AI一進步，人類就激動，不是高喊產業革命、創新奇點，就是驚呼工人失業、人類滅亡。人機關系隨之陡然繃緊，比如現在，就充滿了呼喊的張力。
新近爆紅的chatGPT讓人激動不已。開發者OpenAI公司設計了巨大的語言模型，投入巨大資金，通過巨大的算力來訓練機器寫小作文，將機器的聊天水平提高了那么一點點，人類反應敏捷地大呼小喊起來。
自深度學習算法提出以來，人類致力于讓機器斷文識字，這個過程被稱為NLP，搞了許多年，結果搞出好幾個弱智，這個工作再無進展。
chatGPT能寫小作文，這的確是NLP工作向前邁進的一大步，但只是AI的一小步。
chatGPT本質是一個文字型的聊天機器人，它通過算法改良，改善了人機交互體驗，但AI并沒有因此產生思考能力，也沒有甩掉弱人工智能的標簽。
試問聊天機器人會革誰的命，哪個產業會因此爆發變成支柱產業？
你想多了，chatGPT不像三體人的智子那么可怕，你不會因此失業，人類也不會消亡。
所以，下面我們詳細說說，為啥不必那么緊張，并扯扯有關技術創新、演變、沖擊、競爭、商業化、商業前景、商業難題和國家差距等方面存在爭議的問題。
1.ChatGPT的技術成份有多高？
確切的說，有三四層樓那么高。
ChatGPT 由 GPT-3.5 模型提供支持，與傳統思路不同，它采用了一種半監督式的訓練機器說話。這是它的創新所在，也是它的獨到之處。
GPT，英文全稱是Generative Pre-trained Transformer ，直譯過來是生成型預訓練-變形金剛 。
所謂生成型預訓練，這是GPT的核心思想，即先給機器喂養大量無標簽的文本進行“預”訓練，生成一個初步的語言模型；然后再微調，根據具體的語言處理任務（如文本蘊涵、QA、文本分類等），通過有標簽的數據對模型進行微調fine-tuning，使之不斷完善，最后生成確定的模型，以便來應付同類任務。
名字前面加上chat，即“聊天生成型預訓練-變形金剛”，之所以有這個Transformer，則是表明了其師承門派。
換言之，GPT是OpenAI公司基于谷歌的Transformer語言模型框架而開發出來的技術。
Transformer堪稱巨人，它拯救了奄奄一息的NLP，為停滯不前訓練機器說話工作開辟了新道路。
Transformer門下有許多徒弟，為何GPT鶴立雞群了呢？
這是因為GPT模型迭代到GPT-3時，又引入了 " 利用人類反饋強化學習(RLHF)" 的訓練方式，主要包括“人類提問機器回答、機器提問人類回答”，在此基礎上，不斷迭代，讓模型逐漸具備了對生成答案的評判能力。
RLHF是GPT功力大增的大功臣。它也是讓許多人激動失眠的一個重要因素。
RLHF較好解決了生成模型的一個核心問題---人機對齊(The Alignment Problem)。顧名思義，對齊即向人類看齊，在AI領域，特指讓AI模型的產出，盡量與人類的常識、認知、需求、價值觀保持一致，并遵循人類意圖。
如安遠AI認為，人機對齊問題是大模型通向安全、可靠的通用人工智能(AGI)所面臨的巨大鴻溝，更是大模型的倫理和社會風險至今懸而未決的根源。
很多人測試后發現，引入人類偏好學習機制后，ChatGPT顯得卓爾不群，它給出的回答不再像同類競品那樣生拼硬湊，更加貼近人類，不僅如此，ChatGPT學會了糾正提問中的錯誤，能夠對一些敏感的問題做出回避。
這是chatGPT可以跟前輩聊天機器人說“我們不一樣”的地方，由此形成了獨特的技術優勢。
不過也有許多人測試以后，給它貼上一個標簽：“一本正經地胡說八道”。
算法優化，毫無疑問是技術進步，這算不算革命呢？
2.技術源頭與演變
要說革命，必須要講講Transformer。
在Transformer誕生之前，人類訓練機器聽話的NLP過程主要依賴RNN算法（即循環神經網絡：recurrent neural network），訓練了幾年以后，NLP陷入停滯不前。人們發現，RNN有個巨大的缺陷，太過依賴標注數據，不能并行處理，算法效率低下。很多人不服，想找到RNN之外的道路。
