我对OpenAI，知之甚少

今日总算如常所愿。

在网上，我看过太多关于OpenAI的新闻，见过太多关于OpenAI的剖析，我自己也依据这些新闻和剖析，写过不少关于OpenAI的考虑。

可是，说实话，我并不确认我的考虑对不对。由于我从来没有和挨近OpenAI的人，有过直接的沟通。我对OpenAI，知之甚少。

所以，这次来硅谷，我一个十分重要的方针，便是能约到挨近OpenAI的人。最好是OpenAI的职工。最好最好是OpenAI的前期职工。由于他们，最能了解这家公司怎样兴起。假如能和他们做些深化沟通，就能纠正自己的许多过错考虑。

今日，问道全球的企业家朋友们和我一同，见到了Pieter Abbeel。

（Pieter Abbeel&刘润@硅谷）

Pieter，是加州大学伯克利分校的教授，机器人学习范畴有重要影响力的科学家。他曾担任OpenAI的参谋。要点来了。2016年，他全职参加了OpenAI，是OpenAI最早的10名职工之一。后来，他离任创业。他联合创建的人工智能公司“Covariant”，今日的融资规划，现已超越2亿美金。

这是一个十分可贵的时机。我不由得问了许多问题。Pieter很有耐心肠逐个答复。许多问题的答案，和我想的公然完全不相同。可是很受启示。

当然这些答案，并不能代表OpenAI官方。我想着重一下。下面这些，是Pieter的观念，不是OpenAI的观念。但我仍是想共享给你。期望你能至少多听到一种，或许不同，也或许不对，但至少离OpenAI比较“近”的声响。

好的。咱们开端。

一、AI，是不是过热了？

咱们的第一个问题是：AI，是不是过热了？

是的，Pieter说，AI是过热（Hype）了。

2012年之前，我每天的作业，便是回回邮件，读读论文，教教学。很喧嚣。由于学校外面根本就没有人关怀，AI是什么。

可是，2012年之后，全部都变了。亚马逊的杰夫·贝佐斯约请我，一同评论AI能够做什么，微软的比尔·盖茨约请我，一同评论AI能做什么。一夜之间，一切人都在评论，AI是什么，能做什么。

从这个意义上来说，AI是过热了。

但或许，AI事实上并没有过热。由于，AI并不需求这个“热度”。

你规划了一款虚拟钱银，假如这款虚拟钱银没有“热度”，咱们都不必，它就不存在了。你规划了一款交际软件，假如这款交际软件没有“热度”，咱们都不必，它就不存在了。

可是，假如有人说AI是过热，他们挑选不必，没问题。不必就好了。由于他不必，一点点不影响AI对我的价值。我用。那么，他的生产力就不如我。他会逐步被筛选。

这便是AI的美丽之处。它的价值，不依赖于他人。AI会越来越热。

而这全部，都从2012年开端。

二、这全部，都从2012年开端

为什么是2012年？

Pieter说，假如你走出这个房间，明日就要和或人共享什么是AI，我期望你记住，两个重要的时刻点。

第一个时刻点，便是1956年。

这一年，一些数学家和科学家集合在达特茅斯（Dartmouth），评论未来的核算机是否能像人类相同聪明。他们中心不少人，后来取得图灵奖和诺贝尔经济学奖。

在这次会议上，他们初次把这种幻想中的“机器智能”，命名为人工智能（Artificial Intelligence，也便是：AI）。

因而，1956年，也被称为人工智能元年。

第二个时刻点，便是2012年。

从1956年到2012年之间，AI有什么发展？

用三个字来描述，那便是：没发展（not much works）。咱们尝试了许多方向，但都寸步难行。AI比幻想中难太多了。直到2012年。

这一年，AlexNet横空出世。三位出色科学家，用卷积神经网络技术，让AI对猫狗相片的识别率，初次超越人类。

这三位出色科学家，除了AlexNet姓名里的Alex Krizhevsky（亚历山大·克里切夫斯基）之外，别的两位，一位便是后来OpenAI的联合创始人、首席科学家，llya Sutskever（伊利亚·苏茨凯弗）。另一位便是谷歌副总裁、深度学习之父，Geoffrey Hinton（杰弗里·辛顿）。

