最近一款人工智能聊天应用，连马斯克公开表达了对ChatGPT的力挺，认为“我们离强大到危险的AI不远了”、“厉害的吓人”。
1，
这个软件火了以后，国内一堆人马上去玩，有人抛出很多无厘头问题，还有人问出比较专业性的问题，
ChatGPT居然都能给出回答。
很多时候，它也有错的时候，表现的还是有点像人工智障。
比如把红楼梦的内容，说成是《封神演义》。
甚至还乱点鸳鸯谱，把贾母许配给贾宝玉。
对于一些很主观的问题，比如问“特朗普和李斌谁做的番茄炒蛋更好吃”、“李白和莎士比亚谁更厉害”，回答往往很套路,
“因人而异”、“不好做判断”、“各有各的好”等等，显然很难让提问者满意。
但比起它的失误，网友显然更关心的是它的智能。
ChatGPT被人称赞为目前最聪明的机器人，是网友过誉了吗?我觉得完全值得这份称赞。
首先是它反应迅速，不管问什么问题，写诗，写小说，还是写较为复杂的代码，都能分分钟解决，秒出答案，回答很精准。
从一些日常生活中的基础问题，到更有专业性的代码、论文，它都能给出不错的回答，小说没有语病，写的程序也没有问题，
让专业人士看了都挑不出毛病。
它更是成了打工人的摸鱼工具，工作周报、辞职信、升职报告、公文等都能轻松化解。
更牛的是，ChatGPT还能化身情感导师，教人社交，找女朋友，给人排忧解难，化解心理健康问题。
如此智能，有人甚至喊出让ChatGPT替代搜索引擎的口号!!GOOGLE被威胁到。
2，
一位网友对谷歌搜索和 ChatGPT 提出相同的问题，
如“如何在 Latex 上写一个微分方程?”，两个学生同时比赛，显然，ChatGPT 是获胜的那一方，二话不说就给出了标准答案，
而另一边谷歌引擎还在输出废话文学。
国外推特上很火的帖子还声称“Google is done”(谷歌要完了)，在国内，也有一堆人表示哀叹，“又该有不少人失业了”。
ChatGPT的智能化程度，的确深得很多全球人的认可。
3，
谁能做出这么强大的ChatGPT?
ChatGPT如此先进的背后，离不开其公司Open AI在模型能力上的死磕，并持续将人工智能作为主业发展。
这还要从美国人工智能实验室OpenAI推出的语言模型系统GPT-3说起
很早以前，这个系统就曾构建出两个人工智能之间的对话，谈论如何成为人类，
如今，GPT-3经过不断进化，成了如今风靡全网的ChatGPT，不仅在大量网友的“疯狂”测试中能迅速回答，甚至让设计师、记者编辑、程序员等从业者都感受到了威胁。
2018年起，OpenAI就开始发布生成式预训练语言模型GPT，这也是如今ChatGPT的雏形。
此后几年OpenAI每年都会更新，比如2019年推出GPT-2，拥有更高的数据质量和更大的数据规模，不过，在音乐和讲故事等方面表现很不好。
直到发布GPT-3，这款软件诞生以后就开始有了火爆的趋势。
Open AI首席执行官奥特曼披露，用户已突破了100万啦。
看，他能帮我润色工作周报!
能帮我模拟鲁迅的风格写一封情书。
还能写一个游戏策划案。
但当我要找男朋友时，他爱莫能助。^^
ChatGPT采用的模型使用了“利用人类反馈强化学习(RLHF)”的训练方式，包括了：
人类提问机器答、机器提问人类回答，并且不断迭代，让模型逐渐有了对生成答案的评判能力。
如今，GPT-4还未到来，这一次发布的ChatGPT，被视为是基于GPT-3的微调版本，即GPT-3.5。
相比GPT-3，ChatGPT的主要提升点在于记忆能力，可实现连续对话，极大地提升了对话交互模式下的用户体验。
也就是说，人类的情绪和语气更丰富了。不仅是文字回答，甚至还能根据网友给出的文案，画出某个人的头像。
4，
如此智能化的代价就是烧钱。
ChatGPT及尚未出炉的GPT-4都面临训练成本过大的问题。有人指出，对于智能机器人是否收费是个两难决策：
如果继续免费，OpenAI会无法承受，但一旦收费，又会劝退不少用户。
有人关注ChatGPT的商业化，并在推特上向OpenAI总裁奥特曼提问，“ChatGPT每回答一个问题的成本是多少?”
老板坦诚回答：“每次对话的平均费用可能只有几美分，我们正试图找出更精确的测量方法并压缩费用。”
也就是说，你跟机器人对话一次，公司就要花掉1元左右的成本，然而目前AI还并未有任何商业盈利模式，可想而知。
5，
国内大厂为何做不出 ChatGPT ?