直到2017年，谷歌大腦團隊發布論文《Attention Is All You Needed》，這是一篇起到革命宣言性質的文章，它率先提出了注意力機制（Attention），以此創造了一個全新的NLP模型--這個模型被命名為Transformer，不少專家將之翻譯成變換器，但我覺得不如叫變形金剛更為貼切。
當時的Transformer模型有6500萬個可調參數，經過大量訓練后，該模型的工作能力明顯提升，在翻譯準確度、英語成分句法分析等各項評分上都達到了業內第一，成為當時最先進的大型語言模型（Large Language Model, LLM），于是被用于谷歌輸入法和谷歌機器翻譯。
Transformer模型克服了RNN的不足，很快取代了RNN的統治地位，深刻地影響了NLP的發展軌道路。
要說技術革命，實在是 Transformer革了RNN的命，打響了第一槍。
短短的幾年里，Transformer模型的影響已經遍布人工智能的各個領域——從各種各樣的自然語言模型、到預測蛋白質結構的AlphaFold2模型，都能看到Transformer的影子。
2018年6月，GPT-1問世，這個孩子繼承了Transformer優秀革命基因，刻苦練功，GPT模型基本上是一年迭代一次，所使用的參數量也隨之激增。
GPT-1有參數1.17億個，貌不驚人；
2019年推出的GPT-2有15億個參數，藝不出眾；
2020年推出的GPT-3，參數高達1750億個，重劍無鋒。
2023年，GPT-4已經問世，參數量據說有100萬億個，跟人類的神經元一樣多。據說達到了飛花摘葉均能傷人的獨孤求敗境界。
革命前輩Transformer是誰？啥，你不知道？
這就對了，這次小小的革命影響有限，主要限于NLP領域。
3.ChatGPT會不會取代搜索引擎？
chatGPT問世，搜索引擎緊張是必然的。
chatGPT會對搜索引擎造成沖擊。它會大量分流搜索引擎的流量，降低搜索引擎的江湖地位，進而影響相關平臺的業務。
要取代搜索引擎則較難，這兩者差異較大。
一個明顯的差異是用途不同。有博客做過分析：搜索引擎的核心是內容集合。你在搜索框輸入關鍵字，然后你看到了大量的鏈接，再從中篩選自己需要的信息。
ChatGPT 屬于內容再造（人工智能生產內容），是一種新的內容創作方式。你向它提問，它自己搜索大量資料，并對資料進行一定加工，輸出一個答案，你可以連續提問，它根據上下文連續作答。
再一個差異是搜索范圍不同。搜索引擎基于互聯網，可以不分真假的搜索地圖、天氣、店鋪、文庫、視頻、圖片等等各種公開信息，而chatGPT受語料庫所限，不能直接搜索網絡信息，若庫里沒有內容，則無法給出答案，弱爆了。
so，目前的 ChatGPT 還取代不了搜索引擎。更別提要消滅工作崗位消滅人類了。
4.競爭對手
chatGPT的直接競爭對手不是搜索引擎，對手是它的同類--聊天機器人。
但是，chatGPT站在山頂上，一覽眾山小。哪有什么競爭對手呢？
國內沒有對手。與chatGPT相比，國內一直沒有水平相近的AI模型，也沒有基于類似算法的成功解決方案。
為什么大家都不去做呢？原因在于羅鍋上山--錢緊。
chatGPT太燒錢了。
這個聊天機器人的成功基于巨大語言模型，巨大語言模型依賴巨大算力，巨大算力需要耗費巨大資金，openAI公司自2015年成立以來到2022年底消耗了近40億美元，至今仍然虧損需要融資延續發展。
據相關數據顯示，GPT-3訓練一次的費用是460萬美元，總訓練成本達到了1200萬美元，不僅測試成本非常高，GPT技術對算力的要求也是目前AIGC技術領域最高的。
大模型、大算力和大資金構筑了雄厚的進入壁壘，難以超越，注定了chatGPT只能是巨頭的禁臠，中小企業或創業公司是燒不起的。我國AI企業專注地致力于尋找應用場景賺錢，面對燒錢，明智的選擇了回避。
國外能燒的起公司也屈指可數。
Meta這兩年推銷元宇宙不利，轉頭押寶AI。2022年5月，MetaAI官宣發布了基于1750億參數的超大模型OPT-175B，還對所有社區免費開放。OPT全稱Open Pre-trained Transformer Language Models，即“開放的預訓練Transformer語言模型”。