他们为人工智能，找到了正确的路途。之后，便是规划的事了（Scaling Law）。参数规划。数据规划。

有意思。

参数规划很重要。数据规划很重要。可是AI学习的大规划的数据，它们的常识产权，应该归谁呢？

三、AI学习数据的常识产权，究竟归于谁？

好问题，Pieter说。

2023年，《纽约时报》申述OpenAI及其投资方微软，称其未经授权，运用了其数百万篇文章来练习AI大模型。纽约时报要求补偿以及毁掉，其运用其版权资料的AI模型和练习数据。

这个指控有没有道理呢？

Pieter说，我以为是有道理的。AI学习你的数据，应该取得你的赞同。假如用AI经过用这些数据练习的模型赚到了钱，也应该分给内容发明者。

为什么？

你花100美元买一本书。然后由于学习了这本书里的常识而赚了钱，是不必把钱分给书作者的。由于你现已付过钱了。你付了100美元。像你这样的人，或许有1000人，或许1万人，乃至100万人。每人付100美元，这位作者就能养活自己，然后持续发明更有价值的常识。

可是，AI不相同。AI学完这本书之后，很或许全人类就不必学了。他们问AI就行了。也便是说，理论上一本书的作者，未来或许只需一位读者，那便是AI。因而，这位作者写一本书，就只能赚到100美元。100美元养不活一位作者。所以人类将会失掉发明常识的动力。而因而，人工智能也再无常识可学。

所以，AI应该给纽约时报分钱，应该给每一位内容发明者分钱。

可是，今日AI还没有这套机制，能算清楚每一条收费的答复中，有多大比率，用了哪些内容发明者的常识。假如这套机制被发明出来，由于过于杂乱，或许会用2美分的核算成本，分给了作者1美分的内容收益，因小失大。

可是，这的确是未来需求处理的一个问题。

了解了这个问题，你就会了解，为什么《纽约时报》会申述OpenAI，却不申述谷歌了。

四、流量生成器

你细心想想，谷歌是不是也抓取了《纽约时报》的内容？

谷歌是查找引擎。查找引擎的作业原理，是先抓取整个互联网的内容（当然包含《纽约时报》），然后剖析其间的关键词，以供用户快速查找。

那么，为什么《纽约时报》会申述OpenAI，却不申述谷歌？

由于谷歌是一个流量生成器（Traffic Generator），而OpenAI不是。

你在谷歌上查找“特朗普本年会中选吗”。出来许多文章链接。其间一篇来自《纽约时报》。你点了进去。谷歌生成了流量，然后易手送给了《纽约时报》。然后，你是在《纽约时报》上，看完这篇文章的。你或许也一起看完了《纽约时报》上的广告。《纽约时报》赚到了钱。

可是，OpenAI不相同。由于OpenAI给用户供给答案时，并不把用户引导回这个内容的源头。发明内容的人做出了奉献却没有报答，而与此一起，OpenAI，以及一切谈天机器人，却因而而获益。

所以，人们会申述OpenAI，却不会申述谷歌。谈天机器人和内容发明者之间的联系，是一个需求处理的问题。

醍醐灌顶。一向以来的困惑，总算被解惑了。

那么，你觉得，美国的AI会一向抢先于我国吗？

五、美国的AI，会一向抢先于我国吗？

Piete说，我以为不会。

作为人类，美国人和我国人之间，并没有本质区别。只需满足尽力，我觉得没有理由，一个国家能够永久抢先于另一个国家。

并且从历史上来说，美国在研制上，或许是更拿手于研制，可探究新方向。可是，一旦“北极星”（North Star）被找到，就到了我国更拿手的部分了。那便是向同一颗“北极星”，拼命奔驰。

