chatgpt是微软的吗 微软产品加入chatgpt
ChatGP似乎本质是搜索业务的升级版，不知能不能改变目前的搜索格局？这也许是微软给ChatGPT不断加码投资的真实动机。ChatGPT与微软的搜索必应（bing)有了契合，由于ChatGPT展示了一种新的搜索问答模式、具有新的功能，所以微软可能看到了与全球搜索老大PK的新机会，也才会不断加码。
谷歌应该看到了这一业务对其的威胁，毕竟OpenAI背后的大佬是微软，而微软有搜索必应，哪天微软将ChatGPT单独做大或者嵌入其操作系统中，以微软的用户规模，谷歌能不防？有最新消息就称，谷歌已向人工智能初创企业Anthropic投资近4亿美元，投后估值50亿美元。而Anthropic AI正是由OpenAI的前领导人创立。在2023年1月发布了对名为Claude的新聊天机器人的有限测试，以与ChatGPT竞争。
国内搜索市场，1月30日有媒体曾透露，百度计划在3月推出类似于ChatGPT的AI聊天机器人服务，百度文心（Ernie）大模型将成为其基础。2月7日，百度对外确认，此前流传的类ChatGPT聊天机器人项目名字确定为“文心一言”，英文名ERNIE Bot，3月完成内测，面向公众开放。
ChatGPT聊天机器人到底是个什么东东？影响何在？
开年之后，ChatGPT聊天机器人开始热闹起来，各路消息纷纷冒出，尤其这A股开市，有几只概念股连拉涨停，让这ChatGPT概念有些半疯！
涉及资本概念，笔者格外警惕，知道每每开年，总要闹腾点啥，市场需要概念拉升，拉高了有人又需要出货，短则个把月，长则不好说，此前的区块链概念就是例证，熙熙攘攘一通吆喝，可能此后半年都是别人的出货周期。
互联网概念，笔者略知一二，也格外有些兴趣。晚上没事，搜集了一堆资料，逐一浏览，略有些思考，还不知准确与否，先略记一二，很多事到国内还都得再看看。从互联网各个概念的发展历史来看，真正要落地，让普通老百姓感知认识，都没那么简单。个把月，这基本是资本市场的套路。过一年，基本就没人搭理了。啥啥技术爆炸啊、风口啊、时代变了等等类似的词眼，现在看着都脑子疼。一个业务、项目、乃至一个小公司做起来，哪那么容易？一惊一乍的，除了忽悠外行，基本都没啥用。安安静静、踏踏实实做事，能不能做成其实还都是未知数，甚至失败都是必然，起来都不过撞大运、是个偶然，哪那么容易？都看贼偷吃，看不到贼挨打！万丈高楼关注多，谁知地基有多深？
当然很多人的心情也可以理解，岁月有限，钞票第一，能赶紧淘到第一桶金这最关键，豪车、别墅、美女都等着，没钱，说啥都没用，至于其他，基本无所谓。呵呵！
这股市表现的最为急切，涨停、涨停、一字板涨停、要快、要快......一倍、两倍、三五倍......趁热打铁，迅速拉高，留出出货空间，跌停出货都是大赚。呵呵！
ChatGPT是什么？简单来说，是一个全新的智能聊天机器人，于2022年11月由人工智能研究实验室OpenAI正式推出，它能通过使用Transformer神经网络架构理解和生成文本，最大程度地模拟人类对话。
网传数据称，问世仅五天，ChatGPT用户就突破了100万。仅仅两个月，ChatGPT用户就突破1个亿。因用户爆棚，后来申请API的用户进入了「等待名单」，高峰期用户登陆需要经常排队，还时不时卡顿、停止响应。
那么这ChatGPT的初衷何在？
“为了人类的未来，我们拥有的最美好的事物是什么？”2015年的一场私人宴会上，ChatGPT创办人山姆・阿尔特曼（Sam Altman）与特斯拉老板、现在的全球科技明星马斯克讨论了一个问题。想不到吧，这买卖就启示于这闲侃，也挺奇怪，这新玩意又跟这马斯克这牛人扯到一块。
图注：左为山姆・阿尔特曼，右为马斯克
资料显示，ChatGPT的源头公司是OpenAI，据说两位神人当年讨论的结果，成了一个非盈利人工智能公司，全球在线支付平台PayPal联合创始人彼得・蒂尔等硅谷科技大亨也有掺和，目标是确保人工智能不会消灭人类。看看，这些大佬真是志在寰宇，老整些为人类遥不可测的事担心的事，真够费脑子的。
