OpenAI与科技巨头加速生成式AI商业落地

小Lin说

真正取代人类的不是AI本身，而是率先掌握并使用AI工具的同行。

AI-assisted summary of 人工智能发展到什么程度了？是不是太快了点？ — original source. Check the original for full context.

Source published: 2023-04-22

Detailed notes

## Background 该内容由 Bilibili UP 主“小Lin说”于 2023 年 4 月 22 日发布。视频简介指出，生成式 AI 的浪潮已快速演变为全球范围内的商业竞赛，作者为了跟上时代步伐而制作了本期视频。

## TL;DR 视频梳理了生成式 AI 爆发以来的技术演进与商业竞争，重点介绍了 GPT-4 在多模态识图、回答准确率及标准化考试中的巨大飞跃。同时展现了各大科技巨头的“百模大战”以及开源社区的快速追赶，并盘点了 AI 在搜索引擎、办公套件、多媒体创作和自主 Agent 等领域的落地应用。最后探讨了生成式 AI 的商业逻辑与通用人工智能（AGI）带来的潜在风险，呼吁大众积极拥抱 AI 工具。

## Atmosphere & style 视频整体节奏紧凑且富有感染力，小Lin以其招牌式的幽默风趣和亲和力，将高深莫测的技术变革讲得通俗易懂。面对 AI 令人脊背发凉的进化速度，讲述中既带着对科技突破的震撼与惊叹，也夹杂着对科技巨头激战和 AGI 未来的危机感。整体氛围在严谨科普与轻松调侃之间切换自如，给观众带来一种既吃惊又被深深吸引的观影体验。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=0s) 生成式 AI（Generative AI）与以往的分析类 AI 不同，能够创造全新的文字、图片、代码、声音和视频，标志着 AI 具备了创造力。 - [00:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=0s) GPT-4 相比上一代升级了多模态识图能力，能准确理解图片中的幽默感、常识逻辑并根据网页草图直接生成代码。 - [00:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=0s) GPT-4 的回答准确性和逻辑能力大幅提升，在各类标准化考试中成绩优异，例如美国律师资格考试成绩从倒数 10% 飙升至前 10%。 - [05:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=300s) 由于商业竞争加剧，OpenAI 已不再对外公开 GPT-4 的模型细节、参数量和底层改进，逐渐从早期开源非营利模式转向闭源商业化。 - [05:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=300s) 大模型竞争日益激烈，训练成本大幅降低，如斯坦福基于 Meta 开源的 LLaMA 仅用 600 美元即精调出 Alpaca，预示未来大模型普及的趋势。 - [05:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=300s) 中小企业通常无需从头训练通用大模型，更实用的路径是基于已有基础大模型进行行业数据微调（Fine-tuning）或接入 API 接口。 - [08:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=480s) 大语言模型正在重塑传统搜索引擎，使其转型为具备实时对话与逻辑交互能力的智能助手。 - [08:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=480s) 办公软件正在与大模型深度融合，如 Microsoft 365 Copilot 能跨 Word、Excel、PPT 和 Outlook 自动生成文章、分析数据与制作演示文稿。 - [08:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=480s) 多媒体创作领域迎来爆发，Midjourney、Stable Diffusion 和 Adobe Firefly 等工具使 AI 图像与音视频生成逐步落地到实际生产流程中。 - [08:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=480s) 开源项目 AutoGPT 展示了自主 Agent 的可能性，给它设定宏观目标后能自我分解任务、联网搜集资料、编写代码并自我优化完成任务。 - [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) 生成式 AI 爆发的核心原因在于其具备极高的商业价值与直接变现潜力，促使各大科技巨头倾斜资本、人才和算力展开竞逐。 - [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) AI 的飞速迭代引发对通用人工智能（AGI）和控制权风险的担忧，促使数万名科技界人士联名呼吁暂停比 GPT-4 更强大的 AI 训练至少 6 个月。 - [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) 虽然大语言模型本质上是预测下一个词概率的“超级鹦鹉”，但其高度拟真与推理能力使业界开始探讨其是否展现出 AGI 的早期征兆。 - [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) 面对 AI 浪潮，普通人无需过度焦虑被取代，“真正取代你的不是 AI，而是掌握并使用 AI 的人”。

## Detailed walkthrough Here's a detailed, faithful walkthrough of the transcript:

[00:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=0s) 生成式 AI 浪潮暴发与 GPT-4 的震撼升级

人工智能的发展速度令人脊背发凉。在上一期关于 ChatGPT 的视频发布不到两个月的时间里，整个 AI 市场就发生了翻天覆地的变化。

各大科技巨头纷纷发力，展开了激烈的角逐： * **3月14日**：谷歌（Google）发布了大语言模型接口 PaLM API。 * **3月15日**：OpenAI 紧接着发布了 ChatGPT 的升级版模型 **GPT-4**。 * **随后**：微软（Microsoft）迅速宣布将把 GPT-4 深度融入其 Office 办公全家桶中。 * **3月16日**：百度发布“文心一言”，打响了国内大模型发布的第一枪；同一天，AI 图像生成公司 Midjourney 发布了第 5 版（V5），其图片逼真程度令人惊叹。随后，华为、阿里巴巴、360、商汤等公司也纷纷发布了自己的大模型。

