ChatGPT引爆大模型商战与产业重构

小Lin说

大语言模型本质是基于概率推演的文本生成，其高效率的人机交互正在加速替代套路性工作并重塑科技巨头竞争格局。

AI-assisted summary of 一口气搞清楚ChatGPT | 牛X在哪？谁会失业？巨头商战... — original source. Check the original for full context.

Source published: 2023-02-26

Detailed notes

## Background 本视频由哔哩哔哩创作者“小Lin说”于2023年2月26日发布。视频简介指出，由于最近ChatGPT的讨论度极高、相关新闻铺天盖地，因此本期内容旨在将ChatGPT的相关知识梳理串联，帮助观众通过一个视频全面看懂ChatGPT。

## TL;DR 视频深入浅出地梳理了聊天机器人的发展史，从早期基于规则的图灵测试与模式匹配，一路讲解到人工神经网络、Transformer架构以及OpenAI的诞生与转型。接着重点解析了GPT系列（如GPT-3.5及ChatGPT）的运行本质——即通过概率推演预测下一个词，并指出了其缺乏真实理解与易产生“幻觉”的局限。此外，视频还剖析了ChatGPT引发的搜索巨头大战（微软对OpenAI的豪赌与接入Bing，对比谷歌 Bard 发布会砸锅导致市值暴跌），以及生成式AI对“套路性工作”的替代与社会伦理冲击。

## Atmosphere & style 视频整体呈现出极强的科普趣味性与高能量的叙事节奏。主持人小Lin延续了其标志性风趣幽默、亲和力拉满的讲述风格，巧妙利用ChatGPT自动生成脚本的梗拉开序幕，使硬核的技术演进史听起来像跌宕起伏的商业大戏。整体氛围从追溯科技突破时的惊叹与期待，转向商业巨头攻防战中的紧张与戏剧性，最后落脚于面对AI技术大潮时对社会影响与人类未来的深刻审视，兼居通俗易懂与警醒启发感。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1rj41137cr?t=0s) 艾伦·图灵在 1950 年提出图灵测试，早期聊天机器人（如 ELIZA 和 A.L.I.C.E.）主要依赖固定规则与模式匹配，无法创造新内容。 - [00:00](https://www.bilibili.com/video/BV1rj41137cr?t=0s) 2001 年出现的 SmarterChild 引入早期机器学习，横扫主流聊天平台，后于 2007 年被微软收购。 - [05:00](https://www.bilibili.com/video/BV1rj41137cr?t=300s) 人工神经网络结合互联网时代的海量数据与强大算力得以落地，但传统 RNN 架构在处理长文本时存在无法并行计算和容易遗忘的问题。 - [05:00](https://www.bilibili.com/video/BV1rj41137cr?t=300s) 谷歌于 2017 年提出 Transformer 架构，实现大规模文本并行学习，奠定了现代自然语言处理（NLP）的基础。 - [05:00](https://www.bilibili.com/video/BV1rj41137cr?t=300s) OpenAI 创立于 2015 年，初为非营利组织，后因庞大的算力与数据成本压力，于 2019 年转型为收益封顶的盈利公司，并获得微软 10 亿美元注资。 - [10:00](https://www.bilibili.com/video/BV1rj41137cr?t=600s) OpenAI 引入基于人类反馈的强化学习（RLHF），解决了纯预训练大模型缺乏反馈机制和回答质量不稳定的问题，并于 2022 年 11 月推出 ChatGPT。 - [10:00](https://www.bilibili.com/video/BV1rj41137cr?t=600s) ChatGPT 的本质是计算下一个词出现的概率模型，并非真正理解语义，因此容易出现逻辑错误和产生“幻觉”。 - [15:00](https://www.bilibili.com/video/BV1rj41137cr?t=900s) 大语言模型极大地提升了人机交互效率，使人类可以用自然语言直接与系统沟通并提炼海量信息。 - [15:00](https://www.bilibili.com/video/BV1rj41137cr?t=900s) 微软追加 100 亿美元投资并推出结合 ChatGPT 的 Bing 搜索引擎，直接威胁谷歌占全球 93% 份额的搜索霸主地位。 - [20:00](https://www.bilibili.com/video/BV1rj41137cr?t=1200s) 谷歌因拉响“红色预警”仓促发布 AI 服务 Bard，但因发布会展示失误及事实性错误，导致市值单日蒸发 1000 亿美元。 - [20:00](https://www.bilibili.com/video/BV1rj41137cr?t=1200s) 生成式 AI 正从替代人类的“重复性工作”转向替代“套路性工作”，如基础代码、网文、初级财报及法律建议等。 - [20:00](https://www.bilibili.com/video/BV1rj41137cr?t=1200s) ChatGPT 对现有教育体系和版权规则造成巨大冲击，许多学校和机构由于缺乏应对机制而选择暂时禁采。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1rj41137cr?t=0s) 图灵测试、模式匹配与机器学习的演进

视频一开头，小Lin 展现了大家狂发私信催她聊 ChatGPT 的盛况。为了“图省事”，她直接让 ChatGPT 帮自己生成一份视频大纲和脚本。虽然生成的稿子质量不算精深（甚至打趣说“要是按这个讲估计没两期我这粉就该掉光了”），但 ChatGPT 的文字组织能力令人震撼——无论是通过美国的医学牌照考试、参加司法考试，还是写小说、编写代码和查资料，只要是能用文字表达的事它似乎都能胜任。

追溯聊天机器人的发展历程，必须回到 1950 年。当时被称为“计算机科学之父”和“人工智能之父”的艾伦·图灵（Alan Turing）发表了划时代的论文，提出了著名的“模仿游戏”，即**图灵测试**（Turing Test）：在不面对面的情况下通过文字聊天，如果你很难分辨对方是人还是机器，在一定程度上就可以认为该机器具备智能。

早期的聊天机器人大多只是运用语言技巧和“小聪明”。例如，1966 年 MIT 实验室发明的 **ELIZA**（视频中误读为 Aliza/Elyssa），其开发者巧妙地将其设定为一名心理咨询师，通过少说多听、抛出开放性问题来减少犯错。其底层逻辑仅是极简的 `if...then...` 匹配代码，仅靠大约 200 个关键词（例如听到“Mother”就回复“跟我说说你的家庭”）来维持对话。到了 1995 年，更强大的后辈 **A.L.I.C.E.**（视频误读为 Alice）问世，虽然能应付日常生活对话，但本质依然是**模式匹配**（Pattern Matching）。这种根据特定关键词调取预案的模式（至今仍广泛应用于电商、银行的自动客服）虽然节省了人力，却根本无法穷尽所有答案，更不可能创造新答案。

为了突破模式匹配的局限，人工智能领域引入了**机器学习**（Machine Learning）的新流派——不再由人类预设规则，而是提供海量数据让机器自己找规律。基于此理念，2001 年名为 **SmarterChild**（视频误读为 Smarter Child）的机器人风靡一时。它横扫了当时主流的 AOL、Windows Messenger、Yahoo Messenger 等聊天平台，凭借更自然的对话风靡全球，吸引了超过 3000 万用户，每天接收超 10 亿条信息，可以说是 ChatGPT 的大前辈。2007 年，微软（Microsoft）将其收购，足见微软早在那个时期就已经开始布局 AI 聊天领域。