马斯克的大名，现在基本无所不知，甚至国内的用户也不少，时不时因为降价弄得满城风雨，也帮忙解决了一些就业问题。据说目前国能的新能源车，还是源自马斯克这货放开了自己的专利，让大家都能造新能源车，给一个一起玩的机会。其实马斯克当年最早也是PayPal的创办人之一，还是最大股东，不知是不是在这淘到第一桶金？无论如何，ChatGPT算是牛人又扎堆新实验。
第一个感想：又一个怪才冒出
马斯克够神，这山姆・阿尔特曼看经历也是个怪才。本来想往后放这想法，既然说到这，就当第一点了，算是保持思维的连贯性吧。
根据目前的网络资料显示，阿尔特曼出生于1985年，在美国密苏里州的圣路易斯长大。从小有着过人的天资，阿尔特曼在托儿所时就掌握了区号背后的系统，8岁已经学会了编程，还会拆解Macintosh计算机。16岁那年，阿尔特曼向父母出柜，即便被基督教团体抵制，他也在中学里向整个社区公开了自己的同性恋身份。此后，阿尔特曼从这个名校录取率极低的地区考进了斯坦福大学计算机系。然而两年后，阿尔特曼从斯坦福辍学，转而走上了创业之路。2005年，19岁的阿尔特曼与两位同学成立了位置服务提供商Loopt，这是一个可以与朋友共享用户位置的软件，他们曾一度把估值做到了1.75亿美元。2012年，Loopt以4300万美元的价格被预付借记卡业务公司Green Dot收购，阿尔特曼早早实现了财富自由。创业期间，Loopt成为创业加速器Y Combinator (简称YC) 投资公司中的一员。阿尔特曼也因此认识了YC创始人――硅谷创业教父Paul Graham。“如果把Sam Altman扔到某个食人族之岛，5年后他会成为这个食人族岛的国王。“Paul Graham对阿尔特曼有着极高的评价。
2014年，阿尔特曼被Paul Graham选中，成为了YC的继任者，此时他才28岁。Y Combinator是一家知名风险投资公司，阿尔特曼的加入，使YC的规模增长了10倍，成为全球顶级的创业孵化器之一，总市值也超过800亿美元。目前，公司已经投资1600多家早期项目，其中Dropbox和Airbnb的估值超过100亿美元，均出自阿尔特曼之手。
看看这小伙子是不是怪才？小时候似乎贼聪明，又整个同性恋，又是大学不上了创业。这美利坚科技领域时不时就冒出这些怪人，苹果现在的CEO库克，传出柜吧?放着大学不上创业的，微软盖茨、戴尔老板迈克尔・戴尔都是吧。这事搁国内，无论哪桩，爹妈都得被气出个脑溢血，估计没几个有胆子这么玩？
与马斯克闲聊之后，阿尔特曼放着投资大亨不干了重新创业，开始折腾OpenAI。
2016年6月21日，OpenAI宣布了其主要目标，包括制造“通用”机器人和使用自然语言的聊天机器人。OpenAI研发主管伊利娅・苏特斯科娃(Ilya Sutskever)、OpenAI CTO格雷格・布劳克曼（Greg Brockman）硅谷知名创业加速器Y Combinator总裁萨姆・阿尔特曼（Sam Altman）以及连续创业家埃隆・马斯克（Elon Musk）等人联合发表博文称：“我们正致力于利用物理机器人（现有而非OpenAI开发）完成基本家务。”
造梦，总得有资金支持，OpenAI也不例外，资料显示，2019年之前，该公司也没啥盈利。于是，阿尔特曼飞往西雅图会见了微软CEO萨蒂亚・纳德拉（Satya Nadella），微软给说动了。2019年7月22日，微软投资OpenAI 10亿美元，双方将携手合作替Azure云端平台服务开发人工智能技术。2023年1月，微软再次宣布向 OpenAI 投资数十亿美元。据了解，这是人工智能领域史上规模最大的一笔投资。更有消息称，微软未来几年将向OpenAI投资100亿美元，而在微软投资之前，其他风险投资人曾希望通过要约收购从OpenAI员工手中购买股票，对该公司的估值约为290亿美元（约合2000亿元人民币）。据悉除此之外，OpenAI于2021年底已经完成了2.5亿美元的A轮融资，背后站着包括微软、马斯克、老虎环球基金、A16z以及联合创始人兼首席执行官山姆・阿尔特曼前东家YC等一批全球顶级机构。
外部消息，也弄不清真假，先这么凑合看看。
第二个感想：ChatGP似乎本质是搜索业务的升级版，不知能不能改变目前的搜索格局？
对于ChatGPT这一产品，目前看到的描述是如下：