这场变革的关键在于，大家推出的不仅仅是底层基础大模型，而是开始将这些模型逐步落地到实际应用中。马斯克（Elon Musk）早在 2018 年就曾警告“AI 比核武器还要可怕得多”。如今这一发展趋势已势不可挡。

这一波火爆的焦点在于**生成式 AI（Generative AI）**。与以往专注于大数据分析、AlphaGo 下棋或人脸识别等分析类 AI 不同，生成式 AI 能够创造出全新的文字、图片、代码、声音和视频内容，这意味着 AI 已经具备了一定的“创造力”，标志着人类向真正意义上的人工智能又迈进了一大步。

在众多模型中，最受关注的当属 GPT-4（用户付费升级至 ChatGPT Plus 即可使用）。相较于上一代 GPT-3.5，GPT-4 最直观的提升在于**多模态识图能力**（虽然图像输入功能初期仅对 API 接口开放）。它不仅能识别图片中的物体，还具备极强的常识和幽默感： * 当被问到一张图片“搞笑在哪里”时，它能准确指出“把过时的 VGA 接口插到了现代智能手机上”； * 看到有人在出租车后面晾运衣服，它会指出这不太正常； * 看到气球线被剪断的示意图，它能推断出“气球会飞走”； * 甚至只要在纸上画一张极其丑陋的草图，GPT-4 就能直接理解并生成对应的网页代码。

除了看图能力，GPT-4 的**回答准确性**也得到了大幅提升，明显改善了此前“胡说八道”的槽点。在人类的各项标准化考试中，GPT-4 的成绩相较于 GPT-3.5 呈爆发式增长。以美国律师资格考试（Uniform Bar Exam）为例，上一代 GPT-3.5 的成绩仅排在倒数 10% 左右（第 10 百分位），而 GPT-4 则直接飙升至前 10%（第 90 百分位）。此外，GPT-4 还带来了更高的字数限制、更强的违禁内容规避能力以及更低的调用成本。

在短短不到半年的时间里，GPT-4 的表现就实现了从“垫底到优异”、“小学生到大学生”的跨越。网友们也玩出了各种新花样，用它生成 Swift 代码做动画、开发贪吃蛇小游戏、撰写律师函，甚至编写以太坊智能合约。

[00:05](https://www.bilibili.com/video/BV1fs4y1d7ex?t=5s) 百模大战与开源“羊驼”：底层模型的竞争态势

关于 GPT-4 的底层细节、模型改进和具体的参数量，OpenAI 如今已完全不再对外公布。从早期的非营利组织到开源 GPT-2，再到接受微软投资转型为私营公司，面对日益激烈的市场竞争，这些关键信息都已成为商业机密。

尽管 OpenAI 拥有先发优势，但各大厂商都在拼命追赶： * 谷歌推出 PaLM 和 LaMDA； * 百度推出文心一言； * 阿里巴巴推出通义千问； * Meta 推出 LLaMA； * 华为推出盘古大模型； * OpenAI 前员工离职创立的 Anthropic 推出了 Claude。

市场上已涌现出数十个大模型，单是谷歌内部就有七八个相关项目。令人意外的是，训练大模型不再只是科技巨头的专属。斯坦福大学基于 Meta 开源的 LLaMA 模型，仅花费 **600 美元** 就精调出了名为 **Alpaca（羊驼）** 的大模型，达到了与 GPT-3.5 相当的水平，且代码完全开源。这预示着未来可能每个人都能在手机上训练属于自己的大模型。

目前公认最成熟的模型依然是 ChatGPT，但机器学习模型的评估非常特殊。它不同于传统电脑或手机可以通过拉出硬件参数来进行等级划分；大模型内部具体的生成逻辑难以透视，仅仅对比企业声称的“几百亿、上千亿或上万亿”参数量并不一定准确。 평가大模型最直观的方法就像评估学生的能力一样，需要通过实际的“赶考”测试来判断。未来很可能会诞生专门负责对各大 AI 模型进行评测和等级划分的“金融级”评测机构。

对于绝大多数中小企业而言，从头训练一个通用底层大模型（如彭博社 Bloomberg 耗费巨资训练的金融大模型 BloombergGPT）在成本上并不现实。更通行的做法是基于已完成“通识教育”的基础大模型，引入行业专属数据进行二次微调（Fine-tuning），或者直接调用大模型的 API 接口，将其融入到自身的产品与服务中。这种强大的可延展性，使得生成式 AI 正迅速渗透至各个行业。

[00:08](https://www.bilibili.com/video/BV1fs4y1d7ex?t=8s) 生成式 AI 的四大应用落地方向

**1. 搜索引擎（Search）** 微软将 ChatGPT 深度融入 Bing 搜索引擎（New Bing），谷歌将 LaMDA 和 PaLM 模型融入 Bard，此外还有 Perplexity、Neeva（及 You.com）、百度、360 等，传统搜索引擎正在转变为能够进行实时对答和逻辑交互的智能机器人。

