起源|Greylock
OneFlow 社区编译
翻译|胡燕君、贾川
预报了一整年的 GPT- 4 迟迟没来，人们猜测 OpenAI 是不是要跳票了，更何况他们之前的得意之作 DALL- E 也被开源 Stable Diffusion 打了个措手不及，再不来点深水炸弹业界位置危矣。
不过，就在大家认为往年 OpenAI 将以寂静开场时，聊天机器人模型 ChatGPT 横空出世，让人们看到了 AI 的更大创造力，聚光灯也再度打到了 OpenAI 的身上。
往年 9 月，LinkedIn 联结创始人 Reid Hoffman 与 OpenAI 首席执行官 Sam Altman 进行了一场对话，而肩负着雄伟使命且极富远见的 Altman 就曾预言：AI 行将迎来下一个倒退阶段。现在，大型语言模型越来越先进，也呈现了能够实现文本 - 图像互相转换的多模态模型，一些 AI 利用还可令科学家锦上添花。在他眼中，AI 是一个能够孵化出有数工具，推动各行各业后退的根底平台。
随着 AI 行业的不断进步，AI 利用不再只是充斥着行业热词的纸上我的项目，曾经倒退为成熟的工具，助力多个行业的生产服务，也必将催生出有数新企业。
各种 AI 工具已显现出微小的日常利用后劲，能够实现人类的各种想法，改善人类的工作形式，比方由 Stability.ai 公布的开源 Stable Diffusion 模型，Microsoft 和 OpenAI 联结打造的 AI 编程工具 Copilot，OpenAI 开发的语言生成模型 GPT- 3 和图像生成平台 DALL- E 以及爆火的聊天机器人模型 ChatGPT。
Sam Altman 还示意， 5 年后，咱们应该不会再应用 Transformer 模型了。尽管 Transformer 很好，但他心愿到时候会有比它更好的货色呈现，一直冲破翻新很重要。在他看来，AI 能够帮忙人类发明出前所未有的新利用，这将是人类的微小的提高和胜利，是真正的科技反动。
从大模型的商业化机会、AI+ 利用再到 AI 倒退方向，Sam Altman 在这场对话中分享了本人的见解。以下为对话内容，由 OneFlow 社区编译。
1
大模型的商业机会
Reid Hoffman：很多大型模型都通过 API 凋谢应用，可能衍生什么商业化机会？
Sam Altman： 当初，语言模型曾经能够很好地利用到文案写作和教育服务畛域，我置信将来几年内，语言模型会更加弱小，将能与 Google 这一价值万亿美元的搜寻产品一较高下。语言模型的利用将会扭转咱们的日常生活。
以前，大家都在调侃聊天机器人，其实它很有价值，只是过后的技术还不能满足需要。当初的聊天机器人更加成熟，简直能够达到人类程度。聊天机器人能够用于医疗服务行业，提供征询和教育服务，这方面将能催生出大型企业。
我置信，不久之后会呈现多模态模型，这又将关上新场面。当初，人们能够间接用自然语言命令计算机为你实现你想做的工作，例如 DALL- E 图像生成工具和 Copilot 编程工具，都是用户向它们输出自然语言形容，而后工具主动生成用户想要的货色，用户还能够一直迭代批改本人的形容，直至工具给出称心的输入。
相似的 AI 利用形式会成为大趋势，能够孕育出许多大型企业。弱小的 AI 模型能够成为孵化各种 AI 利用的平台，就像智能手机的呈现催生出泛滥 APP 一样，它们的共同点都是能够制作有数的商业机会。
Reid Hoffman：既然大家都能够通过 API 应用大型模型，作为 AI 企业，怎样才能使本人怀才不遇，开拓本人独特的商业门路？
Sam Altman：未来应该会呈现几个大型的根底模型，开发人员都将基于这些根底模型研发 AI 利用。但目前的状况仍然是某一家公司开发出一个大型语言模型，而后凋谢 API 供别人应用。