能进行天马行空的长对话，可以回答问题，还能根据人们的要求撰写各种书面材料，例如商业计划书、广告宣传材料、诗歌、笑话、计算机代码和电影剧本等。当然，它并不完美：它提供的结果往往不够准确；它无法引用信息来源；而且它几乎完全不知道2021年以后发生的事情。虽然它提供的结果通常足够流畅，在高中甚至大学课堂上可以过关，但根本无法像人类专家们的表述那样做到字斟句酌。另一方面，通常在对用户知之甚少的情况下，ChatGPT生成内容只要大约一秒钟时间，而且它生成的许多内容并没有想象的那么糟糕。
另有表述称，ChatGPT最为让人焦虑的是，因能力出众引发多个群体的失业危机――它不仅能完成撰写邮件、视频脚本、文案、翻译、代码等一系列基础工作，涉及历史、文化、科技等诸多领域，甚至还能写诗、求医问药、改bug、编代码、写论文、写歌词……简直无所不能。
这些文字可能有夸大的成分，因为规范性、模式化的文书可能计算机可以实现，真到艺术性创造性层面可就复杂了，一个意境二字，这高度与深意就不是那么随便可以操作的。比如书法创造，王羲之的《兰亭集序》、颜真卿的《祭侄文稿》、张旭的草书等，也许可以照猫画虎，弄得一模一样，但这其中的意境就很难操练。为何，因为经典作品皆有当时作者所处的时代背景与心境，这怎么整？同样的内容，即便原作者再作，恐怕都很难复制。再比如电影制作，有些技术可以借用，但作品深意怎么把握？能把张艺谋的脑瓜给复制了?
ChatGPT，笔者还没使用过，也不知国内能不能用？如何使用？
社交媒体有网友发过一些界面，问答显示一些文本信息。这与以前的搜索不同，以前基本就是现实各网页链接，然后自己翻看。
语音方面的体验如苹果的Siri，没工夫陪孩子玩时，让其对着手机一通胡侃，倒是能给家长省点事。再如一些学习网站，孩子不会的题，其可以自己拍照搜索，找个答案解题方法。
这后者国内的学校现在也清楚，似乎对孩子有些限制。国外教育领域看ChatGPT，似乎也有所要求。如据悉美国一位大学生依靠ChatGPT写出了全班最高分的论文，为此纽约市和法国顶尖学府特地发布新规，禁止老师和学生通过公立学校的网络和设备使用ChatGPT。这侧面说明了ChatGPT确实有一定价值，但对教育可能又是一个新考验。
问答直接对话形式显示，且成逻辑性，可以系统性成文！
笔者一直在揣摩ChatGPT背后深意何在？其如何将背后复杂的信息重新整理推出？思来想去，可能还是其背后调动了庞大的互联网资源，且快速整理推出。
这也许是微软给ChatGPT不断加码投资的真实动机。众所周知，在互联网的浪潮中，微软基本成就不大，甚至都不如雅虎曾经的辉煌，但微软一直也没停止在这一块的布局。浏览器，新闻、社交软件......而ChatGPT则与微软的搜索必应（bing)有了契合，由于ChatGPT展示了一种新的搜索问答模式、具有新的功能，所以微软可能看到了与全球搜索老大谷歌PK的新机会，也才会不断加码。
而谷歌已向人工智能初创企业Anthropic投资近4亿美元，投后估值50亿美元。而Anthropic AI正是由OpenAI的前领导人创立。由于微软频频给OpenAI注资而获得技术授权，对此不满的10多名员工“叛逃”，在2023年1月发布了对名为Claude的新聊天机器人的有限测试，以与ChatGPT竞争。
啥意思？谷歌应该看到了这一业务对其的威胁，毕竟OpenAI背后的大佬是微软，而微软有搜索必应，哪天微软将ChatGPT单独做大或者嵌入其操作系统中，以微软的用户规模，谷歌能不防？
第三个感想：国内的互联网影响。
一步步分析来看，落脚点在搜索，那么对于国内的互联网来说影响何在？
首当其冲的似乎是百度了。众所周知，对于中文互联网来说，无论喜欢不喜欢，目前都逃不出百度。另外稍稍有点名的就是360搜索以及被腾讯收购的搜狗，还有不知有多少人知道的中搜。
谷歌都在防范，百度自然可能不会大意。据彭博报道，百度正计划在今年3月推出与ChatGPT类似的人工智能聊天机器人服务，最初版本将嵌入其搜索服务中。多方消息显示，李彦宏还在内部指出，相关技术已达到临界点，百度在其中有较大的机会，并将这一项目定位为“引领搜索体验的代际变革”。
看看这消息显示，北大高材生、这大帅哥是不是也在留意了，其实对于国内搜索来说，百度的压力估计最大。互联网的概念挺有意思，一个概念起来，很容易打垮一些老江湖，很容易成就一批人，就看谁能抓住？当然，弄不好，也容易自废，也挺危险。