**2. 办公套件（Office & Productivity）** 大语言模型最擅长组织语言和上下文总结。Notion 在 2023 年初接接入 ChatGPT 并推出 **Notion AI** 后一炮而红。手握 Office 和 ChatGPT 两张王牌的微软则在 3 月 16 日正式推出了 **Microsoft 365 Copilot**，将 GPT-4 无缝嵌入 Excel、Word、PowerPoint 和 Outlook 等软件中： * 在 Word 中可根据 OneNote 的笔记自动生成文章与总结； * PowerPoint 能自动将文本转化为格式精美的 PPT 演示文稿并添加动画效果； * Excel 可以直接解读复杂数据，回答用户的提问并自动生成分析报告。

尽管官方演示视频非常震撼，但现实中 AI 的实际落地能力尚未达到“一键全搞定”的完美程度，但其蕴含的巨大潜能毋庸置疑。甚至已经有企业尝试让 AI 担任管理层——2022 年 8 月，网龙网络公司任命虚拟数字人“唐玉”出任公司轮值 CEO，成为一个无处不在、随时响应的管理终端。

**3. 多媒体与艺术创作（Multimedia Generation）** 除了文本，图像与音视频生成同样迎来爆发： * **图像生成**：以 Midjourney（V5）、OpenAI 的 DALL-E 2 和 Stable Diffusion 为代表。图像巨头 Adobe 也推出了 **Adobe Firefly**，将 AI 图像生成与传统图像处理结合，支持输入指令将图片环境变为“雪景动态场景”、替换灯塔样式、更换手表表带材质或为草地加上小河。 * **视频与音乐生成**：Runway 等工具已支持“文字/图片转视频”；音乐领域则可根据风格、节奏和 Key 自动创作乐曲。AI 在几个月前画手指还会出现严重畸变，而如今细节已大幅改善，未来影视、音频创作中必将有大量 AI 的深度参与。

**4. 垂直行业应用与自主 Agent** * **金融**：彭博社利用数十年的海量金融数据和 500 亿参数训练出 BloombergGPT；同花顺等国内金融信息平台也积极布局 AI，推动资本市场股价翻倍。 * **自主机器人（AutoGPT）**：在 GitHub 上极度火爆的开源项目 AutoGPT 展示了全新的交互范式。它接入 GPT-4 接口，并赋予其编程、网络搜索和长期记忆能力。用户只需设定一个宏观目标（例如“帮我搭建一个能持续赚钱的生意”），AutoGPT 就会通过自我提问、分解任务、上网搜集资料、编写代码并不断自我优化，尝试全自动实现目标。 * **教育与电商**：多邻国（Duolingo）接入 GPT-4 推出虚拟语言导师 **Duolingo Max**；Shopify 接入 ChatGPT 协助商家自动撰写商品详情；GitHub Copilot 则成为了程序员必备的编程神器。

[00:14](https://www.bilibili.com/video/BV1fs4y1d7ex?t=14s) 商业逻辑与 AGI 风险探讨

许多人可能会质疑：“大语言模型不就是一个经常犯错的聊天机器人吗？”但从底层逻辑来看，生成式 AI 的出现是一次极其深远的变革。这类似于互联网刚刚诞生时，人们最初只觉得“看新闻更方便了”，却无法预料到随后孕育出的社交网络、电子商务和直播带货等巨无霸生态。生成式 AI 创造了海量的可能性，未来极有可能诞生高度了解个人喜好、24 小时在线的专属 AI 助手。

与以往“雷声大、雨点小”的元宇宙（Metaverse）、AR/VR 技术相比，生成式 AI 之所以爆发得如此迅猛，核心在于它**眼下就具备巨大的商业价值与极高的变现潜力**。正因为如此，微软等巨头才会全力催促 OpenAI 推进商业化，各大厂商哪怕产品尚未完善也必须强行推出试用版或公布战略布局。百度 CEO 李彦宏也在发布会上坦言了选择在此时推产品的原因。如今全球所有的资金、人才和算力都在向 AI 领域倾斜。

随着迭代加速，AI 带来的潜在风险也引发了前所未有的恐慌，尤其是对 **AGI（通用人工智能）** 的担忧： * 马斯克曾预测人工智能可能在 2025 年之前超越人类； * 3 月 22 日，微软发表了一篇长达 155 页的重磅论文，标题直指《通用人工智能的火花：GPT-4 早期实验》（*Sparks of Artificial General Intelligence: Early experiments with GPT-4*），认为 GPT-4 已展现出 AGI 的早期征兆； * 同在 3 月 22 日，一封呼吁暂停训练比 GPT-4 更强大 AI 至少 6 个月的公开信发表，包括马斯克在内的数万名科技界人士（已有超 24,000 人）联合签名。

虽然这场商业竞争不可能因一封公开信而停下脚步，但 AI 的底层逻辑本质上依然是基于上下文推测下一个词概率的“词语接龙”游戏。AI 本身并不理解文本含义，本质上是一个模仿能力极强的“超级鹦鹉”。然而，当这只鹦鹉能够近乎完美地回答所有问题时，它是否会逐渐产生自主意识并演变为真正的 AGI，依然是整个行业探讨的焦点。

对于普通人而言，过度焦虑被 AI 替代并无意义。“真正取代你的不是 AI，而是掌握并使用 AI 的人。”积极了解并使用这些工具来辅助工作，才是应对这场浪潮的最佳方式。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=0s) AI 比核武器还要可怕得多 — 马斯克

