性在于，精巧地設(shè)計了一種“自監(jiān)督學(xué)習(xí)”方式，跳出了以往監(jiān)督學(xué)習(xí)需要大量標簽數(shù)據(jù)的應(yīng)用困境，可以廣泛應(yīng)用于圖像生成、風(fēng)格遷移、AI藝術(shù)和黑白老照片上色修復(fù)。
但其缺陷也正來源于這一開創(chuàng)性：由于需要同步訓(xùn)練兩個模型，GAN的穩(wěn)定性較差，容易出現(xiàn)模式崩潰。以及另一個有趣的現(xiàn)象“海奧維提卡現(xiàn)象”（the helvetica scenario）：如果G模型發(fā)現(xiàn)了一個能夠騙過D模型的bug，它就會開始偷懶，一直用這張圖片來欺騙D，導(dǎo)致整個平衡的無效。
模型也會躺平，這雞賊的特性，真是有人的風(fēng)格。
第二個節(jié)點，大幅提升：2020年，一篇關(guān)于擴散模型（Diffusion Model）的學(xué)術(shù)論文，大幅提升AI的畫畫水平。
擴散模型的原理是“先增噪后降噪”。首先給現(xiàn)有的圖像逐步施加高斯噪聲，直到圖像被完全破壞，然后再根據(jù)給定的高斯噪聲，逆向逐步還原出原圖。當模型訓(xùn)練完成后，輸入一個隨機的高斯噪聲，便能“無中生有”出一張圖像了。
這樣的設(shè)計大大降低了模型訓(xùn)練難度，突破了GAN模型的局限，在逼真的基礎(chǔ)上兼具多樣性，也就能夠更快、更穩(wěn)定的生成圖片。
擴散模型在AI業(yè)界的“起飛”源于2021年1月，Open AI基于此開發(fā)出DALL·E文字生成圖片模型，能夠生成接近真實生活但并不真實存在的圖片，讓AI業(yè)界震了三震。但由于在像素空間進行了大量計算，這一模型仍存在進程緩慢、內(nèi)存消耗大的缺陷。
第三個節(jié)點，批量生產(chǎn)：2022年夏天誕生的Stable Diffusion，讓高大上的學(xué)術(shù)理論變得“接地氣”。
去年8月，Stability AI將擴散過程放到更低維度的潛空間（Latent Diffusion），從而開發(fā)出了Stable Diffusion模型。這個模型帶來的提升，在于資源消耗大幅降低，消費級顯卡就可以驅(qū)動的，可以操作也更為方便，普通人也可以體會到人工智能驚艷的創(chuàng)作能力。而且開發(fā)團隊還把所有代碼、模型和權(quán)重參數(shù)庫都進行了開源，踐行了Geek的共享精神、去中心化主義。
門檻降低、效果提升，因此，大受歡迎。發(fā)布10天后，活躍數(shù)據(jù)達到了每天1700萬張，如果都用A4紙打印出來疊一起，相當于一座52層高的大樓。
共享，也是Stability AI的另一特色。在開源社區(qū)中，除了更小的內(nèi)存和更快的速度，Stable Diffusion收獲了更完善的指南與教程、共享提示詞、新UI，也依靠集體的智慧，走進了Photoshop、Figma等經(jīng)典軟件，匯入創(chuàng)作者們的既有工作流中?？芍^是，依靠群眾、回饋群眾。
從技術(shù)實現(xiàn)突破、到技術(shù)提升、再到規(guī)?；档烷T檻，AI創(chuàng)作能力也不斷提升。2022年10月，美國一名男子用AI繪畫工具Midjourney，生成了一幅名為《太空歌劇院》的作品，并獲得了第一名。這引起了一波不小的爭論，也終于形成了一條新賽道。于是，2022年以AI繪畫為代表的各種生成式AI工具，如雨后春筍般瘋狂冒尖，比如盜夢師、意間AI、6pen、novelAI等等。