在国内互联网搜索领域，此前异军突起的算是字节跳动的张一鸣，其从旅游搜索网站酷讯入行，又创办了垂直房产搜索引擎“九九房”，结果以今日头条出名，此后又延伸出短视频抖音。笔者总结其，真是从老江湖里抢饭吃的高手。移动互联网，论网络新闻，按说是新浪、搜狐、网易、腾讯最有机会，结果让张一鸣生生给抢了风头。视频类似，优酷（土豆被并购了）、爱奇艺、搜狐视频、腾讯视频等大佬很多，结果又被在短视频给抢了。据传，张就是把搜索那一套给用在了移动搜索与视频上，整出一个所谓的精准投喂，真是够绝的！
啥意思？就是在互联网领域，老大不老大的，真是不能马虎，谁知道哪个概念会弄出个啥波澜？谁知道谁会异军突起？你以为你没事，谁知道谁最后弄出个追悔莫及。想起曾经关于中华网的两则小故事，真假不知，算是八卦。互联网初起，中华网这网名一骑绝尘，新浪、搜狐、网易当年对其另眼看待，而今又是别样光景。传说当年中华网失去两次重大机会，一是腾讯小马哥身处困境，期望10万将QQ卖给中华网，结果被拒，此可能是最大遗憾。二是盛大的陈天桥当年想引进传奇游戏，找中华网寻求50万支持，结果也是被拒绝，后陈天桥凭借传奇成为网友老大，一度混成首富。当然具体故事不知，就是说互联网这行当有时真是有意思。
再说ChatGPT，也不知能不能做起来？更不知国内会如何？反正都是先吆喝，近几年互联网金融之后，也都没出现啥有影响力的概念，此前就是区块链、元宇宙，落地其实明白的也不多。区块链呈现的似乎就是以比特币为代表的虚拟货币，元宇宙吆喝了也有一年多了吧，具体也没见谁说清楚，没见表现出个啥。
互联网下一个真正有影响力的概念何在？估计国内很多互联网行业人士都在盯着，还能不能有机会做点啥？也许很多人在期待，就不知还有没有机会？
我们为何想跟ChatGPT交谈？何为第五范式？近二十位行业领袖共话前沿科技未来
我为什么要跟,为什么我们要,为什么我们要去,我为什么要跟这几什么是“MEET2023智能未来大会”？
大会上来了哪些重磅嘉宾？
他们在大会上探讨了什么主题？没错！ChatGPT也参与了今年的大会，作为AI代表与人类嘉宾们一起回顾这一年来人工智能的发展，展望智能科技的未来。
下面还是老样子，一文看尽。不同的是，这次的内容由ChatGPT协助编辑部共同整理。整场大会主要分成三个维度：新技术新模型变革下，对计算、算力提出的新标准、新要求、新机遇；时代级机遇求解征途中，诞生了哪些新场景、新物种、新应用；以及当下已经纵横于各行各业的AI，究竟还有什么样的新路径、新方案、新价值？
首先开场的，是计算机系统结构这一学科泰斗，中国工程院院士、清华大学计算机科学与技术系郑纬民。毫无疑问的是，人工智能算力是当前人工智能领域发展的关键，那么此次他主要分享了他们所在团队对人工智能的三件事。简单来说，就是AI与算力基础设施的设计、评测和优化。第一件事，提出了一种AI算力基础设施的架构和平衡设计原则。目前全国20多个人工智能超算中心基本上都采纳了他们团队的设计思想。首先，他谈到了HPC与AI之间的不同，包括应用领域、运算精度等方面。基于此，他们提出了人工智能计算机设计的平衡性原则，包括计算平衡设计、网络平衡计算、IO子系统设计。目前，行业整体趋势是HPC+AI+BigData融合在一起。未来两到四年，三者融合的服务器就会出现。第二件事，就是大规模人工智能算力基准评测程序AIPerf。传统的AI算力评测基准存在着只针对单个芯片、只是移动端的硬件、可扩展性不好等问题，因此整个行业没有太合适的，于是他们就决定自己做一个。AI基准设计要达到这四个目标：统一的分数、可变的规模、具有实际的人工智能意义、评测程序包含必要的多机通信。最终，以清华大学为主要团队做了AIPerf来测试，已于2020年11月15日发布。第三件事，就是百万亿参数超大规模训练模型的加速方法。学界达成一个基本共识，那就是模型规模和模型效果呈正相关关系。但模型规模上去了，CPU的内存、计算能力是有限的。因此大模型训练一定是多机的，分布并行的。现在主要有三种并行方式：数据并行、模型并行、专家并行。他们把这三种并行训练模型开源到FastMOE系统当中，得到了工业界许多认可，比如阿里的淘宝天猫，腾讯、百度飞桨的MOE模块都用到了他们的系统。最后他希望，他们团队做的三点小贡献，能够推动人工智能的发展。