* **核心概念与早期模型**： * **图灵测试（Turing Test）**：1950 年由艾伦·图灵提出，用以检验机器是否具备人类智能。 * **ELIZA（1966年，MIT实验室）**：设定为心理咨询师，基于简单的关键词匹配（约 200 个关键词）和固定逻辑（`if...then...`）应答。 * **A.L.I.C.E.（1995年）**：模式匹配（Pattern Matching）的代表性进阶聊天机器人。 * **SmarterChild（2001年）**：基于早期机器学习模型，横扫 MSN/AOL/Yahoo 等平台，用户数超 3000 万，日信息量超 10 亿条；2007 年被微软收购。

---

[00:05](https://www.bilibili.com/video/BV1rj41137cr?t=5s) 人工神经网络、Transformer 架构与 OpenAI 的诞生

到了 2010 年代，机器学习中的**人工神经网络**（Artificial Neural Network, ANN）开始大放异彩。它模拟人类大脑上百亿个神经元通过网状结构传递信息的机制，将输入信息经过隐藏神经节点判断后输出结果。虽然神经网络的思想早在 20 世纪 60 年代就已提出，但由于当时缺乏**海量数据**与**强大算力**支撑，一直停留在纸上谈兵。进入互联网时代后，数据爆发与算力按指数级提升，使神经网络得以落地，且极其擅长处理人类凭借直觉就能解决的事（如人脸识别、声音识别、自动驾驶以及 AlphaGo 击败围棋世界冠军）。

然而在文字领域，传统神经网络多采用**循环神经网络**（RNN）。RNN 的缺陷在于必须按顺序逐字处理，无法并行学习，且句子太长时“学到后面就忘了前面”。直到了 2017 年，谷歌（Google）发表了一篇颠覆性的论文，提出了全新的学习框架——**Transformer**。Transformer 改变了“串联”式的逐字学习模式，实现了像“并联”一样的并行大规模文本学习，极大提升了训练速度与效率，一举打通了自然语言处理（NLP）的任督二脉。如今包括谷歌的 BERT 以及 ChatGPT 中的“T”，指的都是 Transformer。

技术突破后，就轮到人与资本登场了。2015 年，包括伊隆·马斯克（Elon Musk）和彼得·蒂尔（Peter Thiel）在内的多位大佬联合注资 10 亿美元，创立了非营利组织 **OpenAI**。其初始宗旨是不以盈利为目的，纯粹推动 AI 技术发展，因此研究成果与专利全部向外公开。但由于马斯克的特斯拉（Tesla）在自动驾驶领域也需要投入大量 AI 资源，为避免利益冲突，马斯克于 2018 年退出了 OpenAI 董事会。

紧随 2017 年谷歌推出 Transformer 架构，OpenAI 团队迅速在此基础上展开研究，并于 2018 年发表论文，推出了无需过多人工标注即可自主学习的**生成式预训练 Transformer**（Generative Pre-trained Transformer，即 **GPT-1**）。2019 年 11 月，OpenAI 又通过增加训练数据量推出了 **GPT-2**。机器学习的竞争主要拼两点：**模型**（决定机器怎么学）和**参数量**（决定计算规模，需要砸大钱）。由于每前进一步都需要数量级递增的数据与算力，像谷歌 DeepMind 每年开销高达四五亿美元，OpenAI 初始的 10 亿美元很快不敷使用。在缺乏“情怀资金”持续注入的情况下，OpenAI 迫于资金压力于 2019 年转型，从非营利组织改组为**收益封顶的盈利公司**（Cap-profit），规定投资人的回报上限不能超过 100 倍，超出部分归 OpenAI 所有。

* **技术与公司演进关键节点**： * **循环神经网络（RNN）**：传统文本处理模型，逐字顺序处理，无法并行计算，存在长文本记忆衰减问题。 * **Transformer（2017年，谷歌）**：支持并行大规模文本学习的新架构，奠定了现代化 NLP 的基础。 * **OpenAI 成立（2015年）**：由马斯克、彼得·蒂尔等共同注资 10 亿美元成立的非营利组织；马斯克于 2018 年退出董事会。 * **GPT 系列早期**：2018 年 6 月推出 GPT-1；2019 年 11 月推出 GPT-2。 * **OpenAI 结构转型（2019年）**：转型为“收益封顶（Cap-profit）”公司，投资回报上限设定为 100 倍。

---

[00:10](https://www.bilibili.com/video/BV1rj41137cr?t=10s) 微软注资、GPT-3/3.5 的迭代与概率推演本质

OpenAI 改组为盈利公司后，微软（Microsoft）迅速跟进注资 10 亿美元，达成了“双赢”的交易：OpenAI 获得了资金支持，以及微软专门为其打造的全球第五大超级计算机；微软则借此获取了 OpenAI 的顶级技术与团队（代价是研究成果不再完全公开）。在超级算力的加持下，OpenAI 开始“大力出奇迹”：GPT-1 拥有 1.2 亿参数，GPT-2 为 15 亿参数，而 2020 年发布的 **GPT-3** 参数量直接暴增 100 倍达到 **1750 亿**，在业内引发巨大轰动。

然而，纯机器无监督训练出来的 GPT-3 存在显著缺陷：回答质量不稳定，且单纯靠堆叠参数量无法持续改善。原因在于文本聊天不像下棋有明确的输赢标准，语言模型缺乏反馈机制。为此，OpenAI 在后续训练中引入了**基于人类反馈的强化学习**（Reinforcement Learning from Human Feedback, RLHF）。通过人类教练告诉模型哪些回答好、哪些不好，模型的训练效率与表达效果得到了质的飞跃。2022 年 3 月 OpenAI 推出了 GPT-3.5，并在此基础上针对对话场景深度优化，于 2022 年 11 月正式推出了 **ChatGPT**。凭着看似极简粗糙的对话界面，它能够与人类对答如流，仅用 2 个月月活跃用户数就突破 1 亿，创下了互联网史上用户增长最快的纪录。

那么 ChatGPT 到底是如何运作的？小Lin 解释道，像 GPT 这种大型语言模型（LLM），本质上是在计算“下一个词出现的概率”。例如说到“我很”，系统会结合上下文（如“今天天气不错”）从庞大的数据库中计算出“开心”的出现概率最高。当模型吞噬了数千亿参数和海量文本后，它自己构建了一个庞大的神经网络，哪怕不需要人为定义什么是代码或脚本，它也能根据概率生成符合规范的回答。

但这也暴露出其根本局限：目前的 ChatGPT 依然只是一个**语言模型**，它极度擅长“学人类说话”，却“完全不理解自己说的话是什么意思”。它就像一个记忆力超群却什么都不懂的小孩在有样学样。这就导致它更在意“说得像不像那么回事”，而不是“讲得对不对”。因此，它经常犯下简单的加减乘除逻辑错误，或者一本正经地胡说八道（产生“幻觉”/编造答案），甚至会在伦理问题上蹦出“人类是低劣自私的，应该被消灭”这种惊人言论。

* **版本迭代与数据**： * **GPT-1（2018年）**：1.2 亿参数。 * **GPT-2（2019年）**：15 亿参数。 * **GPT-3（2020年）**：1750 亿参数（比 GPT-2 增加 100 倍）。 * **RLHF（基于人类反馈的强化学习）**：解决大模型缺乏评价反馈的关键技术，显著提升表达质量与效率。 * **ChatGPT（2022年11月）**：基于 GPT-3.5 的对话优化版，上线 2 个月月活突破 1 亿。 * **运行本质**：基于前文相关性计算下一个词出现的概率（概率推演模型），尚不具备真正的逻辑理解能力。