我认为，未来在根底模型和具体 AI 利用研发之间会有一个中间层：呈现一批专门负责调整大型模型以适应具体 AI 利用需要的初创企业。能做好这一点的初创公司将会十分胜利，但这取决于它们能在“数据飞轮”上走多远。（数据飞轮：应用更多数据能够训练出更好的模型，吸引更多用户，从而产生更多用户数据用于训练，造成良性循环。）
我对初创企业训练模型的能力持狐疑态度，未来承当模型训练角色的应该不会是初创公司，但这些企业能够在上述的中间层角色中施展微小价值。
Audience Member：将来会不会呈现垂类 AI 初创公司，专门为具体产业调整根底模型？提醒词工程（Prompt Engineering，批改向 AI 输出的工作形容，使 AI 的输入后果更合乎用户的需要）未来会不会成为企业的外部职能？
Sam Altman：五年后咱们将不再须要提醒词工程，或者只需在这方面做大量工作。 未来的 AI 零碎不会因为增补了某个特定词就会产生截然不同的输入，而是能够较好地了解自然语言，用户只需以文本和语音模式输出指令，即可让计算机实现图像生成、材料钻研、心理咨询等简单工作。
总的来说，用户只须应用自然语言就能够与计算机交互，当然，如果艺术家能想出更有创造性的形容，也天然就能够生成更好的图像。
2
“AI+”时代：AI for Science、元宇宙
Reid Hoffman：在迷信畛域，AI 模型能够施展什么作用？
Sam Altman： 当初科学界对 AI 的利用分为两种。一种是将 AI 工具间接用于迷信目标，如 AlphaFold（用于蛋白质构造预测），它们能够发明微小价值，置信将来会呈现有数这样的工具。
另一种是将 AI 工具用于晋升科研工作效率，如帮科学家和工程师找到新钻研方向、写代码等。Copilot 编程工具就是一个例子。但 AI 工具的能力远不止于此。上述两种 AI 利用将会大大推动科技后退。
此外，目前科学界也在摸索对 AI 的第三种利用形式——让 AI 成为能够“自我改良”的科学家。这件事件既有益处也有危险。
好的一面是，能够利用 AI 将人类的工作内容自动化，教会 AI 做任何人类能够做的事件：摸索新迷信、提出实践解释、验证、思考等，或者还可借此解决困扰人类已久的“AI 对齐问题（Alignment Problem）”（即如何让 AI 零碎的指标合乎人类的价值观）。危险在于，有人放心懂得“自我改良”的 AI 有可能会像科幻小说刻画的那样，擅自改变代码或批改优化算法。
我坚信，真正有利于促成人类和经济的前行的，是一个可能推动迷信提高的社会架构。咱们能从这样的社会架构中获益很多。
Audience Member：像 GPT- 3 这样的根底模型会如何影响生命科学钻研的步调？生命科学钻研中有没有一些技术手段无奈克服的限度因素，比方自然规律等？
Sam Altman： 目前的可用模型还不够好，不足以对生命科学畛域产生重大影响——不少生命科学家理解这些模型之后都说，它们只能在局部状况下施展些许作用。AI 在基因组学畛域有一些很有前景的利用方向，但目前尚属起步阶段，不过我很看好。我认为这也是市值千亿的巨头筹备进军的畛域之一。
如果 AI 将来真的能够让医药公司的研发速率进步几百倍，那无疑会产生深远的影响。不过如你所说，生物学的自有法则仍在，新药的临床验证须要工夫，这也是医药研发的速率限度因素。
据我所知，不少合成生物公司借助 AI 发现许多新的研发想法，放慢本人的研发迭代周期，但研发进去之后究竟是要进行测试，这部分工夫无奈缩减。