而在文本AI領(lǐng)域也是如此。如今大火的ChatGPT則是基于GPT3.5模型，已經(jīng)迭代了4次。而對話一次的平均成本為0.01-0.2美元，也就是六毛到一塊錢人民幣，成本依然需要不斷降低。但整體而言，無論畫畫、還是聊天，AI已經(jīng)體現(xiàn)出智慧涌現(xiàn)。

如何成為浪潮寵兒？
Stability AI的創(chuàng)始人Emad認為，圖像才是殺手級應(yīng)用。
圖像模型可以迅速創(chuàng)造，并引導(dǎo)人們迅速消費，同時又能以較低成本快速整合到不同領(lǐng)域，從而快速普及，掀起浪潮。而事實上，確實許多創(chuàng)業(yè)者涌入了這些領(lǐng)域。AIGC成為了幣圈之后的投資新焦點。在 GPT-3 發(fā)布的兩年內(nèi)，風(fēng)投資本對 AIGC 的投資增長了四倍，在 2022 年更是達到了 21 億美元。

公司增多，投資增多，但并不是每家企業(yè)都能活得很好。比如2022年底，僅創(chuàng)立4個月的AI繪畫公司StockAI就停止了運營。公司CEO表示，主要是因為商業(yè)化模式不成熟，目前的付費用戶群體無法覆蓋高昂的運營成本。雖然他也表明會在今年1月份推出全新的平臺，但從透露的信息來看，新平臺已不會有需要大量算力的AI圖片生成功能了。
那么，什么樣的企業(yè)，才是這波浪潮的“寵兒”？
首先，無疑是掌握核心前沿技術(shù)的行業(yè)引領(lǐng)者。全球TOP3的人工智能研究機構(gòu)，都在各出奇招、爭奪AIGC主導(dǎo)地位。
OpenAI是文字生成領(lǐng)域的領(lǐng)航員。不光吸引了“生成對抗網(wǎng)絡(luò)之父”Ian Goodfellow加盟，還早早獲得了微軟的10億美元投資。從GPT到GPT3.5，OpenAI不斷迭代，也不斷帶給行業(yè)驚喜。這一次的ChatGPT更加獲得了微軟的認可。而通過開放GPT-3受控API的模式，OpenAI也將賦能更多公司和創(chuàng)業(yè)者。
DeepMind是通用型AI的探路人。2016年，AlphaGo擊敗人類圍棋的最高代表韓國棋手李世石，Go背后正是谷歌旗下的DeepMind。但DeepMind的目標并不是下棋，而是通用型AI，比如能預(yù)測蛋白質(zhì)結(jié)構(gòu)的AlphaFold、能解決復(fù)雜數(shù)學(xué)計算的AlphaTensor等等。但這些AI始終面臨著一個瓶頸，即無法像人類一樣進行“無中生有”的創(chuàng)作。
這兩年，DeepMind終于向通用型AI又推近了一步。在對話機器人Sparrow、劇本創(chuàng)作機器人Dramatron等背后的語言大模型中找到靈感，構(gòu)建了會聊天、會干活、會玩游戲的Gato。
Meta在加速AI的商業(yè)化落地。重組調(diào)整AI部門，將其分布式地下放到各實際業(yè)務(wù)中，而FAIR被并入元宇宙核心部門Reality Labs Research，成為新場景探索者的一員。
也許同行相輕，Meta首席人工智能科學(xué)家Yann LeCun對ChatGPT的評價并不高，他認為從底層技術(shù)上看，ChatGPT并不是什么創(chuàng)新性、革命性的發(fā)明，除了谷歌和Meta，至少有六家初創(chuàng)公司擁有類似的技術(shù)。
當被問及Meta的AI愿景時，LeCun為FAIR畫下了“生成藝術(shù)”的大餅。他提出，F(xiàn)acebook上有1200萬商鋪在投放廣告，其中多是沒有什么資源定制廣告的夫妻店，Meta將通過能夠自動生成宣傳資料的AI幫助他們做更好的推廣。