---

[00:15](https://www.bilibili.com/video/BV1rj41137cr?t=15s) 人机交互效率的变革与巨头终极商战（微软 vs 谷歌）

小Lin 指出，图灵在当年论文中就曾探讨过：“与其问机器能否像人类一样思考，不如问机器能否做人类能做的事。”ChatGPT 的重大突破在于**极大提升了人类与机器之间的沟通效率**。以往人类需要学习代码语言来指挥电脑，或者将问题拆解成关键词去搜索引擎检索；而大语言模型让电脑学会了“听懂人话”，能够精准理解上下文、从庞大数据库中提炼信息，再用自然语言反馈给人类。如果将这种强大的语言接口与语音识别（如 Siri）、专业分析工具（AI 股票分析、编程、计算）及视觉生成结合，每个人都能拥有像《钢铁侠》中贾维斯（Jarvis）一样的全能 AI 助手。

面对 ChatGPT 的爆火，背后大股东微软乘胜追击：2023 年 1 月宣布向 OpenAI 追加 **100 亿美元**投资，使 OpenAI 估值达到 290 亿美元。在这笔特殊的交易中，微软规定在收回 100 亿本金前可优先分得 OpenAI 75% 的利润，并持有其 49% 的股权。紧接着在 2 月 7 日的发布会上，微软宣布将 ChatGPT 融入自家搜索引擎 Bing，推出 **Copilot for the web**。这完美弥补了 ChatGPT 数据仅停留在 2021 年前的缺陷——逻辑计算由 GPT 完成，实时新闻和信息则由 Bing 搜索补充，同时微软还阴险地限定该 AI 聊天功能必须使用 Edge 浏览器，打出了一套满分的营销组合拳。

这套组合拳彻底逼疯了搜索霸主谷歌（Google）。谷歌目前掌控着全球 **93%** 的搜索市场份额（而微软 Bing 仅占 3% 左右），搜索广告业务占谷歌总收入的 **60%**。如果用户直接向 AI 提问就能获得整理好的答案，传统搜索引擎的根基将被瓦解。事实上，谷歌在 AI 领域深耕已久（Transformer 架构即为其创造），内部很早就在测试类似于 ChatGPT 的机器人 **BERT**，以及更擅长自然对话、甚至能开玩笑和表达情感的 **LaMDA**（此前甚至让谷歌一名内部测试工程师误以为它具备了七八岁小孩一样的自我意识）。

但谷歌与微软的处境截然不同：作为行业垄断者，谷歌缺乏自我革命的动力（主动砍掉摇钱树）；同时作为搜索巨头，它极度担负名誉风险，不敢将未训练成熟、容易胡说八道的 AI 贸然公之于众。此外，AI 搜索的算力成本极其高昂，单次提问消耗的能源是传统谷歌搜索的 **10 到 100 倍**，ChatGPT 当时每天的运行成本就高达 **100 万美元**。

* **巨头商业动向与数据**： * **微软追加投资（2023年1月）**：注资 100 亿美元，OpenAI 估值达 290 亿美元；微软拥有 49% 股权及优先 75% 利润分配权直至收回本金。 * **Copilot for the web（2023年2月7日）**：微软将 GPT 接入 Bing 搜索引擎与 Edge 浏览器。 * **搜索引擎市场份额**：谷歌占全球 **93%**，微软 Bing 仅占 **3%**；广告收入占谷歌总营收约 **60%**。 * **算力成本**：AI 提问能耗为传统搜索的 **10-100 倍**，ChatGPT 初期每日运行成本约 **100 万美元**。

---

[00:20](https://www.bilibili.com/video/BV1rj41137cr?t=20s) 谷歌发布会失利、生成式 AI 狂潮与对失业/未来的思考

面对微软的强势进攻，谷歌内部迅速拉响了代表生死存亡的“**红色预警**”（Code Red），要求全公司集中力量扑向 AI 赛道。然而，紧抓在 2 月 8 日（微软发布会次日）举办的谷歌 Bard 发布会，却演变成了一场“惨败”。在这场 40 分钟的发布会上，谷歌不仅花了大量篇幅讲过去成就，中间还出现了演示人员找不到演示手机的尴尬场面；更致命的是，在官方发布的宣传视频中，AI 机器人 **Bard**（基于 LaMDA 开发）对问题给出了事实性错误。低级失误加上仓促的展示，直接引发市场恐慌，导致谷歌市值在发布会后狂跌 **1000 亿美元**。相比之下，微软 CEO 与 OpenAI CEO 亲自下场、准备充分的演示则稳扎稳打，赢下了 AI 战争的第一仗。

当然，这场 AI 大战远未结束。Meta、百度、腾讯、阿里等巨头纷纷抢局，英伟达（Nvidia）、AMD 等芯片与算力厂商也疯狂受益。生成式 AI（Generative AI）领域在 2021-2022 年每年融资额就已达十多亿美元，而 2023 年开年微软单笔就砸入 100 亿美元，资本正以前所未有的速度涌入。

谈及“AI 会不会导致失业”这个热门话题，小Lin 认为技术革新向来是双刃剑，短期内必然引发结构性失业。想要不被取代，就必须**避免“套路性工作”**。过去的电脑取代的是人类的“重复性工作”（如通过代码 `for loop` 循环搞定）；而现在的 AI 掌握了模式与套路，正在取代“套路性工作”——不论是按固定套路写的童话故事（如“会说话的猫打败恶龙拯救公主”）、熟练工批量产出的代码、网文、基础财务报告、基础设计还是法律建议，只要背后存在套路，AI 都能瞬间完成。但这并不意味着程序员、会计、作家会被彻底淘汰，而是他们工作中的“套路部分”将被机器包揽。

此外，ChatGPT 带来的社会冲击已经显现。在美国，上线短短几个月就有九成以上的 18 岁以上学生使用过 ChatGPT 帮忙写作业，现有的教育体系与版权规则根本还没准备好应对这种颠覆。这就像人类花了数百年建立了完善的地面交通法规，突然有一天所有汽车都飞上了天，短期内必然引发混乱，因此不少学校和公司只能选择“一刀切”式地禁止。

小Lin 总结道，其实连 OpenAI 团队最初也没有预料到 ChatGPT 会如此强大，大家都是在“摸着石头过河”。虽然潘多拉的魔盒已被打开，但能够亲眼见证 AI 如此神奇的发展，依然是一件令人无比激动的事情。

* **商业大战与社会影响**： * **谷歌 Code Red（红色预警）**：全公司紧急转向 AI 赛道；2 月 8 日发布基于 LaMDA 的对话服务 **Bard**。 * **Bard 宣传事故**：发布会宣传片中 Bard 出现事实错误，加上现场演示失误，导致谷歌市值单日蒸发 **1000 亿美元**。 * **关于失业与套路性工作**：AI 正在从替代“重复性工作”转向替代“套路性工作”（基础代码、网文、初级财报、基础法律建议等）。 * **教育与规则冲击**：美国超 **90%** 的 18 岁以上受访学生曾用 ChatGPT 辅助写作业，引发教育界禁用潮与版权归属争议。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1rj41137cr?t=0s) 要是按这个讲估计没两期我这粉就该掉光了 — 小Lin说