我认为，医药初创公司最重要的是低成本和疾速的研发周期，有了这两点就有资本参加市场竞争了。所以如果我是一家医药初创公司的决策者，一开始我不会抉择从心脏病这类大难题下手。
此外，如果我是一家 AI 药物研发初创公司，我会在模拟器上多下工夫，因为目前这方面还亟待改善。
Reid Hoffman：你对 AI 和元宇宙怎么看？
Sam Altman： 元宇宙会倒退成一种新的软件容器，就像手机一样，成为一种计算机交互方式。而 AI 则是一场技术反动，所以 问题应该是“元宇宙如何融入 AI 新世界”，而不是“AI 如何融入元宇宙”。 当然，这仅代表我集体的观点。
Audience Member：AI 工具曾经能够辅助人类进行创造性工作，AI 什么时候会从创作者的辅助工具倒退为具备独立创作力的智能体？
Sam Altman： 作为创作辅助工具，AI 既有用也很受欢迎，但目前来看，AI 在大部分的创造性工作上的能力都有待进步，将来很长一段时间内都不能代替人类创作者。可能到 100 年之后，AI 才能够独立实现创造性工作。
十年前，大部分人都认为 AI 取代人类工作的秩序是：蓝领工作（卡车司机等）→低技能的白领工作→高技能的白领工作（程序员等），最初才会（兴许永远不会）取代创造性工作。当初的事实证明，AI 最有可能先取代的反而是创造性工作。
这也阐明，预测将来是很难的，还阐明人类可能不够理解本人，不分明什么类型的技能最难、最须要调动大脑，或者谬误预计了管制身材的难度。
Reid Hoffman：除了 AI 的利用后劲之外，目前大家对 AI 的探讨有没有草率的一面，比方将 AI 用于核聚变钻研？
Sam Altman： 通常而言，如果某个行业取得十分宽泛的社会关注，所有人都在议论它，这可能不是什么坏事，惋惜这恰好是 AI 行业目前的状况，我不心愿这是 AI 行业“垮掉”的先兆。
业内有人正在钻研利用强化学习模型管制核聚变反馈，但据咱们所知，AI 模型在这里施展的作用还十分无限。
咱们当初进入了“AI+”时代，置信 AI 在将来能够实现很多货色，会成为最大的新一代技术平台。但就目前而言，咱们偏向于往更有确定性的方向倒退，比方，业内钻研出了缩放定律（Scaling Law，该定律揭示 AI 模型性能与模型参数、数据、计算量之间的关系），就以此为根底瞻望下一步。
这也是 OpenAI 的运作模式——先做摆在咱们背后的最有信念能胜利的事件，而后分出 10% 的资源进行胜利确定性更低的摸索工作。这种运作形式为咱们带来微小的胜利。
现阶段不应该把重点放在“让 AI 无所不能”上，而是先沿着现有的路线缓缓倒退欠缺 AI，而后留有凋谢摸索的空间——平凡的事物都不是打算进去的，有时重大的冲破诞生于偶尔。
3
AI 的将来倒退方向
Reid Hoffman：将来几年，AI 的倒退方向是什么？
Sam Altman：一个比拟确定的方向是，语言模型的倒退会远超明天的设想。 尽管很多人都说算力和数据都曾经跟不上了，这也是事实，但算法的改良空间仍然很大，还能够带来很大的提高。
第二个方向是多模态模型的倒退。 将来的多模态模型将不局限于文本和图像的相互转换，而是所有模态之间都能够不便地互相转化。
第三个方向是，模型能够继续学习。 目前的模型如 GPT 都停滞在当初训练好的状态，并不会随着应用次数的减少而自我优化。我置信将来能够扭转这一点。
如果上述三点都能实现的话，咱们就能够解锁有数全新的利用场景，实现真正的科技变革，帮忙人类实现科技的飞跃式后退。而且我置信，咱们也有方法利用 AI 推动科研提高和新常识的产生。
我认为，当初普遍存在的一种错误观点是：“尽管语言模型的性能曾经比较完善，还能够利用到图像和视频畛域，将利用智能的边际老本降得非常低，但归根结底，它只是模拟人类做过的货色，不能为人类产生新常识，不能医治癌症，也不能拓展人类已知的迷信畛域。”我置信，AI 的倒退会让持这种观点的人大吃一惊。