> [00:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=0s) 把过时的 VGA 接口插到了现代智能手机上 — GPT-4

> [05:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=300s) 羊驼

> [08:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=480s) 一键全搞定

> [08:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=480s) 唐玉

> [08:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=480s) 帮我搭建一个能持续赚钱的生意

> [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) 看新闻更方便了

> [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) 雷声大、雨点小

> [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) 通用人工智能的火花：GPT-4 早期实验 — 微软

> [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) 词语接龙

> [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) 超级鹦鹉

> [14:00](https://www.bilibili.com/video/BV1fs4y1d7ex?t=840s) 真正取代你的不是 AI，而是掌握并使用 AI 的人 — 小Lin

## Mentioned 小Lin说, OpenAI, ChatGPT, GPT-3.5, GPT-4, Google, PaLM API, LaMDA, Bard, Microsoft, Office, Microsoft 365 Copilot, New Bing, Baidu, 文心一言, Midjourney, Huawei, 盘古大模型, Alibaba, 通义千问, 360, SenseTime, Elon Musk, Meta, LLaMA, Anthropic, Claude, Stanford University, Alpaca, Bloomberg, BloombergGPT, Notion, Notion AI, Perplexity, Neeva, You.com, 网龙网络公司, 唐玉, DALL-E 2, Stable Diffusion, Adobe, Adobe Firefly, Runway, 同花顺, AutoGPT, Duolingo, Duolingo Max, Shopify, GitHub, GitHub Copilot

## 弹幕氛围 (Danmaku mood) — 3600 条 [Source](https://www.bilibili.com/video/BV1fs4y1d7ex)

中文简报

OpenAI与科技巨头加速生成式AI商业落地真正取代人类的不是AI本身，而是率先掌握并使用AI工具的同行。视频梳理了生成式 AI 爆发以来的技术演进与商业竞争，重点介绍了 GPT-4 在多模态识图、回答准确率及标准化考试中的巨大飞跃。同时展现了各大科技巨头的“百模大战”以及开源社区的快速追赶，并盘点了 AI 在搜索引擎、办公套件、多媒体创作和自主 Agent 等领域的落地应用。最后探讨了生成式 AI 的商业逻辑与通用人工智能（AGI）带来的潜在风险，呼吁大众积极拥抱 AI 工具。 OpenAI 推出多模态大模型 GPT-4，不仅具备理解图片幽默感与根据草图生成网页代码的能力，在各类标准化测试中表现亦大幅跃升，例如美国律师资格考试成绩从倒数 10% 飙升至前 10%。 (0:00) 面对白热化的底层大模型竞争，OpenAI 已将 GPT-4 的细节与参数闭源商业化；与此同时，斯坦福大学基于 Meta 开源的 LLaMA 仅花费 600 美元便精调出 Alpaca，预示着行业微调与模型平民化的普及趋势。 (5:00) 生成式 AI 正加速融入各行各业，微软推出深度嵌入 Office 的 Microsoft 365 Copilot，图像与音视频生成不断迭代，开源项目 AutoGPT 更展示了能够自主分解目标并自动编写代码执行任务的全新范式。 (8:00) 生成式 AI 凭借立竿见影的商业变现能力引来全球巨头倾力押注，但随着微软论文指出 GPT-4 展现出 AGI 早期征兆，包括马斯克在内的数万名科技界人士已联名呼吁暂停训练更强大的 AI 系统。 (14:00)

Reading summary

本期节目梳理了以 GPT-4 为代表的生成式人工智能浪潮，指出 AI 正从分析走向内容创造，并迅速演进为席卷全球科技巨头的商业竞争与应用落地，同时其逼近 AGI 的发展速度也引发了对技术失控的行业担忧。 GPT-4 升级与多模态能力突破 (0:00) 2023年3月中旬，AI 行业迎来集中爆发，谷歌推出 PaLM API，百度发布文心一言，而 OpenAI 推出的 GPT-4 成为焦点。与上一代专注分析决策的传统 AI 不同，生成式 AI 具备生产文字、图片、代码等内容的“创造力”。GPT-4 引入了多模态图像识别能力，能够理解草图并编写网页代码、解释幽默梗图的常识逻辑，同时大幅减少了“胡说八道”的现象。在美国律师资格考试中，GPT-4 的成绩从 GPT-3.5 的倒数 10%（第 10 百分位）跃升至前 10%（第 90 百分位），展现出从初级到专业水平的跨越式进步。百模大战演进与底层模型生态随着竞争加剧，OpenAI 已将 GPT-4 的参数量与模型细节转为商业机密。与此同时，科技巨头纷纷入局追赶，包括谷歌的 PaLM 和 LaMDA、百度的文心一言、阿里巴巴的通义千问、Meta 的 LLaMA、华为的盘古以及 Anthropic 的 Claude。模型训练门槛也因开源而降低，斯坦福大学基于 LLaMA 仅花费 600 美元微调出的 Alpaca 模型，便达到了与 GPT-3.5 相当的水平。对于大多数中小企业，由于从头预训练类似 BloombergGPT 级别的通用大模型成本过高，主流路径已变为调用 API 或在基础模型上结合行业数据进行二次微调。四大应用落地与商业化变现与以往概念超前的技术不同，生成式 AI 展现出立竿见影的商业价值，并迅速在四大场景铺开。在搜索引擎领域，微软 New Bing 与谷歌 Bard 推动搜索转变为对话与推理交互；办公领域中，微软发布 Microsoft 365 Copilot 将 GPT-4 融入 Word、PPT 和 Excel，Notion AI 也大获成功；在多媒体创作方面，Midjourney V5、Adobe Firefly 与 Runway 推进了图像、音视频的指令级编辑；垂直行业与自主 Agent（如 GitHub 上火爆的 AutoGPT）则实现了任务的自动拆解、联网检索与自我迭代，多邻国、Shopify 及 GitHub Copilot 也在教育和代码领域深度应用。 AGI 潜在风险与理性应对伴随模型能力飙升，行业对通用人工智能（AGI）的恐慌与日俱增。微软发布长达 155 页的论文指出 GPT-4 已出现 AGI 的早期火花，马斯克与数万名科技界人士联名签署公开信，呼吁暂停训练比 GPT-4 更强大的 AI 至少 6 个月。从底层逻辑看，大语言模型仍是基于概率推算下一个词的“超级鹦鹉”，并不真正理解语义，但其近乎完美的模仿能力使行业持续争论其是否会催生自主意识。面对浪潮，作者认为普通人过度焦虑替代并无益处，真正的威胁并非 AI 本身，而是掌握并有效利用 AI 工具的竞争者。生成式 AI 已由底层模型角逐全面转向商业应用与生态重塑。尽管关于其是否会突破为自主意识 AGI 的争论尚未定论，但在资本与算力的强力驱动下，技术迭代与产业落地的步伐难以停歇。