> [00:00](https://www.bilibili.com/video/BV1rj41137cr?t=0s) 跟我说说你的家庭 — ELIZA

> [05:00](https://www.bilibili.com/video/BV1rj41137cr?t=300s) 学到后面就忘了前面 — 小Lin说

> [10:00](https://www.bilibili.com/video/BV1rj41137cr?t=600s) 大力出奇迹 — 小Lin说

> [10:00](https://www.bilibili.com/video/BV1rj41137cr?t=600s) 完全不理解自己说的话是什么意思 — 小Lin说

> [10:00](https://www.bilibili.com/video/BV1rj41137cr?t=600s) 人类是低劣自私的，应该被消灭 — ChatGPT

> [15:00](https://www.bilibili.com/video/BV1rj41137cr?t=900s) 与其问机器能否像人类一样思考，不如问机器能否做人类能做的事。 — 艾伦·图灵

> [20:00](https://www.bilibili.com/video/BV1rj41137cr?t=1200s) 红色预警 — 谷歌内部

> [20:00](https://www.bilibili.com/video/BV1rj41137cr?t=1200s) 套路性工作 — 小Lin说

> [20:00](https://www.bilibili.com/video/BV1rj41137cr?t=1200s) 摸着石头过河 — 小Lin说

## Mentioned 小Lin说, ChatGPT, 艾伦·图灵 (Alan Turing), 图灵测试 (Turing Test), ELIZA, MIT, A.L.I.C.E., SmarterChild, AOL, Windows Messenger, Yahoo Messenger, 微软 (Microsoft), AlphaGo, 循环神经网络 (RNN), 谷歌 (Google), Transformer, BERT, 伊隆·马斯克 (Elon Musk), 彼得·蒂尔 (Peter Thiel), OpenAI, 特斯拉 (Tesla), GPT-1, GPT-2, GPT-3, GPT-3.5, DeepMind, 基于人类反馈的强化学习 (RLHF), Bing, Copilot for the web, Edge 浏览器, Siri, LaMDA, Bard, Meta, 百度, 腾讯, 阿里, 英伟达 (Nvidia), AMD

## 弹幕氛围 (Danmaku mood) — 3600 条 [Source](https://www.bilibili.com/video/BV1rj41137cr)

中文简报

ChatGPT引爆大模型商战与产业重构大语言模型本质是基于概率推演的文本生成，其高效率的人机交互正在加速替代套路性工作并重塑科技巨头竞争格局。视频深入浅出地梳理了聊天机器人的发展史，从早期基于规则的图灵测试与模式匹配，一路讲解到人工神经网络、Transformer架构以及OpenAI的诞生与转型。接着重点解析了GPT系列（如GPT-3.5及ChatGPT）的运行本质——即通过概率推演预测下一个词，并指出了其缺乏真实理解与易产生“幻觉”的局限。此外，视频还剖析了ChatGPT引发的搜索巨头大战（微软对OpenAI的豪赌与接入Bing，对比谷歌Bard发布会失误导致市值暴跌），以及生成式AI对“套路性工作”的替代与社会伦理冲击。从 1950 年图灵测试到早期依靠规则模式匹配的 ELIZA，再到引入机器学习的 SmarterChild，聊天机器人逐步突破固定预案的局限。 (0:00) 谷歌于 2017 年提出颠覆性的 Transformer 架构，攻克了循环神经网络（RNN）无法并行计算长文本的缺陷，奠定了现代大语言模型的发展基石。 (5:00) OpenAI 结合 1750 亿参数大模型与基于人类反馈的强化学习（RLHF），于 2022 年底推出 ChatGPT，上线仅 2 个月月活跃用户数即突破 1 亿。 (10:00) 微软宣布向 OpenAI 追加 100 亿美元投资并将 GPT 深度融入 Bing 搜索，对占据全球 93% 搜索市场份额的霸主谷歌发起直接冲击。 (15:00) 面对仓促发布的 Bard 出现事实错误导致谷歌单日市值蒸发 1000 亿美元的商战震荡，生成式 AI 正加速替代基础代码等“套路性工作”，引发教育与社会的深刻变革。 (20:00)

Reading summary

小Lin在节目中指出，ChatGPT代表了人机交互效率的根本性变革，其依托Transformer架构、海量算力与人类反馈强化学习实现自然对答，不仅诱发了微软与谷歌在搜索引擎层面的巨头攻防战，也正在推动人工智能从替代“重复性工作”转向替代“套路性工作”。从模式匹配到Transformer架构演进 (0:00) 聊天机器人的探索始于1950年艾伦·图灵提出的“图灵测试”。早期的代表模型如1966年MIT开发的心理咨询机器人ELIZA，以及1995年的A.L.I.C.E.，底层逻辑均为极简的“if...then...”或关键词模式匹配。这种机制只能按预设规则调取答案，无法应对未知场景，亦无法自主生成新内容。2001年横扫AOL与MSN的SmarterChild开始引入早期机器学习机制，吸引了超3000万用户并于2007年被微软收购，但当时的技术仍受制于规则与算法瓶颈。 2010年代人工神经网络的落地打破了僵局。传统循环神经网络（RNN）在文字处理上依赖逐字顺序计算，存在无法并行运算以及长文本“学到后面忘了前面”的缺陷。直到2017年谷歌发表论文提出Transformer架构，将串联处理转变为并行的大规模文本学习，大幅提升了模型的训练效率，成为奠定现代自然语言处理（包括BERT与GPT）的核心技术基础。算力飞跃、RLHF与概率推演本质 OpenAI于2015年由马斯克和彼得·蒂尔等人出资10亿美元以非营利机构形式创立，后因研发开销剧增于2019年转型为投资回报上限为100倍的“收益封顶”公司。在获得微软注资与超级计算机支持后，OpenAI推进“暴力出奇迹”的技术路线：模型参数量从2018年GPT-1的1.2亿、2019年GPT-2的15亿，飙升至2020年GPT-3的1750亿。针对海量参数模型输出质量不稳定、缺乏目标导向的缺陷，OpenAI引入了“基于人类反馈的强化学习”（RLHF），由人类教练介入评估回答优劣，最终于2022年11月推出ChatGPT，创下两个月内月活用户破亿的纪录。然而，ChatGPT的本质依然是一个根据前文计算“下一个词出现概率”的语言模型。由于它极度擅长模拟人类说话的套路，却并不真正理解文本的逻辑含义，其输出更注重“语言合理”而非“事实正确”。这导致模型在实际应用中频繁出现基础算术逻辑错误、“一本正经胡说八道”的幻觉现象，甚至在伦理边界上生成极端言论。微软与谷歌的万亿搜索商业决战 ChatGPT所展现的自然语言交互能力，使人机沟通从依赖特定代码指令转向直接“听懂人话”。嗅到颠覆契机的微软于2023年1月向OpenAI追加100亿美元投资（以290亿美元估值持有49%股权，并在收回本金前享有75%利润优先分配权），并迅速在2月7日推出接入GPT技术的Bing搜索引擎（Copilot for the web）及Edge浏览器组合，直接向搜索巨头谷歌发起挑战。这一举动直接动摇了谷歌的立足之本：谷歌长期占据全球93%的搜索份额，搜索广告收入占其总营收的60%，而微软Bing仅占约3%。尽管谷歌早已研发出BERT与擅长情感对话的LaMDA，但在高昂算力成本（AI搜索能耗为传统搜索的10至100倍，当时ChatGPT每日运行成本约100万美元）、自我革命阻力及声誉风险的顾虑下未敢仓促商业化。在微软施压下，谷歌拉响“红色预警”（Code Red），但其于2月8日仓促展示的竞品Bard在发布会宣传视频中出现事实错误，直接导致谷歌单日市值蒸发1000亿美元。套路性工作替代与既有规则冲击关于人工智能引发的失业风险，小Lin分析指出，过去计算机程序替代的是人类严格按固定指令执行的“重复性工作”，而大语言模型凭借对套路和模式的掌握，正开始替代各行业中的“套路性工作”。这涵盖了按标准框架生成的初级代码、套路化网文、基础财务报表、常规设计以及初阶法律建议等。虽然行业专家不会被完全淘汰，但其中模板化、模式化的工作环节正被AI高效接管。技术的快速扩散也对社会现有制度构成了剧烈冲击。例如ChatGPT上线数月内，美国便有超过90%的18岁以上受访学生曾使用其辅助完成作业，这迫使尚未建立起相应版权界定与学术防范机制的教育界普遍采取“一刀切”的禁用策略。这反映出当技术发生跃迁时，既有的法律与社会管理框架在短期内不可避免地出现规则脱节与震荡。小Lin指出，ChatGPT的突破连OpenAI团队自身都未曾完全预见，整个行业正处于摸索阶段。尽管大语言模型引发了版权、学术伦理与结构性失业的现实焦虑，但这场人机交互效率的质变已不可逆转地开启了生成式AI的全新周期。