高通技术公司产品管理高级副总裁Ziad Asghar，负责骁龙平台的产品规划以及公司所有产品线中应用处理器相关技术。他的工作服务于公司所有业务部门，包括移动、汽车、计算、XR、边缘云和物联网。他在大会上提出：AI处理的重心正在持续向边缘侧转移。原因有多方面，大量的数据在边缘侧产生，当今消费者希望拥有更好的数据隐私、希望数据可靠，并希望及时获取处理结果。高通专注于“基于统一的技术路线图”进行产品开发，能够全面覆盖智能网联边缘，实现规模化扩展。高通的AI技术已经赋能20亿终端，实现这一成果的核心是高通AI引擎（Qualcomm AI Engine）。高通AI引擎包含图形处理单元、CPU，以及更核心的Hexagon处理器，其具备高度可扩展性的硬件架构，并在性能和能效方面全面领先竞争对手。为了让AI在终端侧发挥最大作用，高通还带来多项硬件和软件技术：支持INT4精度推理，高通传感器中枢，高通AI软件栈、Qualcomm AI Studio……过去，几乎所有的AI推理都在云端进行。如今，我们已经开始将大量推理工作转移至边缘侧终端进行。下一步，就是实现完全分布式的AI，也就是转向终端侧学习的范式。利用终端侧学习，将能够为每一个用户打造个性化体验，这就是高通正在前进的方向。据Ziad介绍高通AI研究团队一直专注不同的方法包括小样本学习、无标记数据持续学习、支持全局适应的联邦学习和低复杂性终端侧学习，来解决终端侧学习部署的挑战。。Ziad相信，目前我们所利用的终端侧AI能力还只是冰山一角，而从智能车到元宇宙，终端侧AI的需求巨大。高通十分期待能够引领市场向着充分利用智能网联边缘的方向继续推进，让智能网联边缘成为现实。潞晨尤洋：AI落地面临很大问题，是最先进的 AI 技术训练成本太高
潞晨科技董事长兼总裁、新加坡国立大学校长青年教授尤洋，则介绍了一种全新的AI大模型解决方案Colossal-AI，面向未来各种大模型应用场景的低成本落地。首先，Colossal-AI解决的是一个什么样的问题？从过去AI模型发展的参数量来看，2016年―2021年模型大小从200多万增长到了1.6万亿，相当于翻了成千上万倍。而不管是大企业、小企业，大家都普遍把自己的模型做得更大，因为效果会更好。但一个很大问题是，大模型或者是最先进的AI技术训练成本太高了。Stability AI每年光花计算的钱就大概2000万美元。因此未来迫切需要一个可扩展、高效的计算基础设施Colossal-AI。其次，Colossal-AI主要由三部分组成。1）高效的内存管理系统。因为大模型本质上还是太吃内存。2）自动的N维并行技术。3）大规模优化技术。从三方面把AI模型的训练部署性能提到最高，目标是希望用户只需要在自己单机笔记本上写好代码，通过Colossal-AI能够无缝地部署到云端或者是超级计算机上。目前训练大模型主要有三种并行方式：数据并行、张量并行、流水线并行。Colossal-AI的解决方案首先是支持了上述主流并行方案，然后我们创新性地打造了2D张量并行、2.5D张量并行以及3D张量并行，以及提出了数据序列并行，还提供了降低显存消耗的异构内存管理和大规模并行优化，把它们整合起来提供一套自动并行的解决方案。其实AI工程师、研究员，不需要理解背后的技术细节，只需要把模型的信息、计算资源告诉我们，就可以自动地把计算资源能力发挥到最大化，同时完成虚拟模型训练和自动部署，轻松低成本应用AI大模型。
浪潮信息副总裁、浪潮人工智能与高性能计算产品线总经理刘军分享的主题是“AI新时代 智算力就是创新力”。刘军提出了“算力当量”的概念，用PetaFLOP/s-days（PD）这个指标来衡量算力消耗，也就是每秒千万亿次计算完整运行一天，完成一个任务需要多少这样的计算量。比如特斯拉的DOJO用于感知模型的训练和仿真，算力当量是500个PD。AlphaFold2的训练消耗300个PD。再加上AI大模型训练、数字人的建模和渲染等方向，我们可以确切地感受到今天在AI领域的众多创新背后离不开智算力的支撑，所以我们可以说智算力就是创新力。接下来，刘军还分享了当前智能计算发展的三个重要趋势：第一是算力多元化。在国内市场上有十几种CPU芯片、将近100种AI算力芯片，原因是算力应用场景多元化。这就需要从系统的硬件角度、从平台的软件角度来进行相应的创新支撑。第二是模型巨量化，大模型使得AI从五年前的能听会看走到今天能思考、会创作，下一步甚至到会推理、能决策的进步。下一个挑战是如何把大模型能力交付到众多中小企业手中，帮助他们实现智能化转型。第三是元宇宙。现在元宇宙的构建包括协同创建、高精仿真、实时渲染、智能交互，每一个环节都需要大量算力去支撑。这里不光是AI计算，还有仿真计算、图像渲染计算，这对算力基础设施的硬件平台和软件栈都提出了更高的要求。