作為Transformer門下小師弟，據報道說OPT和GPT-3的運行效果幾乎沒有什么區別，參數量也是很巧合的1750億。不僅如此，Meta AI還將OPT技術做了開源，提供給所有需要的企業和個人作為研發的基礎技術。
也許GPT-3對參數和算力的要求還能被一些有錢企業滿足，如果換做是參數量翻了幾百倍的GPT-4，能跑得動巨額參數的企業更加寥寥無幾了。
OPT作為師弟，還沒舉行畢業典禮，還沒有正式走出Transformer師門，chatGPT已經開始攪動江湖。
黑兔年。江湖大亂。
搜索引擎必須反擊，必須推出超越chatGPT的產品，才能鞏固自身江湖地位，增加用戶粘性。否則，一味瞎緊張跟咸魚有什么兩樣？
2023年2月，谷歌CEO發布了谷歌的下一代對話AI系統Bard，百度將其類ChatGPT產品名為ERNIE BOT，預計在3月份完成內部測試后公開發布。
谷歌為啥急吼吼搞聊天機器人？那還不是擔心微軟bing趁機來搶搜索引擎的地盤。話說，微軟最新版bing已經集成了GPT4.0功能，并且可以借助edge瀏覽器全世界推廣。面對此情此景，百度能抽身事外？
越來越多公司宣稱自己正在內測類似chatGPT自家版本。怪事來了，openAI公司花了七年40億美元才生出一個聊天機器人，你們幾位平時也沒見學習GPT，三兩個月就搞出了一個同款？你這個速成品的RLHF機制怎樣?你們建設的語料庫有多大？不會翻車吧？
2月9日一大早傳來消息，谷歌AI聊天機器人Bard首秀會上答錯問題，導致公司股價大跌7.4%，市值蒸發近7000億。速成品，好尷尬。
套殼行不行？
聰明的人已經想到，OpenAI在國外有許多開源項目，我們復制一個吧。
5.OpenAI變性的啟示
答案是不行。OpenAI已經關上了 ChatGPT開源的大門。安卓可以套殼，windows誰聽說過套殼？
OpenAI原本是不以追求利潤為目標的AI研究機構，致力于開源模式推動AI技術進步。但沒想到ChatGPT太燒錢了，構建大算力要燒錢，購買語料庫大數據要錢，訓練大模型要燒錢，OpenAI太缺錢了。
2023年1月10日，彭博社爆出微軟準備向OpenAI追加100億美元投資。據說，微軟與OpenAI已經就此次投資談判了好幾個月。
OpenAI有多想拿到這筆錢？該公司從 2015年創建以來一直燒錢，七年來，OpenAI共收到了40億美元的投資，2022一年燒掉5億美元，算算兜里也所剩無幾了。
人工智能研發需要龐大的資金。一個非營利組織在籌款上是有極限的，而彌補成本最有效的方式，就是改變現有架構。
ChatGPT還會開源嗎？答案是不會。
GPT2.0是開源的，但自從2019年10月接收了微軟第一筆投資后，GPT3.0就不再開源了。公司也隨之改變open性質，變成營利組織�！堵槭±砉た萍荚u論》撰文批評曰：背離馬斯克創立初衷，理想主義被盈利壓力碾碎。
你想想，2023年，微軟向ChatGPT追加100億美元投資，雙方簽對賭協議，大家以后還會討論開源問題嗎？不，該討論商業前景問題了。
6.一個聊天機器人會有什么商業前景？
不得不說，openAI正在走模仿微軟的路。
先走的是C端的路。
ChatGPT雖然不開源，但開放了API接口，催生了一批開源項目。ChatGPT占據產業源頭，大量開源開發者處于產業下游，開發應用吸引C端用戶。這套玩法明顯是微軟套路，自己windows壟斷市場，培養企業開發軟件，最終用戶為此買單。
經過不少用戶使用發現 ChatGPT 已經可以實現諸如智能聊天、寫作、編程、批作業、改 Bug、撰寫周報、砍價、作詩等工作。更有甚者，還把它直接當虛擬機使用。如果你想玩，就要花錢。ChatGPT于2023年1月推出了收費版本，付費訂閱，ChatGPT Plus訂閱版每月收取20美元，約合人民幣134元。開源項目亦步亦趨的也推出了收費項目。
C端路能否走通？網上爭議不小。
另一條是B端的路，明顯走不通。
盡管OpenAI用錢燒出了GPT技術的壁壘，但是這一做法也有它的市場局限性。