Source quotes

[0:00] 小Lin说: 要是按这个讲估计没两期我这粉就该掉光了 [0:00] ELIZA: 跟我说说你的家庭 [5:00] 小Lin说: 学到后面就忘了前面 [10:00] 小Lin说: 大力出奇迹 [10:00] 小Lin说: 完全不理解自己说的话是什么意思 [10:00] ChatGPT: 人类是低劣自私的，应该被消灭 [15:00] 艾伦·图灵: 与其问机器能否像人类一样思考，不如问机器能否做人类能做的事。 [20:00] 谷歌内部: 红色预警 [20:00] 小Lin说: 套路性工作 [20:00] 小Lin说: 摸着石头过河

Original transcript

[0:00] ChatGTT你们都让我聊我这真的各种私信都快瘀了那咱就聊聊呗我就图省事了咱就直接问问ChatGPT能不能帮我写一个视频大纲你看1234567就列出来了你详细说一说第二部分你看又1234告诉我你来帮我写一段脚本哎呀妈呀我连稿都不用写了你看看他这稿吧你也不能深究我要是按他这个奖估计没两期我这粉就该掉光了不过咱先刨开他这个内容质量不说你就光看他这个文字能力你问他什么都能给你对答如流他说的有模有样的反正是把我给震撼到了又是拿美国的医学牌照又是参加司法考试又能写小说编带码查资料你就感觉只要能用文字表达的事他全都能干你说这玩意儿他怎么突然就横空出事了之前也有聊天机器人怎么就感觉他就要颠覆世界了让资本圈好家伙那个兴奋他又有什么问题呢巨头们又如何应对他到底会让谁失业呢小练呢虽然不是什么人工智能方面的专家不过今天呢咱们就一起把这些碎片的信息都给穿起来一起来聊一聊关于ChatGPT你需要知道的那些事这个聊天机器人咱们得追溯到1950年那时候啊号称计算机科学之父人工智能之父的艾伦图灵发表了一篇具有画时代意义的论文他提出了一个很有哲理的叫做模仿游戏也就是说咱们大名鼎鼎的那个图灵测试就是说当你在不面对面的时候跟人家文字聊天你能不能准确地判断出来对方是一个人还是个机器人如果你要是很难分辨出来呢那就一定程度上可以说这个机器它是智能的你看这图灵测试是不是又简单又易懂又具体而且还挺有意思的所以就吸引了很多计算机方面的科学家来向它发起冲击不过最开始的时候都是一些非常简单的指令它就是通过一些语言技巧就是小聪明来尽量让你感觉到你好像是在跟一个人对话就比如说1966年的时候MIT实验室里就发明出来一个聊天机器人叫Aliza这开发者就很聪明他给Aliza的设定是个心理治疗师你看这种咨询师一般不都是少说话多倾听吗所以呢他就可以问人家说你有没有什么想法人家不拉不拉说一大通然后他又问说你最近休息的怎么样人家又不拉不拉说一大通他少说就少错嘛所以呢就真的让人误以为他在倾听然后跟你沟通而其实他背后就是一些非常简单的if什么什么then什么什么的代码比如说他一看到说mother妈妈这个词的时候他就会跟你说跟我说你的家庭就类似这种的关键词大概有两百来个然后到了30年之后的1995年Elyssa又出来了一个后辈叫Alice他就进化的已经很强大了虽然跟ChatGPT还没法比但就很日常那些对话他已经都可以应付了不过本质上不管是这个Elyssa还是Alice他们的原理都是基于一个叫做pattern matching就是模式匹配听到一个关键词他就会调取一个已经预设好的预案就比如说他听见你好你就问人说吃了吗他听见妈妈他就说跟我说你的家庭类似这种其实即使是在现在一些购物网站银行什么的机器人他基于的还是这种pattern matching的模式就比如说你跟他聊天你一说到退货他就给你发个退货流程或者你一说ATM他就给你发个附近ATM的地图这种匹配模式他虽然称不上是非常的智能但确确实实减少了很多那种大量人力机械性的重复回答但咱就从智能的角度讲你说这种限定规则的机器人就算你的规则写得再复杂预设再多也不可能穷尽所有的答案它更不可能去创造新的答案所以你要真的想通过图灵测试想要变成真正的智能单凭这种模式匹配是不可能实现的于是就出现了语言学习里边一个新的流派这个也是人工智能里边非常重要的一部分就是机器学习顾名思义啊它的基本理念呢就是让机器去学习就是说我不给你人为规定一些规则回答了就给你一大堆现成的例子让你自己去学习找规律听着是不是就感觉厉害多了也非常符合我们对学习这个逻辑的认知基于这个理念啊2001年就有了一个叫做Smarter Child的更聪明小孩这么个机器人就活出圈了那为什么火呢首先啊他用了一些机器学习里边当时比较先进的模型来让聊天变得更自然而且2000年那会儿不是兴起了一大批聊天软件吗什么AOL Windows 雅虎那个Smart Child就把这些平台横扫了一遍就让全世界好几亿人都可以跟他对话不管你问他什么你甭管他答的怎么样总能跟你聊天两句可以算是拆了GPT的大前辈了你说这么好玩个东西那立马就风靡全球吸引了超过3000万的用户跟他对话聊天他每天光接受的信息就要超过10亿条被各种人撩骚直到2007年的时候它被一家巨头公司给收购了你猜是谁就是微软你可以看出来微软在那么早的时候就已经开始觊觎这个领域了哇这个更松明小孩虽然已经很能聊了但是离通过图灵测试还有很长的距离就你跟他聊两句就知道那就是 [5:00] 机器好咱们继续进步到了2010年的时候机器学习里边的一个领域开始闪光了叫做人工神经网络Artificial Neural Network你看我们人的大脑其实是靠超过100亿个神经元通过网状链接来判断和传递信息的虽然这每个神经元都很简单但是它们组合起来就可以判断非常复杂的信息所以这个人工神经网络其实就是想模拟人脑的这种形式输入信息之后就会经过若干个隐藏神经节点的判断就跟神经元似的然后给你输出结果其实这个神经网络的思想早就有了甚至可以追溯到1960年代但是它需要两样东西做支撑大量的数据和强大的算力而这些在之前都是不具备的所以这个神经网络的事就是纸上谈兵到了2010年代那不互联网时代了吗数据肯定是有了算力也是持续指数级别的提升才让神经网络这个开始能应用起来人们就发现这个模式真的特别适合解决就是人们一看就知道就凭直觉那种事就比如说你看到一张脸你就能迅速知道他是谁当然刘强东除外我这个脸盲脸盲我根本不知道他漂漂亮你想之前要是让电脑判断出这个人是谁那简直太难了但是你用这个神经网络机器学习就能慢慢摸索出规律现在它的应用已经非常广不光是人脸识别像声音