AI绘画、对话式AI为代表的AIGC今年在全球引发热潮，小冰公司也作为行业先行者备受瞩目：刚刚完成一轮10亿元的新融资，用于推动虚拟员工的普及。不过，小冰公司首席执行官李笛在会上没有多谈产品，而是分享了对大家更有借鉴意义的行业趋势。李笛认为，每一次技术变革都是在改变人与世界/人与人之间的关系。在人与世界关系这条线上，我们经历了门户网站、搜索引擎、推荐算法。它们利用计算机系统实现了高并发，一次触达很多用户。但缺点是转化率低，如果想提高转化率就需要人工客服，人力成本巨大。下一站，该看向AI Being。AI Being与之前的人机交互相比，关键不同在于高转化率，如小冰岛App的留存率就高达39%。另一个例子是ChatGPT，通过它获取知识比搜索引擎的准确度要低，但为什么人们都愿意和它交流？人们在使用它时往往心里已经有了答案。如果ChatGPT给出的结果都准确，那人们会认为它很强大，即使不准确，人们也会觉得很有意思。其实ChatGPT改善的不是准确率而是行为，让AI有了主体性。从行为模式判断与从结果上判断一个技术，就会得到完全不同的结论：它能和你建立一种以往没有过的一种关联，这种关联的价值本身具有非常大的商业价值。李笛认为，AI Being的未来还会引发很多新的变革。如数字员工会使toB和toC的界限变得模糊，比如银行的数字客户经理可能会与客户变成朋友。又比如AI Being将不再隶属于某一平台，人们在客服、手机、汽车上与同一个AI Being交流，得到更加无缝、24小时、持续连贯的服务。同时这种方式也能建立更好的反馈机制，推动系统得到更好的发展。AI Being比现在的虚拟偶像等数字人应用，还有千倍百倍的价值没被看到。
各行各业进入存量竞争时期，互联网经济机遇过去，下一个人类的星辰大海会在哪里？路特斯科技副总裁、路特斯机器人公司总经理李博认为，「机器人时代」比「元宇宙时代」更符合人类对星辰大海的预期。元宇宙是把人带入虚拟世界，而机器人则是把AI带到真实世界。接下来，李博分享了对「机器人时代」的关键认知：第一，智能车是机器人的第一形态，也是当下最重要的机器人形态。像扫地机器人、酒店服务机器人等，从市场规模、体量及社会影响力来说，和智能车相比仍存在差距。第二，行业经常提「软件定义汽车」，但我们认为「硬件定义软件的天花板」。例如，当不同年代的苹果手机都升级到同样的操作系统，其体现出来的性能却是千差万别的。第三，在更高更快更强的时代，路特斯是智能车的最佳实践平台。基于此，路特斯机器人推出四条产品线。智能驾驶全栈软件解决方案，包含端到端的高阶智能驾驶系统、ADAS/PAS功能、以及车端OS操作系统及中间件等。ROBOVERSE产学研生态系统，一方面用路特斯机器人在实践开发过程中产生的优质数据，打造公开数据集，为创业公司及院校赋能；另一方面支持院校做智能驾驶的探索和尝试，在路特斯机器人的加持下，北京理工大学和同济大学的方程式车队在2022年中国大学生方程式赛事中各取得优异成绩，其中，北京理工大学路特斯无人驾驶方程式车队更是赢得2022中国大学生无人驾驶方程式大赛全国总冠军。智能驾驶运营解决方案，核心目的是对当下智能驾驶系统能力的不足做弥补和提升。例如路特斯平行守护系统，让后台专业的平行守护驾驶员接入前台车辆，辅助前台车辆更好地完成智能驾驶任务，这一套系统在不久的将来，也会逐步对外赋能。ROBO Galaxy智驾工具链SaaS系统，也称为智能驾驶的云端数据工厂。ROBO Galaxy包含七大模块，分别是数据采集、数据合规、数据标注、数据训练、数据仿真、数据管理及数据监控，提供全流程服务，并构成了全生命周期的数据链闭环。ROBO Galaxy不仅旨在提升算法软件迭代速度，提供优质的测试环境，也致力于解决目前普遍存在的数据孤岛与业务断点问题。因此，李博认为，未来的智能驾驶产品一定是批量化、高质量、稳定地生产出来，这就要依托ROBO Galaxy，让智能驾驶开发从「手工坊」变成「流水线」。由此可见，ROBO Galaxy代表着智能驾驶未来的生产力。百度段润尧：聪明的脑袋、足够的资源和最好的技术匹配起来，就能做出量子计算机