Reid Hoffman：AI 将如何影响将来人类的生存？
Sam Altman： AI 终将渗入人类生存的方方面面。将来十年里，智能和能源的边际老本会迅速降落，趋近于零，而智能和能源又是其余各行各业的次要老本起源（当然，奢侈品除外）。[注：Sam Altman 是否提前晓得了美国能源部在 12 月份发表的可控核聚变的停顿？]
整个社会的老本构造都会降落，正如之前屡次科技反动的后果一样。在这种浪潮之下，很少有什么会变化无穷。但有一点很重要，智能和能源老本只是趋近于零，而不是间接降为零。所以未来如果有人仍违心破费巨额投资来购买智能和能源，他们失去的算力和能源的数量将冲破设想。
构想一下，未来的能源应用老本降落 10~100 倍，智能应用老本降落 1 亿倍，而对能源和智能的资金投入则比当初多 1000 倍，那会是什么样的场面？
Audience Member：将来二三十年内，AI 的倒退会带来什么社会问题？如果要防止这些问题，咱们当初能够怎么做？
Sam Altman： AI 的利用会极大影响经济流动。未来咱们须要造成新的社会契约，思考如何偏心地调配财产。AGI 零碎的使用权将会成为一种商品，所以也要思考如何让所有人平等地取得应用 AGI 的机会。还有 AGI 的治理问题：人类如何独特决定 AGI 能够做什么、不能做什么。
我不放心“AI 取代人类的工作之后，人类何去何从”的问题，尽管将来人类的工作会和当初很不一样，但我感觉人类最终都会找到本人称心的事业，过上空虚的生存。真正的难题是财产调配、AGI 使用权和 AGI 的治理问题。
Reid Hoffman：据我所知，OpenAI 也付出不少致力，试图解决 AI 的社会影响问题。
Sam Altman：OpenAI 正在进行寰球最大型的 UBI 试验。（Universal Basic Income，无条件根本支出；Sam Altman 认为，十年后 AI 的生产力能够发明微小财产，足够给每个美国公民每年无条件发放 13,500 美元。）有一个为期五年的我的项目曾经进行到三年半了。UBI 不会是惟一的解决方案，但它是一个不错的做法。
OpenAI 从受 AI 冲击最大的行业中吸取意见，以便制订应答计划；对于那些最先被 AI 取代的劳动者，咱们也尝试利用 AI 帮忙他们学习新技能。咱们还会一直地做相似的事件。
Audience Member：你如何定义 AGI（通用人工智能）？怎么才算实现了 AGI？
Sam Altman： 我了解的 AGI 相当于一个能够共事的普通人，任何近程共事能够通过电脑帮你实现的工作，AGI 也能够做，包含让 AGI 学习医疗常识和写代码等等。
AGI 的重点不在于把握某一种难得的技能，而是领有学习的元能力，而后只有人类须要，它就能够往任何技能方向倒退并精通。 另一个概念是“超级智能”（Super Intelligence），它指的是比全人类加起来还要聪慧的智能。
Audience Member：哪些畛域不会被 AI 影响？
Sam Altman：所有人类深层次的货色都不会被 AI 扭转。作为人类，咱们仍然重视人与人之间的互动分割，人类大脑的处分机制没有变，咱们仍然谋求高兴，领有发明欲和竞争欲，渴望组建家庭……五万年前人类在意的货色，一百年后的人类也会在意。
（本文由 OneFlow 社区编译，译文转载请分割取得受权。起源：https://www.youtube.com/watch…）
欢送 Star、试用 OneFlow 最新版本：https://github.com/Oneflow-In…