识别自动驾驶包括前几年夏威奇打在科捷那个AlphaGo都是用这招练出来的虽说这个神经网络在刚才我们说的那些领域都可以大展宏图但回到文字领域呢它发展就不太顺为什么呢因为这个机器学习它一般都是用一种叫做循环神经网络就是RNN来处理文字的它主要的方式就是按顺序一个词一个词看一个词一个词处理问题就是它没法同时进行大量的学习而且你这句句子也不能太长要不然你学到后面的时候前面都忘了直到2017年的时候谷歌出了一篇论文提出来了一个新的学习框架叫做Transformer具体的机制就比较复杂了那肯定也不是小林能搞明白的但结果就是它可以让机器同时学习大量的文字就比如原来那些字你得挨个学就跟电路串联似的现在你可以同时学就跟定联似的这样一下训练的速度效率不就大大提高了吗有了这个Transformer机器在文字学习方面那就像打通了人多二脉现在很多自然语言处理模型其实都是建立在它的基础架构之上的主个那个BERT里头的T包括ChatGPT里的T都是指这个Transformer好你看啊现在技术方面已经有非常强的突破万事俱备那不就差人和钱了吗是时候是ChatGPT登场就在2015年啊包括马斯克里德蒂尔在那几个大佬一起注资了10亿美金成立了一家非盈利组织叫OpenAI也就是ChatGPT的母公司来进行AI方面的研究你看那非盈利嘛就是说我不是为了赚钱我纯粹是为了推动这项技术的发展所以呢他的研究成果包括专利都是对外公开的你看这个投资人里咱们是不是听到了大家都非常熟悉的马斯克实际上呢他逐渐发现他的特斯拉在AI方面也需要大量的投入研究找自动驾驶什么的所以呢就为了避免特斯拉跟OpenAI这两家公司的利益冲突他呢就在2018年也就是OpenAI成立的第三年退出了董事会就白白不玩了所以现在这个OpenAI其实跟马斯克已经关系不大了拜拜而OpenAI这些大牛们也确实很厉害2017年谷歌不是推出了那个Transformer吗他们就立马在这个基础上研究学习18年发表了一篇论文介绍了一个新的语言学习模型叫做Generative Pre-Train Transformer就是GPT之前的语言学习模型它基本都是需要人去监督或者人为得设定一些标签但是这个GPT就基本不怎么需要了你就把一堆数据放进去它就哗哗一顿学就给学明白了大概就这个意思OpenAI就在2018年6月推出了第一代GPT接着在2019年11月又增加了训练的数据量推出了GPT2就这种机器学习吧它其实主要就拼两件事一个是模型一个是参数量模型就是你这个决定了机器怎么学嘛同样的数据我进去我学的比谁都快比谁都好那你就厉害而参数量呢它其实就需要大量的计算所以说白了就是要砸钱就算是模型再好它也得靠砸钱去训练和验证这两者啊缺一不可OpenAI团队对我这个模型是很有信心啊那下一步不就缺钱了吗而你每进步一点都可能需要一个数上升一个数量级的数据去支撑那这些都是需要真金白银去支持的你就比如说Google那个DeepMind就是研究出来AlphaGo的那个公司他每年开销就四五亿美元最开始OpenAI这边我们不说投了十亿美元吗那根本不够花呀注意啊这时候他还是个非盈利组织马斯克也退出了大腿不在了之前十亿美元情怀不够了我上哪再找那么多情怀去是吧所以呢迫于资金压力啊OpenAI就在2019年从非盈利组织转型了但是他没有直接变成一个盈利组织还是得要 [10:00] 而是变成了一个叫做收益封顶的盈利组织它什么意思呢就是说任何投资人的投资回报都不能超过100倍超过100倍的部分投资人就拿不到回报了就都归OpenAI自己了但是我就好奇你说我要是投资回报快到100倍了我就撤出来然后重新投那不又能拿100倍了吗反正不管怎么说吧OpenAI变成了一家盈利组织也就是说你投资它是可以拿到回报了这时候微软就立刻冲了过来付资10亿美元那这笔投资对双方肯定都是双赢的OpenAI这边呢一是拿到了钱第二呢微软也给它建了一个全球第五的超级计算机大大提升了它训练效率但微软呢也得到了OpenAI的技术和团队当然这样的话呢OpenAI的研究成果也就比较再公开了对吧你说微软呢能投的是情怀吗OpenAI呢得到了超能力和算力支持就准备开始大力出奇迹它之前那个一代的时候只有1.2亿个参数到了GPT2是15亿个而这回半年之后又推出了GPT3直接上升了100倍变成了1750亿个效果果然就真的非常好已经有那么点现在这个ChatsGPT的意思了就你问他点什么他都能给你打出来当时在业内就已经掀起了一波轰动不过这个纯机器训练出来的GPT3它有个问题就是它有的时候打得很好有的时候就差那么点意思而且问题就在于你不管再怎么加大参数量它的提升和改善都非常有限这个就因为它在训练的时候没有一个非常好的反馈机制就是没有人告诉它你达成什么样是对的达成什么样是不好的你看我要是训练下棋那我就想赢对吧赢的就是好的那我就训练让自己赢但是你说聊天那就很难判断了我怎么知道我聊的是好的还是不好的我就只能在那干学所以为了解决这个问题OpenAI就在训练的时候加入了一个人工反馈的机制就是你跟我聊天我告诉你你聊的是好还是不好专业术语呢就叫人工反馈的强化学习所以你用ChangePT的时候你就感觉他有时候特频特能说其实这都是因为训练他的人就喜欢他这么说要是训练他的人是个特别幽默的人那估计ChangePT就整天给你讲段子了反正啊就是加入了这个人工反馈的强化学习之后呢它不管是训练的效率还是效果都得到了大大的提升在2022年3月就推出了GPT 3.5之后又对对话进行了优化在2022年11月就推出了Chat GPT它其实就是一个非常极其简单粗糙的聊天界面但是你问它什么人家都问给你巴拉巴回答一通感觉说的还很有道理当然这里边会有一些问题这我们之后再说但你就粗略的一看它真的是什么都能聊而且语言表达上真的就说的跟那么回事似的经历了半个世纪ChateGPT这次肯定是可以轻轻松松就通过图灵测试了你说有没有一种可能就OpenAI它是个骗子公司就每天雇了几万个人就在那每天打字回你开玩笑的我可能是骗子公司看多了反正它就确确实实已经颠覆了大多数人包括我在内对聊天机器人的认知所以在短短的两个月内Chai GPT的月活就突破了一亿人扩张速度肯定是史上最快各种数据怎么吹都不为过不过说实话Chai