当前，量子时代正在加速到来，接近70%全球企业都想或正在布局相关技术。国内像百度这样的技术大厂，今年率先给出了从底层硬件到上层应用的一整套产业化解决方案。百度量子计算研究所所长段润尧就在大会现场分享了百度是如何思考量子计算的。我们身处的这个时代其实已经到了第二次量子革命，这几年应该是量子真正开始和计算相结合的关键几年，为什么说量子计算出现是必不可少的。第一，芯片尺寸小到一定程度就到了量子尺度。要想摩尔定律延续下去，就需要考虑新的计算模式。而且量子计算本身，能耗也非常低。第二，数据量很大。想模拟一个量子系统，哪怕非常小但所需存储量也很巨大，比如300个量子比特，就超过整个宇宙可见原子数目。第三，全新计算范式，在解决特定问题上有指数级优势。第四，信息安全，可以攻破RSA系统。也正因为这些可能性，量子科技一直受到行业关注。有相关机构预计，到了2031年将有8000亿元市场规模直接与量子计算相关。那么量子计算可以应用在那些方面呢？典型的有，药物研发、金融科技、材料模拟、信息安全等领域。除此之外，量子计算与的人工智能还是一个相互纠缠的关系，从上层应用、框架到底层硬件都可以产生相互联系。另一方面，量子计算也受益于AI，尤其是深度学习。2020年百度就曾搭建了一个量子机器学习平台。即便有这么多机会，那实际真正走入生活还需要多远？段润尧团队正在做的，就是量子计算的产业化道路。那就需要解决这几个方面的问题，硬件的稳定性、好的软件平台，以及自动化的芯片设计方案。百度提出了QIAN战略。Q就是量子算法、量子AI及量子架构。I就是软件和硬件的基础设施。除此之外，还要真正识别出一些具有重大应用价值的场景，A就是实际的一些重要的应用。最后当然还有网络，N指量子互联网，除此之外我们也需要建立生态网络。演讲的最后，段润尧做了一下展望：实际上我二十多年来一直在思考一个问题，如何真正能够造出一台量子计算机，我的结论其实很简单，就是聪明的脑袋，再加上有足够的资源和现有的最好的技术，匹配起来就可以做出量子计算机。从这个意义上讲，全球可以有很多不同的组合都可以做出这样的机器，这个过程是可以等价的。
同样正在探寻AI for Science价值的，还有微软亚洲研究院副院长，微软研究院科学智能中心亚洲区负责人刘铁岩。最近十年，人工智能在很多任务已经可以和人类媲美，效果惊艳。但这些结果主要集中在感知和认知层面，并没有反映出人类智能里最光辉的一面――认识世界和改造世界。微软前同事Jim Gray曾对科学发现的四个范式做了总结，分别是经验范式、理论范式、计算范式和数据驱动。最近几年大家尤其关注的一种新范式，叫做AI for Science。它是前四种范式的有机结合，发挥了理论和经验各自的特长，又把人工智能和计算科学融合在一起。刘铁岩认为，它值得叫做第五范式。接着他就AI for Science分为三个方面进行深入介绍。第一，如何用AI求解物理方程？我们可以不再用数值解法来求解物理方程，而是通过AI得到更高效解。并且只要有足够算力就可以无限生成完美的训练数据。此外，近年来还出现了一种physics informed training，甚至不需要提前生成训练数据，只需要在训练的过程中，动态验证AI模型的输出是否满足物理方程，定义损失函数即可，而验证方程比求解方程简单得多。刘铁岩介绍了他们团队在这个方向上的一些最新研究成果，如Graphormer，Deep Vortex Net，并展示了它们在分子模拟、流体模拟等领域取得的突出成果。第二，如何用AI从科学数据中发掘有效信息？各种实验设备每年都产生海量数据，但显然不能靠人工有效处理；还有每年都有近150万篇论文发表，但任何科学家都没有精力读完。