其次，另一類寵兒，則是押對應(yīng)用場景的企業(yè)們，在“繪畫”之外吸納了不少資本支持與人才投入。
在所有內(nèi)容生成式AI中，輸出文字和音樂的已經(jīng)先一步找到了財富密碼。最早出現(xiàn)的AI生成文字在遍歷了寫新聞稿、寫詩、寫小劇本等頗受關(guān)注的應(yīng)用方式后，終于在營銷場景找到了能夠穩(wěn)定變現(xiàn)的商業(yè)模式，成為寫作輔助的效率工具，幫助從業(yè)者寫郵件、文案、甚至策劃。專注于音樂的LifeScore，則讓人工智能學(xué)會了即時編曲，按照場景、長度的需要，組織藝術(shù)家同事人工創(chuàng)作、演奏的音樂素材，在人類的創(chuàng)作流程中找到了自己的位置。
能夠互動的聊天機器人，則在客服和游戲這兩個相去甚遠的行業(yè)分別“打工”。區(qū)別于當下只會提供預(yù)設(shè)問題解答，有時還會答非所問的“智能客服”，真正的AI需要結(jié)合用戶的行為和上下文來理解人類的真正意圖。在游戲領(lǐng)域，AI則被用來協(xié)助人類，高效地創(chuàng)造內(nèi)容豐富、體驗良好的游戲內(nèi)容，從而延長用戶的游戲時間。
顯然，寵兒是少的。而經(jīng)歷了過去一年多“科技股大回落”后，投資者們也謹慎一些了，當下的AIGC雖然很好，但等大模型出來也許更香。

大模型，也許是企業(yè)比拼的護城河
模型是人工智能的靈魂，本質(zhì)上它是一套計算公式和數(shù)學(xué)模型?！皡?shù)”可以看做是模型里的一個個公式，這意味著，參數(shù)量越大，模型越復(fù)雜，做出來的預(yù)測就越準確。
小模型就像“偏科的機器”，只學(xué)習(xí)針對特定應(yīng)用場景的有限數(shù)據(jù)，“舉一反三”能力不足，一些智能產(chǎn)品被用戶調(diào)侃為“人工智障”的情況時有發(fā)生。
大模型就是參數(shù)量極大的模型，目前業(yè)界主流的AIGC模型都是千億級、萬億級參數(shù)量的水平。通過學(xué)習(xí)各行各業(yè)各類數(shù)據(jù)，除了能給出相較于小模型更準確的預(yù)測結(jié)果之外，它也展現(xiàn)出了驚人的泛化能力、遷移能力，產(chǎn)出內(nèi)容質(zhì)量更高、更智能，這也是當前AIGC工具讓人眼前一亮的原因。
而大模型的快速發(fā)展，對行業(yè)發(fā)展起到了明顯的推動作用。例如ChatGPT是基于GPT-3模型進行優(yōu)化所產(chǎn)生的，引領(lǐng)AI繪畫發(fā)展的DALL·E 2也離不開GPT-3的貢獻。類似的還有Deepmind的Chinchilla、百度的文心大模型等等。
大模型，很大概率是行業(yè)淘汰與否的判斷要素。
首先，訓(xùn)練數(shù)據(jù)量大，OpenAI為了讓GPT-3的表現(xiàn)更接近人類，用了45TB的數(shù)據(jù)量、近 1 萬億個單詞來訓(xùn)練它，大概是1351萬本牛津詞典。
GPT-3 訓(xùn)練數(shù)據(jù)集一覽
這就帶來了兩個問題：巨大的算力需求與資金消耗。訓(xùn)練和運行模型都需要龐大的算力，有研究估測，訓(xùn)練 1750 億參數(shù)語言大模型 GPT-3，需要有上萬個 CPU/GPU 24 小時不間輸入數(shù)據(jù)，所需能耗相當于開車往返地球和月球，且一次運算就要花費450萬美元。