Source quotes

[0:00] 马斯克: AI 比核武器还要可怕得多 [0:00] GPT-4: 把过时的 VGA 接口插到了现代智能手机上 [5:00] 羊驼 [8:00] 一键全搞定 [8:00] 唐玉 [8:00] 帮我搭建一个能持续赚钱的生意 [14:00] 看新闻更方便了 [14:00] 雷声大、雨点小 [14:00] 微软: 通用人工智能的火花：GPT-4 早期实验 [14:00] 词语接龙 [14:00] 超级鹦鹉 [14:00] 小Lin: 真正取代你的不是 AI，而是掌握并使用 AI 的人

Original transcript

[0:00] 人工智能发展的实在是太迅猛了迅猛到我都感觉有点急被发凉XGPT刚成了全球大爆款你本来以为这就是个小高潮了吧这生成是AI的发展就好像天马流星拳一样鸡鸡鸡往你脸上砸我上一期聊XGPT那视频发的还不到俩月这AI市场就发生了一个天翻地覆的变化你可见小林视频的影响力是不是还3月14日谷歌发布大原模型接口POM API但仅仅一天后3月15号OpenAI就发布了XiaGPT的升级版GPT4紧接着微软就宣布要把GPT4融入到它的办公全家棚里而就在一天之后3月16号百度又发布了文心一言打响了国内大别模型发布的第一枪同一天图片生成公司Made Journey发布了第五版那图像逼真的程度真的是非常逼真的之后啊什么华为阿里360商汤也都纷纷发布了自己的大别模型更关键的是啊现在大家推出的已经不光是这些底层的基础大模型而是开始逐渐把这些模型都加入到应用里边来这个咱们一会儿再细聊这种可怕的发展速度真的是让人又兴奋还有有点担忧马斯克早在2018年就放话了记住我的话AI比核武器还要可怕得多就他具体的问题我们在今天视频最后会讲不管怎么说就你看他现在的发展趋势已经势不可当所以我感觉非常有必要再出一期人工智能的视频就帮助大家其实也是帮助我自己更新一下这两个月内人工智能领域发生的这些变化也顺便聊聊它背后潜在可能一些风险咱说不能掉队了你说是吧今天这段视频我其实不太想去强调或者对比这些公司之间的竞争因为很多东西就确实太早期产品也不够成熟而且很多还在内测阶段非得比出个谁优谁猎其实意义也不大咱就来看一看最近到底有哪些千奇百怪的突破和应用和产品其实吧像人工智能机器学习早就已经挺普遍的了但之前大部分他们是专注在分析类的工作比如说像大数据分析啊什么AlphaGo下棋啊人脸识别等等可这波火的是什么啊叫生成式AIGenerative AI就是能生成全新内容的AI比如说全新的文字啊图片啊全新的代码声音视频等等也就是说AI它已经具有一定的创造力了而且它创造出来的东西吧还真挺像那回事这可就离真正意义上那个人工智能又迈进了一大步咱首先还是先从大元模型来看这里边首先要聊的肯定就是这个GPT4也就是ChatGPT的更新版就是你交的钱升级到叫ChatGPT Plus就可以用这个GPT4了我都已经给他们想好之后的名了什么ChatGPT ProChatGPT MaxChatGPT Pro Max咱之前其实详细聊过ChatGPT也就是GPT3.5它已经几乎可以回答任何问题了也能编程总结等等当然这个准确率还不能保证那这个GPT4有什么升级呢最明显的升级就是它能看懂图了不光是说我只能识别这个图里的物体关键是它还特别有常识而且还有一点幽默感就比如你问他这张图搞笑在哪他就告诉你你把一个过时的VGA接口插到了一个现代的智能手机上这张图有什么问题他就告诉你说有个人在出租车后面运衣服这不太正常我把这线剪断会怎么样他就告诉你说这气球就会飞了你要是给他画这么个破草图让他给你做个网页GPT4就能生成代码这网页肯定不能很成熟了但是他已经能看懂你画在纸上那个极其丑陋的草稿了这是不是还挺可怕的我再给大家提个醒就是你现在不是交了钱升级到那个Plus就已经能用GPT4了吗但其实他现在还没开放那个图片输入的功能就那个只对API接口开放你别问我是怎么知道的除了图片输入Chash