国外有谷歌、Meta，国内有百度等，都没少在AI上下了功夫。。
然而像ChatGRT这样智能的聊天机器人，还是很少见到。这么多对手都在做机器人，为什么只有ChatGPT能脱颖而出呢?
答案还是不断烧钱，加顶尖的研发团队才能到达这样的技术高度。
国内大厂的投入显然还是谨慎了些，他们更倾向于投资AI公司而非全情投入。
但ChatGPT让我们看到了另一种可能性，那就是背后的AIGC模式已经进化到相当智能的程度。
所谓AIGC，即AI Generate Content，利用人工智能技术来生成内容。
今年7月百度李彦宏就曾表示，
“AIGC或许将颠覆现有内容生产模式，实现以‘十分之一的成本’，以百倍千倍的生产速度，去生成AI原创内容。”
此前是Web1.0、Web2.0时代的UGC(用户生产内容)和PGC(专业生产内容)。
OpenAI创始人奥特曼曾说过：“十年前的传统观点认为，人工智能首先会影响体力劳动，然后是认知劳动，再然后，也许有一天可以做创造性的工作。
现在看起来，它会以相反的顺序进行。”
6，
AI绘画、AI聊天等创意类技术，都是如此。
目前，市场上的主流AI绘画模型包括：
Google的Disco Diffusion，Open AI的DALL-E 2，Meta的Make-A-Scene，以及StabilityAI的Stable Diffusion。
OpenAI曾推出一款DALL-E低代码工具，用户只要提出想法、输入参数，电脑就会自动生成艺术级别的画作。
之前，当用户输入一些天马行空的设计意念，
如“眼睛长在额头的人脸”或“骑着由彩虹与烈火构成的单车”等，
由于没有现成作品可供模仿，所以GAN通常就会失效。
在操作上，用户需要输入自己绘画的草图，再让GAN将其转化为真实的图像。但如果你不懂画画就没法用。
但CLIP(Contrastive Language-Image Pre-training)出现解决了这个难题。
一种基于对比图片与文字的训练模型，使用已经标注好的“文字-图片”数据给AI训练，让AI能够将文字与图像的意思进行匹配连接。
有了CLIP后，可以实现文字转化图像(Text-to-image)的崭新交互方式，容许用户输入文字来驱使AI作画。
比如输入文本指令：
比如美少女吃面AI绘画：
比如输入old man and the sea得到的图像，AMAZING!
已经是完成度非常高，接近完美的一幅画。
我来说下Diffusion，它是当前最前沿的技术。它叫”去噪扩散模型”，
工作原理是获取图像数据，并对图像逐步施加噪点，直至图像被破坏变成完全的噪点，然后再逆向学习从全噪点还原为原始图像的过程。
从AI的角度来看，它看到的先是一幅布满噪点的画面，再将画面一点点变清晰，最后成为一副画作。
但这里只有Stable公司的Diffusion为开源代码，而Open AI和Google目前暂没有开放自己的人工智能模型。
Stable Diffusion开源模型背后是一家成立时间仅有两年多的初创公司。CEO Emad Mostaque毕业于牛津大学，获数学和计算机科学硕士学位，此前曾在多家对冲基金担任分析师。
在Stable宣布开源后，这个平台出的作品数量已经超过了人类画家过去几十年，在全球CG专业美术社交网站Artstation上发布的作品总量。
Stability AI在今年10月宣布获得1亿美元融资，这轮融资后估值已达10亿美元，成为新晋独角兽。
另一家拿到巨额融资AIGC初创Jasper，以“AI生成文字”作主打服务，能够产生适用于社交媒体贴文、博客文章、营销文案等文字内容。
后来做了一款《Jasper Art》定位成专为营销图像设计而生的AIGC系统，特设无版权图片库，盈利模式是每月20美金。
现在总订户数现超7万，2021年收入达4000万美元，2022年暴增1倍以上，达9000万美元。
7，
说回来，微软对OPEN AI的这笔战投，给他的云计算生态带来直接效应!
敏感的预感到了大模型的巨大价值，在现在OpenAI GPT-3推出的前一年，也就是2019年，微软向OpenAI进行了高达10亿美元的投资。
这笔投资最直接好处，就是给微软的云战略吸引来了不少客户。
例如，美国最大的汽车零售平台CarMax利用OpenAI的开发工具把10万条客户评论直接进行了分析，根据客户的表达情绪分类成正面、中性和负面，还提取了关键字摘要，对于公司的战略决策起到了很大的帮助。
CarMax首席技术官甚至表示，如果没有人工智能，这项工作靠人工编辑团队需要耗费11年才能完成。
现在微软对OpenAI的新一轮注资即将落地，估值预计超200亿美元。
所以，OpenAI的图像，带给了人们巨大的想象空间。AI将做从0到1真正有想象力的事。
这，也是我唯一认为最有价值场景也规模化商业化应用的WEB3项目，但他依然不是发币。
8，
国内大厂的AI大规模训练布局!