如果要把GPT推廣給行業用戶，在巨大算力的要求下，沒有幾個企業可以承擔得起GPT-3 的運作。比如我要請一個機器人會計師，那就要針對不同行業甚至不同企業針對性的訓練會計機器人，訓練一次幾十萬美元，還不知道要訓練多少次才能成功，這種成本有幾個企業能負擔的起呢？
以此類推，其它崗位，莫不如此。
一個擅長“一本正經地胡說八道”的聊天機器人有多少商業前景？
正如一些AI程序員所說：ChatGPT的出現也只是AIGC的一次技術迭代升級罷了，它的應用前景還不明朗，現在就談到勞動力替代和技術壟斷，還太早了。
7.商業化面臨的三個難題
一是版權問題。首先是侵權問題。
ChatGPT生成的內容，不是完全的出于自身創造，而更多的來自于“搬運”，有一些版權作品需要授權，否則容易帶來侵權問題；其次歸屬問題，即便解決了搬運侵權問題，依然面臨版權歸屬問題，ChatGPT生成的內容，無論是文本片段、代碼、圖像、視頻……，這些新生成內容的版權所有者究竟是誰？依據這些AI生成內容產生的責任后果，誰來負責？
二是信息安全問題。
互聯網公開信息規模龐大，但內容真假難辨，如果給語料庫增加了不實信息，那么ChatGPT就會輸出虛假的答案。
12 月 4 日，馬斯克透露 ChatGPT 可以訪問 Twitter 數據庫，這意味著 ChatGPT 必然學習了許多缺少事實核查的數據。正因為垃圾答案泛濫，程序員問答網站 Stack Overflow 從 12 月 5 日開始，暫時禁止用戶分享 ChatGPT 生成的內容。
ChatGPT輸出的答案存在真假鑒別問題，也容易引發信息安全問題。一旦你生了病，但AI告訴你去大鐵棍子醫院找捅主任，如之奈何？
話說RLHF不是解決了“看齊”問題嗎？RLHF太貴，高度依賴標注質量，有多少人工才有多少智能，各行各業要看齊的內容太多了，錢不夠，難看齊。
三是社會尚未有接納這個新生事物的準備機制，對監管挑戰很大。
比如，歐盟在考慮，是否可以對數據收集施加相關的法律約束？我們在考慮，是否要求算法適應各國當地文化和價值觀？而物業部門在想，是否需要弄一個部門規定，來保障AI獲取和輸出我認為可靠的數據？
這三個難題如不解決，ChatGPT及其小弟們在國內恐怕不會高歌猛進，很可能會變成谷歌雅虎，而不是微軟。
8.我們距離ChatGPT還有多遠？
ChatGPT崛起讓很多人深深的體驗了心痛的感覺。
ChatGPT一紅，中國AI就發燒。
兩下對比，國內許多AI企業，基本處于產業下游，沒有能力構建自己的語言模型和語料庫，此時也大言炎炎的聲稱自己正在向chatGPT靠攏；還有不少公司，平時穿著AI工作服，做著最低端的應用產品，平時靠套取政策補貼為生，現在出來也蹭一波熱點；更有甚者，連一些市場公關公司，也急忙聲稱自己正研發應用的AI技術，走的也是chatGPT路線，于是乎股價嗖嗖上漲。
實事求是的說，國內缺少長期投入推動研發的科研氛圍。國內AI企業側重于技術應用，急于賺錢，即便在BAT等實力雄厚的巨頭內部，一個AI項目如果2-3年內不能變現就會廢棄，很少有機構能沉下心來，投入大量時間和資金進行核心技術創新。
要推動AI發展，就要解決資金問題，但資本市場又存在嚴重資金配置錯位問題。舉個簡單例子，chatgpt走紅以來，二級市場上概念股雞飛狗跳，一些要死不活面臨淘汰的企業得到了資本市場炒作，甚至變成了妖股，烏煙瘴氣，讓珍貴而有限的資金錯配到了一些不該配置的地方。而一級市場的資本不敢無序配置，這就更令人唏噓了。
9.回想一下
曾幾何時，AI領域，自深度學習算法問世以后，中外企業熱火朝天的做研究發論文，雙方水平在伯仲之間；
很快的，中外出現兩個方向，國外企業側重于上游核心技術突破，而國內企業大量集聚于產業下游忙著收割變現，一些號稱小巨人現身；
再后來，出現了科技禁令，還有瘟疫，許多企業苦苦掙扎……
任誰也沒有想到，短短五六年間，國內外AI差距陡然拉大。國外有了openAI和deepmind雙峰并立，國內則只能匍匐在山腳下仰望。
在山腳下稱雄的巨人，不管怎樣努力，總不及山頂上的一個孩子看得遠。
這是怎么回事？
我想起了電影《功夫》里高手過招前問的問題：
“ChatGPT的藝術成份有多高？”
“很高，有三四層樓那么高。”
“你爬到了第幾層？”
……