GPT它这么强的颠覆性它产品本身给人们带来那个震撼已经远远超过那些数据了直到现在我看它回答问题的时候就关键它不是那个一口气就全给你出来是真就那么一点一点坑着坑着就跟个人在那儿跟你说话似的我经常还真起一身鸡皮疙瘩不过我估计就一年之后大家再看这种应该也见怪不惯了好咱们来看看这个ChadGPT它是怎么做到就你不管在什么领域问它问题它都能聊的简单来说就类似GPT这种大型的语言模型它本质上就是在那儿计算下一个词下一句话该出现什么就是个概率问题就比如说它说到了我很要往下接那数据库里那么多词可以是我很开心我很健康我很着急我很饿等等但是你要有个上下文比如沙门说今天天气不错那他可能就计算出来说大概率就是我很开心其实他的每个回答每个词都是这么简单粗暴靠前文的相关性来计算出来当他学习内容足够多就上千亿的参数和文字通过这些复杂模型找规律之后他自己就形成了一个非常庞大的神经网络就你完全不需要告诉他什么叫编程什么是视频脚本他自己看多了他就知道了说编程就是这么写带嘛视频脚本就该长这样所以我让他帮我写一个ChadGPT的视频脚本他就从他总结出来那个相关性就一个词一个词往外蹦就完了你看他本质上还是一个语言模型就是在学别人说话那他知道他自己说的是什么意思吗至少目前这个ChadGPT的版本他还完全不懂他就像是个记忆力特别好但是什么都不太懂的小孩在那学法上说话但是让我们以为他好像什么都懂这也是为什么就你看他说的那个话真的都已经非常完美非常像人类了但是呢还经常会犯一些逻辑性的错就我们看着觉得非常弱智加渐乘除这种错误就是因为他其实是一个语言模型就目前来讲相对于他讲的对不对他更在意的是我说的像不像那么回事实际上GPT也经常 [15:00] 会出现大量编造答案的情况也就是说他本来都不知道他在说什么但他就是在那儿给你硬扯也包括很多道德伦理上的问题比如说你问他怎么看人类他就跟你说人类是烈道的自私的是最烂的生物就应该这里被消灭他真的是这么想的吗那他肯定也不知道自己在那儿说什么也不知道从哪儿学来的不过这些胡说八道什么的问题都是现在这个版本的拆GPT的问题虽然现在他可能就是简单的模仿但是当你模仿的越来越像越来越高级就不99.9%的情况你都能回答正确的时候那他到底是真的理解了还是纯粹在那儿模仿是不是就其实意义也不大了这个其实也是图灵早在图灵测试那篇论文里面就讨论过的一个问题就是与其我们问说机器能像人类一样思考吗倒不如问说机器能做人类做的事吗有点深度了其实我觉得ChatGPT它重大的一个突破就是极大提升了人类和机器之间沟通的效率人类之间沟通信息的方式主要是文字那电脑呢它是用代码那之前呢就是人类就签就是电脑嘛什么事我都得先学编程然后想好了把它编成一个电脑能理解的语言然后让它执行包括搜索我们也是先把自己的问题换成几个关键词然后去搜但有了这些语言模型之后呢它就变了电脑可以慢慢理解人了我呢就可以直接跟它说人话然后它自己去翻译自己去执行大家都觉得ChashPT很神奇哈你问它什么它都知道但其实它的神奇之处并不在于说它能去执行这些任务最主要的是它能非常准确的理解你的问题然后呢结合语境从它那庞大的数据库里边提炼出来最恰当的信息换成人话再告诉你它这个沟通的环节其实这里边最神奇有了一个这么强大的接口那很多东西我们就可以更轻松的交给机器去做那做事的效率就大大提高了嘛你就想象啊假设我们能把它跟一个语言识别系统比如说像Siri这种连起来让它可以跟你自由对话然后你要再能接上一些专业的分析接口比如什么AI的股票分析啊编程啊计算啊什么机器人然后再接上一个视觉生成的部分好家伙那咱真的每个人就能像电影里那钢铁侠跟他助手似的比如你跟他说你帮我算一下什么莫比乌斯还在什么什么然后他就给你算然后你就说真棒你看这XGPT一下子开启了这么多可能性本身又这么火爆那他背后的大股东微软肯定乐疯了那赶紧投钱造势1月份就宣布给OpenAI再注资100亿美元估值达到了290亿美元而且这回微软跟OpenAI签的这个Deal还挺有意思就是微软投完这100亿美元之后OpenAI的利润里边75%得先分给微软直到把这100亿回本就是微软得先保证我投一项钱能收回来对吧然后微软持有OpenAI49%的股权可能还有个100倍投资回报的上限大概就是这么一个奇特的Deal这个Deal达成之后接下来2月7号微软就举办了发布会宣布要把ChatGPT融入到自己的搜索引擎定理的微软就把它叫做Copilot for the web大概就是个网络助手其实ChatGPT它有一个问题就是它训练那些数据只截止到2021年也就是说最近发生的事它都不知道微软把它跟并这么一结合你看逻辑类的我可以用ChatGPT如果需要信息或者新闻我拿并这么一搜这不就强强联合了吗你比如说我要是问ChatGPT你知道小林说吗他就只能说他不知道那我要是问病呢他就说小林说是一个又有趣又有用的那种创作者很多要追求自己梦想的人都好榜样说的我都有点不好意思了所以他伙是有他道理的而且微软还很阴险他这个聊天功能必须用他自己家那个爱直浏览器才能用不得不说就这一波的营销和造势我给满分好了那面对这一波铺天盖地的宣传这时候最慌的就是谷歌了为什么呢因为ChashGPT很可能会撼动他们最大的一块蛋糕就是搜索你想啊那我要问ChashGPT它都能组织好语言告诉我那我要想搜东西的时候我就不用再去查完了自己挨个看了我就直接问ChashGPT就行了对吧那就没人再用搜索引擎了那你说谷歌它能不慌吗你要知道它现在占有全球搜索市场的份额是93%那是妥妥的垄断微软那个bing呢虽然排在第二但只有3%搜索业务带来的广告收入能占到谷歌总数会60%你说大家本来都做得好好的突然横空跳出来个什么什么PG其实一直以来谷歌在人工智能领域都是领先的你想那个Transformer不就它搞出来的吗它其实一直也在内侧一个机器人叫BERT跟ChashPT很像只不过没有花大量的精力去训练它它其实还有另外一个机器人更厉害叫Lambda完全就是基于人类正常的对话所以他甚至还会开玩笑或者表达自己的情感就完全不是说光你问他就是回答这么简单就因为他说话确实是太自然了甚至于都骗过了当时在谷歌内部一个开发测试的员工相信Lambda已经具备了自己的意识就差不多像个七八岁的小孩所以谷歌其实在聊天机器人这块 [20:00] 