GPT还有一个很大的升级就我们知道它其实之前最大的一个槽点就是它经常胡说八道也就是说准确率不高那这版GPT4呢它回答的准确性也得到了大幅加强你要让GPT3.5GPT4同时去参加就是我们人类的那些考试这张图里蓝的就是上一代的那个百分比而绿的部分呢就是这次这个GPT4高出来的部分你看啊大部分考试都多少少有所提升这里头最明显的就是美国那个律师考试上一版还只能排在最差的10%里头这版的GPT4已经能排到前10%了除了这两点GPT4还有一堆改进像什么更高的自数限制更好的去规避违禁内容降低成本等等这我们就不展开讲了你可能对这个ChaiGPT它回答问题的能力已经见怪不怪了但这次这个GPT4大家就玩得更花像什么生成Swift代码做动画做贪吃蛇小游戏生成律师函生成以太坊的智能合约等等关键是就这些产品的提升发生在仅仅不到半年之内考试分数就已经能从垫底变到优异从小学生变成大学生了你想想它要再发展个两年能变成什么样估计很有可能就能超过大部分的什么人类或者专家了 [5:00] 至于这个GPT4它为什么能发展的这么快它模型上怎么改进它用了多少参数现在这个OpenAI它已经完全不公布了之前它是个非盈利组织嘛你看那GPT2甚至都是开源的微软投资之后呢就完全变成一家私营公司了像市场竞争那么激励这些还都是商业机密那我就什么都不说了甚至连参数量我都不告诉你大语言模型上OpenAI的这个GPT4它肯定是有先发优势但是各大其他厂商都拼了命的想赶上这班车只要有能力的都去训练自己的大模型比如说谷歌的PALMLAMDA百度的文心一言阿里的通义千问META的这个LAMA我不知道怎么读哈华为的盘古还有OpenEye有前员工自己出来做的Cloud等等市场上已经出现了几十个大模型光谷歌就七八个但你也别以为这个东西这么贵就只有那些巨头公司才能干斯坦福大学基于META的大模型用了600美元只有600美元就精调出了自己的大模型叫做羊驼Alpaca也可以叫草泥就达到了和GPT3.5类似的水平而且它的代码还是开源的可能很快之后每个人都能拿手机训练自己的大模型了但这些模型具体谁好谁坏呢其实也很难说现在看来啊大家普遍认为还是ChatGPT相对来讲更成熟一些但你看这玩意发展的这么快你指不定半年之后又有什么天翻地覆的变化呢就每家都说自己有一些独特的地方这个正是机器学习它训练出来模型一个非常大的特点就是你很难像对比什么手机电脑至少你先拿个参数拉出来看一看能有个大概的分级大元模型这玩意你也不知道它里边具体的那个生成的逻辑你最多就能拿参数量来比一比是几百亿上千亿还是上万亿但这个也不一定准而且这东西都是企业说多少是多少你也不知道真的假的这个有点像你去评价一个学生的能力你要是去看他读了多少本书看了多少小时确实可能有点参考价值但最直观的咱也都熟对吧大元模型也一样你还是得通过自己赶上测试来判断他厉不厉害所以我就也简单试了几个我能拿到AXS的模型为了方便大家阅读我就都用中文跟他对话了大家可以暂停看一下感兴趣的话就我觉得吧之后估计还会有一个AI的评测机构就专门负责测这些模型然后给他们评级就像那种金融评级机构似的因为你想谁没事把这所有模型都拿出来自己测一遍是吧好咱们刚聊的这些其实都是那些底层的大模型他们追求的就是那种通用性就像小孩都学的这种通识教育但是你要想训练某个专业领域的人工智能当然你也可以自己训练比如有些那种财大气速的公司像金融巨头Bloomberg他就这么干了但中小公司肯定没这个实力那他们就可以基于现在已经训练好的这些大模型来进行一个二次训练就相当于你把刚刚上完通识教育那个小孩给拉过来根据自己的数据再给他上几年专业课让他变成这个专业的专家或者你就干脆调用这些大模型的API接口把它变成自己服务的一部分就是它的可延展性其实是非常强的就再往后它就不是说你简单聊聊天给你生成几张美女图片那么点事关键呢就是它潜在的应用范围是非常之广的就很可能渗透到整个市场这个其实就是为什么XGPT还有谷歌那个POM它开放API接口其实是个非常重大的事情那咱来看一看目前它的一些应用方向最典型的例子就是搜索这个我相信大家都熟你看微软就把XGPT融入到它的搜索引擎并里头现在叫New Bing谷歌就把Lambda模型和POM模型都融入到了Bard里头就差不多也算半个搜索工具了除此之外还有像什么U.com 百度 360等等这就相当于一个传统的搜索引擎变成了一个可以能跟你这么对答对话的机器人了这个我们讲XGPT那期详细聊过就不展开讲了那还有一个非常适用的领域就是办公你想大语言模型它最擅长的就是组织语言那你工作的时候让它帮你组织个上下文写写总结改改语法错误什么这些肯定都是我们能想到最直观的应用比如说Notion它就是个挺大的GPG的软件今年年初就推出了Notion AI之后一炮走红它其实就是把ChatGPT给接进来了那你看微软对吧同时手握着Office全家桶和ChatGPT两大王牌很自然的在3月16号的时候就推出了Microsoft 