國內(nèi)也不例外。目前國內(nèi)自研的大模型包括百度的文心大模型、阿里的M6大模型、騰訊的混元大模型，針對中文語境，國內(nèi)廠商的表現(xiàn)要比國外大廠要好得多。而且國內(nèi)的大模型發(fā)展速度也很驚人。
采用稀疏MoE結(jié)構(gòu)的M6大模型，2021年3月僅1000億參數(shù)，3個月后就達到了萬億級，又過了五個月模型參數(shù)達到了十萬億級，成為全球最大的AI預(yù)訓(xùn)練模型。混元模型也是萬億級別，成本大幅降低，最快用256張卡，1天內(nèi)就能訓(xùn)練完成。而采用稠密結(jié)構(gòu)（可以粗糙理解是和稀疏相比，密度更大）的文心大模型，2021年，參數(shù)規(guī)模達到2600億。2022年，百度又先后發(fā)布了數(shù)十個大模型，其中有11個行業(yè)大模型。
這樣高的研發(fā)門檻，注定目前主流的大模型多由大企業(yè)、或是背靠大企業(yè)的研究機構(gòu)掌握，中小企業(yè)只能望而卻步。因此，大模型，也就成為企業(yè)的“護城河”。
但進行大模型的研發(fā)只是“成功第一步”，還有三個維度的比拼，也非常重要。
一是數(shù)據(jù)資源。有研究表明，到2026年就沒有更多高質(zhì)量的數(shù)據(jù)可以訓(xùn)練AI了。此外，基于現(xiàn)實生活中已有的數(shù)據(jù)來訓(xùn)練模型只能解決一些已知問題，對于一些我們還沒有發(fā)現(xiàn)的、潛在的、未知的問題，現(xiàn)在的模型未必能解決。因此有一些研究人員提出了合成數(shù)據(jù)的概念，即通過計算機程序人工合成的數(shù)據(jù)，一方面補充高質(zhì)量的訓(xùn)練數(shù)據(jù)，另一方面填補一些極端或者邊緣的案例，增加模型的可靠性。
二是綠色發(fā)展。雖然模型越大效果越好，但無限“大”下去并不經(jīng)濟，對自然資源消耗、數(shù)據(jù)資源都帶來巨大壓力。而過高的資源消耗，也不利于平民化普及。
三是應(yīng)用場景。商業(yè)和純理論研究不同，不能拿著技術(shù)的錘子，瞎找釘子，而是要結(jié)合應(yīng)用來發(fā)展技術(shù)。而國內(nèi)廠商要想拿出Stable Diffusion、ChatGPT這樣的殺手級應(yīng)用，還需要更多的思考和努力：
跳出“跑分”怪圈，找到應(yīng)用場景，進行模型“瘦身”，甚至，將模型開源、形成生態(tài)，利用群眾的智慧、為群眾服務(wù)。

尾聲
隨著微軟對ChatGPT的關(guān)注，產(chǎn)業(yè)、投資圈都熱了起來，美股BuzzFeed因為要采用ChatGPT技術(shù)就實現(xiàn)了兩天漲三倍的壯舉；H股、A股也迎風(fēng)而動，不少上市公司也表態(tài)具備技術(shù)積累。
躁動當然是好事兒，科技創(chuàng)新，就是要令人心潮澎湃。我國廣闊的產(chǎn)業(yè)，是應(yīng)用開花的土壤。但與此同時，國內(nèi)的AIGC也存在著隱憂，比如高算力的芯片，如何造出來？
另一方面，科技創(chuàng)新，也要牢記Gartner曲線揭示的規(guī)律：萌發(fā)期→泡沫期→泡沫破裂期→穩(wěn)步發(fā)展期→穩(wěn)定產(chǎn)出期。只有躁動，沒有篤定、沒有低谷時的忍耐，也絕不可能成功的。
適度的泡沫，成為驅(qū)動力；過度的泡沫，也許會劣幣驅(qū)逐良幣。但至少目前，我們和海外相比，幾乎在同一起跑線，值得充滿熱情的期待。
來源：遠川科技評論

*博客內(nèi)容為網(wǎng)友個人發(fā)布，僅代表博主個人觀點，如有侵權(quán)請聯(lián)系工作人員刪除。