不仅是最近破圈ChatGPT，近两年国内也迎来了“大练模型”和“练大模型”的军备竞赛热潮。
其中，行业巨头和高校科研机构领先。
百度发布了产业级知识增强大模型“文心”(参数规模达2600亿)，并基于“文心”模型形成了产业全景图。
华为联合鹏程实验室等也发布了“盘古”大模型。
阿里巴巴达摩院发布了中文语言模型 PLUG。
还有，北京智源人工智能研究院牵头，汇聚清华、北大、人大、中科院和相关企业共同研发的超大规模预训练模型“悟道”(悟道2.0参数规模达1.75万亿)也于2021年亮相。
超大规模AI预训练模型的技术突破，”在自然语言理解方面已经展现出超高程度的可用性，简而言之就是“机器真的懂人了”。
回溯历史，从最早Deep Learning到Alpha go，到Zero自训练，到Transformer，再到GPT-3，
AI在突飞猛进的发展，并不断落地在应用场景中，比如 AI制药、预测化学分子都极大地提高了所在行业的生产力。
启明创投合伙人周志峰表示，人工智能过去10年发展集中在感知智能，特别是视觉和语音技术的突破。
下一个十年，人工智能将走向认知智能，预训练大模型是其核心技术推动力和关键基础设施，让AI吸收更多的知识去理解和思考，最终实现接近人类水平的认知。
同时，预训练大模型使得AI从依赖手工调参建模走向可大规模复制的工业化阶段。
9，
AI大规模训练的投资热度!
大规模预训练模型被投资人看好，也直接反映在了投融资的热度上。
2022年以来，尤其是下半年，大规模预训练模型领域出现了多笔大额融资。
2月10日，澜舟科技完成近亿元Pre-A轮融资，由联想创投、斯道资本共同领投，创新工场跟投。
9月26日，智谱AI宣布获得数亿元B轮融资，由君联资本和启明创投联合领投。
11月7日，小冰公司宣布完成10亿元新融资。
12月6日，聆心智能完成数千万元天使+轮融资，由连星资本领投，图灵创投和智谱AI跟投。
这些企业均将商业落地作为融资后的发力重点，但其落地的侧重点各有不同。
澜舟科技研发的“孟子”模型，用更小的模型规模(10亿参数量)实现了比肩超大模型的性能，
已完成了各行业垂直领域20余个翻译模型的开发，覆盖新闻、金融、汽车等领域。
聆心智能目前则主要侧重于游戏、营销、情感三个领域。其中的核心技术就是人格化、个性化的AI物种(AI-being)创建引擎，
通过简单操作和设置，构建一个有灵魂、有个性、有风格的智能体。
聆心智能在12月推出了图灵世界的首个产品“AI乌托邦”，用户可快速定制 AI 角色，
只需要输入简单的角色描述，就可以召唤出相应人设的 AI ，与之进行深度对话，还可以命令AI完成相应的任务。最终实现conversation as a platform/service。
聆心还打造了Emohaa情绪疗愈机器人，并与精神心理平台好心情达成合作，落地了国内首款人工智能心理陪伴数字人;
还与高端豪华电动车品牌Beyonca合作，打造了新一代智能驾舱助手。
小冰公司是美女数字歌手洛天依和主持人崔筱盼背后的推手。
启动了对旗下人工智能数字员工(AI Being Employee)产品线的年度升级，其中最关键就是加强大模型对话引擎。
我预测未来AIGC两年、最多三年，AI将会有很大能力的提升。作画精度、C端场景应用，
并且!结合办公自动化RPA的程序，办公和创作效率又会上一个等级!
10,
最后ChatGPT的应用方式，可能是一个奇怪的点。
CHATGPT可以编写智能合约，比如如何创建一种新的TOKEN流通于市场。
但似乎关于发行 token 策略的回答并没有那么精准和全面，
例如你发行 token 的目标价格和与之相关的流动性高的配对 token(eth、USDT 等)，通过什么样的激励措施来增加 token 的流动性，什么样的市场氛围才是发行 token 的最佳时期等。
看出关于发行 CC token 的回答逻辑性并没有那么强。
而且其实我不认为，这个应该用到crypto上。
是股权化融资，最后2C/2B TOKEN代币的货币化商业应用?不是。
即便可以用他完成AI指令发行 token，发行成本大大降低，真到了那一天，或许会乱象层出，行业内爆。
毕竟任何项目的落地都是有很强壁垒的。
任何大型商业规模应用离不开中心化统筹!去中心化只是一种工具和协作而已。