365 CopilotGP4就嵌到了像是ExcelWordPowerPointOutlook等等的办公软件里头比如说你在OneNote里边记了个笔记然后你在Word里头就可以让AI帮你自动生成内容和总结好你要是调整好这段文字比较详细了之后这个PowerPoint又自动能帮你生成一个对应的PT格式也都挺好看的而且它自动帮你做点动画什么的像Excel里边你一堆数据你就可以直接问它这是有什么特点能不能给我做一个什么展示报告等等当然咱说的挺悬和畅想的很美妙但以现在的AI的能力它适用的范围肯定还没有达到那么广就不可能像咱刚刚看那个演示视频里边那么神就一键什么都能搞定但还是那句话就它之后的可能性非常之大你说它要是真的能像都那么智能了那 [10:00] 那学我给老板自动回个话帮我把活全干了那多爽那不对那以后老板可能就不需要我了你还别说真的已经有公司让AI去当CEO了去年8月国内有游戏公司网龙就任命他的高管唐玉出任公司的轮值CEO而这个唐玉你看有名有姓的竟然是个数字虚拟人就成了一个无处不在可以随时响应的CEO但至于他到底做了多少事或者做得怎么样还也不太清楚就是挺有意思的事跟大家分享一下说成是AI还有一个应用方向就是图片生成就其实它已经不光是应用层了因为它本身基于的那个模型就已经不是大语言模型了我相信大家可能多多少少都见过AI生成的图片就是你跟它描述一下想想要什么或者你给它一个样片然后它就能生成一个极其逼真的图片或者各种你想要的风格什么迪士尼风格点指风格地加索风格油画等等几秒钟就能出来这些是一些Nate Journey生成出来的图片我不知道你看了是什么感觉反正我第一次看的时候还真挺震惊的现在目前比较主流的除了Midjourney还有OpenAI的Dolly2StableDiffusion等等而我们知道图形处理界的王者是谁呢对就是美图不对不对是PhotoshopAdobe也推出了自己家的图像生成模型叫Firefly它就是把图像生成跟图像处理再一结合那你想象空间就大很多了比如说你把这图片给我变成冬天的你看就好了还是下雪的动态场景这个灯塔我不喜欢你给我换个样给这个手表表带换个材质再给这个手表让它动起来这片草地加上条小河等等吧你看这些效果不是说我们原来完全做不到但你就给一个非常专业的人士也得搞一阵子那AI一下就给你搞定了除了图片生成当然还有视频生成的AI就比如说有个叫Runway的你给它几个字或者给它一张图它就能自动给你生成一段视频当然这个明显没有咱们刚才看图片那么成熟再比如说音乐创作我就可以根据我想要的什么风格呀速度啊key呀来创作我想要的音乐这些多媒体的生成式AI它关键让我震惊的不光是它生成出来的结果而是它进化的速度你比如说两个月之前AI画出来的手指头还是乱七八糟残不忍睹的你看现在就已经差不多了估计再过不了几年咱们看到的很多服务片视频音频可能都是AI创作的了或者至少说会有AI的达量参与好还有一个应用方向就是金融我们刚才提了一嘴金融从业者很熟悉的Bloomberg 彭博人家就用自己数十年海量的数据500亿的参数训练出来的一个金融的专家叫Bloomberg GPT据说测试效果还不错其实国内大量的银行券商也都多多少少宣布自己要接入各种GPT这其中尤其是同花顺它的AI其实布局算比较早的虽然人家公司明面上都说了就是说我们公司的技术跟国际的先进水平还有着比较大的差距但是你看这股票都已经翻倍了可见市场对AI在金融领域的应用有多么看好还有一个在AI全特别流行的算是应用的就叫AutoGPT可能翻译成叫自主机器人我觉得这个还挺有想象力的就它不是一个面对消费者的应用而是一个大牛直接在GitHub上面放了一个开源的项目它就是揭露了GPT4的接口然后就可以做出来一个自主运行的机器人比如说你只要给它个目标打个比方就说你帮我弄个生意让它持续不断地赚钱然后剩下的你就交给这个AUTO GPT就全都搞定了是不是听了有点太神奇了它的原理是什么呢它不是像拆GPT这种直接给你个答案因为我们知道很多情况下GPT说它也不靠谱它其实基本上就是给这个GPT4接上了编程能力搜索能力长期记忆能力等等你就只需要给它一个目标然后呢它就自己问自己问题说应该怎么做然后去执行有什么不懂的或者需要做调研的他就自己上网上去搜然后就通过不断自己给自己提问和优化中间的环节来尽可能的实现你的目标当然我也就只能说个这种皮毛这个其实大家更属于那种办玩票性质的就我也是确实觉得挺火的挺有意思的也就跟大家提一下还有一些其他方向的应用比如教育因为AI非常擅长语言那他不就很适合当虚拟老师教人语言吗像多灵国就揭露了GPT4叫做Dolingo