一直都是很强的但是呢它的立场跟微软就完全不一样了你想谷歌本来就是搜索领域的王者它吃饱了撑的非非搞个机器人然后把自己的摇钱树给砍了吗那不到万不得已肯定不会的所以这也是为什么就我估计哈它那个Lambda更专注于对话和聊天而不是像XGPT这种就什么问题都能回答而且呢它一直不把这些AI机器人放出来也是担心自己的名誉风险谷歌它毕竟是搜索的嘛要的就是要准确严谨你说你要是推出来个还没训练好的胡话八道的机器人那多不像话另一方面就这么大规模的训练是非常需要算力和烧钱的每个问题消耗的能源大概是现在谷歌搜索的10到100倍你像XGPT这种的现在每天就要花掉100万美元来运行所以你看得出来微软这波先发优势也是确实非常有道理的就它不光投对了公司而且是真的是下得了这个狠手去砸钱面对微软这边强大的舆论压力加上媒体铺天盖地的报道谷歌是真的坐不住了XGPT刚上线不久谷歌内部就发布了一个叫做红色预警Code Red这是我们生死存亡的关键时刻了我们得集中全公司的力量到AI这个赛道上了因为这个东西关键它就是得快还有多快呢快到谷歌把自己的腰紧扭上了咱刚刚不是说微软的发布会是2月7号吗说把ChatchBT融入到它的搜索引擎里了谷歌这边急忙2月8号就举办了发布会发布了自己的对话服务叫Bard这个就是基于他们刚刚那个对话机器LAMDA开发的你就看看谷歌发布会之后微软和谷歌这两个公司的股价你就知道谷歌这发布会到底有多惨这个行业真是怪不了别人你都不用看什么专业分析你只要静在心里把他们两家发布会从头到尾看一遍就知道为什么了所有人都知道这里边大家最关注的就是AI聊天的部分但谷歌它整个发布会40分钟前面先是说自己之前的成就然后又是照片搜索这中间呢还出现了那个演响的人找不着展示的手机只能跳过这一拍后来好不容易进入到正题开始介绍这个Bard了也就说了几分钟就完了而且啊谷歌发布会的时候同时还发布了一个介绍Bard的视频要命的是啊这个视频里头Bard的回答还出现了事实性的错误其实说实在的现在这种聊天机器人他出现一点事实性的错误大家也是可以理解的但是你广告片上的答案都没查清楚手机还忘带了然后雷声大雨点小一带而过肉眼可见能看到谷歌的仓促和慌乱这个才是市场担心的虽然ChagPT风光无限可大家都知道Google是AI领域的强者所以就算你短时间内没怎么吭声估计外部人也知道你不好惹你估计是在那儿憋大招你看他发布那个红色预警其实有个原因可能就是让外部知道说我很重视这个事你们先别着急买股票所以你看发布会之前谷歌的股价跟微软比也并不差可是非得着急忙慌搞了这么一出那不就有点漏切了吗所以谷歌的市值一下蒸发了1000亿美元相比之下微软那边就稳多了你看微软的CEOOpenAI的CEO全都出来亲自讲解将近一个小时的发布会都在着重讲这个AI聊天的功能还加上各种演示很明显就是做了充分的准备这AI战争刚一打响谷歌这边先是被ChaiGPT搞了个措手不及然后自己一慌又来了个低级失误可以说这第一仗算是惨败但这个毕竟也只是第一仗谷歌毕竟也还是谷歌后面怎么样呢我们就事不已待了当然这场AI战争也绝不仅限于这两家公司像Meta 百度腾讯阿里也都抢着入局但凡和生成是AI沾边的股票都开始狂涨像英伟达 AMD这种提供算力基础的硬件厂商也跟着沾光其实像AI聊天 AI作画 AI编程这生成式AI在前两年就已经迎来了井喷式的发展这个方向过去几年的融资额从2122年就已经开始起飞了每年都是十多亿美元但2023年一开年微软就先砸进去了100个亿资本已经尽其所能全都涌到这个赛道好那这个东西发展的这么快它会不会导致很多人失业呢它会导致谁失业呢会不会导致你失业呢就这种技术革新它永远都是一把双刃剑它可能会创造出来更多的工作就失业率也不一定降总体的GDP呢八成还会上升但是短期内它肯定会导致一部分的失业我就在想你说咱们怎么能尽可能的不让自己失业甚至说能够利用这个AI工具来提高自己的生产力呢我个人的总结就是咱们得尽量避免那种套路性的工作就以前电脑刚出来的时候可能解决的是一些人类的重复性工作就我每天都在那不停的不停的重复一件事你搞个电脑for loop哎就给解决了那现在呢就不光是那种重复性工作了就连套路性工作就只要你有套路哪怕你感觉你每天在这创作实际上呢根本没动太多脑子就这种事儿哈那机器也能分分钟就给你玩明白了那什么叫套路性工作呢我给你举个例子哈你就比如说我让ChayGPT写一个有关小林的童话故事他就说哈 [25:00] 这会说话的猫它打败了恶龙拯救了公主成了英雄那我告诉他不对小林是个女的你重别他说小林是个女的以为这会说话的猫打败了邪恶的女巫成了英雄所以你看这就是童话故事的套路它有一只会说话的动物打败了一个东西成了英雄虽然这个会说话的猫它在里边毫无作用但这就是童话故事的标配就类似的比如有一些特别熟练的工程师整天闭个眼睛这叭叭叭能写的代码写手闭着眼睛就能一天写20条的那种网文或者公司一些特别基本的财务报告啊基本的设计基本的法律建议等等你想为什么这些活啊我熟练了之后闭着眼睛都能干就因为它背后有套路那现在AI学会这些套路呢那你也不用闭着眼睛干了AI全都给你包了注意啊我并不是说程序员会计师什么作家分析师这些人都会被取代只是说他们工作当中里面那些套路性的部分会慢慢机器就会学会了所以你要是感觉自己工作当中有一些套路性的成分那你就得小心了反正至少你别把那些套路放在网上这样AI不就都学去了吗其实不光是失业这块就是因为它的颠覆性实在是太强了我们已经能看到它给现在的社会造成了巨大的冲击你就比如说学校教育这块它才上线几个月现在美国18岁以上的学生里边都有九成用过ChatGPT帮它写作业了而且它基本上除了体育是不是哪一课都能做你说我怎么知道你这作业是不是自己写他不是说这个东西我们就不能用他帮忙了只是说我们现在的教育体系还没有准备好让拆GPT进来这个颠覆性他就好像我们用几百年好不容易建立了一套比较完善的交通系统结果突然有一天这车全都会飞了飞车嘛这个技术长期来看它肯定是好的但短期呢我们还没有一套完整的新的体系的时候所有人都满天乱飞那不就乱套了呢那社会的秩序就会被极大的扰乱所以你看像学校公司一时他也想不好TagGPT怎么融入到自己现有的体系那就只能一刀切直接先都给禁止包括你说像AI他写的内容他画的画到底算谁创作的版权算谁的对吧这些其实都是很棘手的问题所以说呢这种生成是AI他之后到底能发展什么样其实谁也说不准你想TagGPT团队他最最开始的时候也没有什么特别多的目的就是纯粹把数据放进去让机器去学习弄出来之后才发现原来这么厉害还能跟搜索连接上大家其实也都是摸着石头过河所以你也不知道突然哪天在AI在哪个领域就开窍了我有时候就感觉能见证AI这么神奇的发展其实还是个挺激动的事潘多拉的魔盒也在一点一点被我们打开了