现在AI的“北极星”现已被找到。下面的问题，便是更多的数据，和更多的算力了。所以，咱们终究的水平或许会差不多，由所以同一颗“北极星”。

可是，不是传闻，OpenAI现已开宣布更先进的ChatGPT，行将甩一切人一大截，并遥遥抢先了吗？

六、OpenAI，正在憋大招吗？

我不知道。

我现已不在OpenAI作业了。假如我还在OpenAI作业，我或许也不被答应点评此事。

所以，这是我个人的猜想。我猜想，现在OpenAI肯定是抢先的，但或许没有“那么那么”抢先。Anthropic正在迎头赶上。Google正在迎头赶上。在揭露市场上，OpenAI并不“遥遥抢先”。

而OpenAI喜爱坚持“抢先的姿势”。假如OpenAI的确现已有了一个“遥遥抢先”的版别，他们或许现已发布了这个版别，以提示一切人，OpenAI永久是抢先者。

我并不真的知道。我仅仅高度置疑。

别的，最近有不少人从OpenAI离任。假如OpenAI的下一个产品遥遥抢先，他们的职工没有理由激动地参加其他远远落后的公司。

OpenAI肯定是抢先的。可是或许没有“遥遥抢先”。

了解。感谢Pieter。那么，是什么阻挠AI持续取得突破性发展呢？

三个问题。算法、算力，和数据。

七、算法：Transformer，必定是最好的架构吗

2017年，谷歌提出了Transformer的算法架构。这是今日大模型的根底。也是ChatGPT里的“T”。

Transformer模型被证明十分高效。可是，它必定是最高效的吗？我想，在某个当地，必定有比Transformer更高效的模型。咱们对人类的大脑的研讨，仍是不行的。

这是一个开放式问题。由于咱们都在寻觅答案。许多大学都在研讨这个问题。可是今日，谁都没有答案。

再比方，能耗。

八、算力：AI能耗，是人类的上万倍

今日的AI，需求太多的算力。也因而需求太多算力背面的电力。也便是动力。

人类的大脑，耗能只需20瓦。可是今日的GPT，功耗是几万，乃至几十万倍于人脑。

那么，有没有或许，有一天咱们的AI，不是依据“硅”来核算，而是依据类似于人脑的“化学反应”来核算？

这是一个很简单想到的，但却没有人做的工作。由于这不简单。

现在，现已证明规划是有用的。所以，把规划做大，是有确认的成果的。可是从0到1研讨，依据“化学反应”的核算，成果完全不确认。所以没有什么人做。

别的，还有数据。

九、数据：只需考虑成果，没有考虑进程

今日咱们用的一切数据，都是人类“写下来”的。

可是，你仔细想想。人类是不是要先做许多的考虑（thinking），才有或许写下（writing）一些定论？

AI没有看到咱们的考虑进程，它只看到了咱们的考虑成果。所以，或许只需人类把一切考虑的进程都写下来，或许说出来，AI才干依据这些数据，具有真实的“推理”（reasoning）才能。

所以，咱们的数据看上去很大，可是缺失了十分大的一个部分。

十、翻开思想的疆界

算法。算力。数据。

脑洞大开。

2022年11月，这个国际完全变了。这个月，OpenAI发布了ChatGPT 3.5。

ChatGPT 3.5，就像按下了一个“不行撤回”的开关，翻开了一扇从未见过的大门。本来，门外还有比人类更聪明的物种：AI。整个国际为AI而振奋，也为AI的应战而焦虑。

可是，究竟AI会怎样改动这个国际？我很有幸，听到真实的尖端科学家的最前沿考虑。尽管这些考虑，也不必定对。尽管这些考虑，在科学家界也有争议，可是翻开了我思想的疆界。

感谢Pieter。收成巨大。

不论这个国际怎样变，咱们要做的都是去了解这个改变，习惯这个改变，拥抱这个改变，终究善用这个改变。

期望，AI终究能让全人类获益。