Max还有像电商领域的像Shotify就接入了ChatGPT来帮助商家去写那些详细的产品介绍对了还有编程方向必备的编程神器GitHub Co-Pilot这些都是我个人感觉比较值得了解的一些生成式AI的应用方向当然也欢迎大家在下面留言讨论持续补充可能很多人会觉得这语言模型 [15:00] 要捧那么高吗不就是个聊天机器人吗还经常犯一对错至少我个人认为这还是非常具有颠覆性的首先一对错这个问题随着快速迭代肯定会基本解决掉其实这些大语言模型的出现它是一个非常底层的变革就是AI已经能生成自己的内容这个其实就有点像互联网刚开始出现的时候大家可能就会觉得现在可以在网上看新闻了更方便了可是谁能想到发展到后面会有像Facebook像淘宝微信直播带货等等这些应用就不光是商业价值很大而且确确实实也改变了人们的生活方式所以这个生成时AI它最关键的是它产生了巨量的可能性随便打个比方没准以后就可能出现一个你根据自己的数据训练出来的一个智能助手就它特别了解你的喜好性格还能24小时在线你想这是一个多大的市场是吧当然现在还处在一个非常早期的阶段不过就即使如此你已经能看到这一波AI浪潮有非常大的商业价值你说为什么像元宇宙AR VR这些一直都雷声大有点小的它的可能性也很大跟你说为什么愿景聊得天花乱坠的可是发展起来却没有那么顺利这里边很主要一个原因就是它眼下的商业价值没有那么大你看现在的VR包括所谓的元宇宙商业价值其实并不高可生成是AI就不一样了你就看现在ChayGPT的火爆程度估计OpenAI可能自己也没想到怎么突然就简报市场你看这种眼下就有巨大的商业利益未来还有无限可能的这种商业机会我估计就你我这辈子可能也不一定见那么多个这就是为什么微软玩命催OpenAI就GPT4还没有完全调试好就赶紧推出市场各大厂商可能还非常非常早期就也被迫推出试用版甚至都有一些连产品都还没有呢也得宣布一下自己的布局林彦宏在发布会不就说了吗为什么要现在这个时间点推更关键的是就现在所有的资源所有的人才所有的算力全都涌向了这个方向这发展只会越来越快那它带来的风险到底有多大呢其实很多人在探讨甚至害怕的就是AGI通用人工智能的出现简单来说就是可以全面超过人类有自主意识的人工智能那你说有没有可能像电影里演的那种就是人工智能反过来跟人类产生敌对关系马斯克在2020年的时候又说过了说人工智能可能在2025年之前超过人类3月22号微软甚至还发表了一篇长达155页的论文标题就叫做GPT4出现了通用人工智能的早期征兆而同样是在3月22号一封警告人类不能无节制AI竞赛的公开信发表了出来包括马斯克在内的各界人士联合签名我这两天看已经超过24000人签名了这封公开信就呼吁各大公司暂停训练比GDP4更强的AI至少6个月当然咱们心里都清楚大家不可能因为这封公开信就停止这场AI竞赛不管你是接受还是不接受这波生成是AI的浪潮已经基本是不可逆的了就咱们整个的商业环境也很有可能在几年之内就发生了天翻地覆的变化是不是感觉这波AI浪潮已经有点可怕了其实我刚刚举那两个就算是有点极端的例子就比如说微软那个论文实际上我简单扫力大概意思呢就是说这个GPT4太厉害了问题都答的太好了好到甚至都有点AGI的意思了其实也有很多专家跳出来怼这篇论文就说这也太扯了吧你这就AGI了反正那封公开信呢很多人其实也就去签个名你说这种警告性质的东西是不是有那么点言耸听也不是什么大问题那现在这个AI的风险它到底有多大呢咱之前不也聊过XGPT的底层逻辑吗它说白了其实还是玩词语接龙的一个游戏就是根据前文去猜下一个词的最大概率AI根本不知道它在说什么它只是一个学习模仿能力都极极极强的鹦鹉所以单就以XGPT为代表的这类技术来看它现在还没有那么可怕但是这个现在可能也保证不了几个月那如果这个鹦鹉可以几乎完美无缺地回答所有的问题你怎么知道它不会逐渐形成自己的意识呢是吧当然我肯定不是这方面专家其实我也挺好奇大家是怎么看的就是你觉得类似ChagPT这种它到底能不能产生自主意识甚至达到AGI呢至于很多人会担心这个AI到底会不会取代自己的工作反正我个人的感觉就是你想这么多也没有用我们能做的就是多多了解多试试用用这些AI让它尽可能的帮助我们去完成工作还是那句话取代你的不是AI而是使用AI的人