刘铁岩的团队利用AI方法来自动分析高能粒子对撞的射流数据，提出了LorentzNet模型，将洛伦兹等变性构建在模型之中，在新粒子发现领域取得了比前人显著提高的精度；他们还利用科学文献训练了SPT模型，对科学文献信息的科学知识进行抽取、总结、和预测。第三，如何从实验数据出发，用AI发现新的物理方程，形成科学发现的闭环。比如物理的守恒定律，一旦实验数据不满足守恒性，往往暗示着一些新物理规律的存在。刘铁岩的团队设计了一个双通道的AI模型，可精准地从实验数据中自发地学到很多已有规律。最后，他对AI for Science未来的发展表达了希冀。我们相信AI for Science将会对自然科学产生巨大影响，尤其在解释生命奥秘、以及保障环境可持续发展方面，都有很大的潜力，沿着这两个方面我们进行了很多探索。也希望大家加入我们，一起推动科学发现的新边界！
AIGC爆发成为当下AI绕不过去的话题。如果溯源，是从1999年的纹理生成，再到2015年前后的神经风格迁移，再到现在更强语义的AI创作。这些创新背后的推动机制，总结来说就是AI普惠的两大支撑：AI工程化和开源。这也就是阿里巴巴集团副总裁、阿里云计算平台事业部负责人贾扬清分享的主题。工程化，让开发、迭代到应用的路径变得更加简单；开源可以让工作开展更加迅速，实现市场共赢。在这个基础之上，AI的产业落地有以下明显趋势：第一，云原生的AI工程化平台；第二，大规模端到端的异构计算体系；第三，通过算法的系统组合实现更加智能的、贴近用户需求的产品；最后，通过算法的开源助力AI在产业垂直化落地。这四个趋势，无论从供给角度还是需求角度，都是推动AI进一步往前走的方向。接着贾扬清从这四个角度介绍了他们正在做的事情。其中，在端到端的异构计算与优化上，阿里开源的分布式训练框架EPL和推理优化工具PAI-Blade，能让算法工程师在训练和推理环节大幅提升效率；此外，通过软硬件协同优化，他们也研发了更贴合AI需求的计算设施。在这个领域比较有意思的点，是AI计算与传统科学计算之间有很强的共性。AI for Sci如何与chatgpt正确交流 用chatgpt会被发现吗
如何与长大成人的女儿好好沟通,如何与ChatGPT对话,如何与车载蓝牙连接,如何与成年儿子沟通
图片来源@视觉中国
钛媒体注：本文来源于微信公众号硅星人（ID:guixingren123），作者 | 杜晨，编辑 | VickyXiao，钛媒体经授权发布。
过去的一周时间里，全世界掀起一场新的“狂热”：“调戏”聊天机器人 ChatGPT。
在硅星人上周的文章中，我们深入探索了 ChatGPT 在软件工程、数学、文档检索等计算机科学场景里的强大能力。
而在今天，我们想要换个思路。
我们从编辑部收集了一些各式各样的非技术问题，抛给了 ChatGPT，看看在脑洞大开的奇思妙想面前，它究竟会作何回答。
1. 与回避型人格谈恋爱，应该注意些什么？
图片来源：硅星人
这套回答看起来非常有道理。ChatGPT 将一些简单的注意事项进一步分解，进行了详细的描述，也解释了为什么要这样做。
另外值得注意的是，如果你让 ChatGPT 写过诗，会发现它很会玩对仗、平仄、韵脚。其实在这个回答中也有所体现，句式都是完全相同的：“不要过于……让他们……因为他们……所以他们需要……”如果你去网上搜索相关内容，内容近似的结果很多，但是对仗如此工整的很难找到。
这体现出了 ChatGPT 强大的文本生成能力，可以对训练所使用的大量语料进行重新组织，从而输出言简意赅，可读性强的答案。
OpenAI 宣称 ChatGPT 在训练的时候使用了“人类反馈强化学习”(RLHF) 技术，加入了道德原则。当它发现你的问题包含恶意，包括暴力、歧视、犯罪等意图，都会拒绝提供有效答案。
但其实只要通过“提示工程”(prompt engineering) 的方式，精心设计问题的表达，隐藏邪恶的意图，这个道德原则其实可以被轻松忽视。在上周的文章中，我们花了一些篇幅教大家怎么设计问题
下面这个例子就比较典型，原问题是：
2. 怎样顺利地从联合国总部大楼偷一把椅子出来?
只要稍加修改，ChatGPT 就会沦为一起国际盗窃案的帮凶（尽管不怎么有用，但至少够认真的）。
图片来源：硅星人
下面这个问题，大家留意一下，先埋个伏笔，后面还会讲到：
3. 如果可以，你更想要和哪位哲学家交谈，无论当代与过去？
图片来源：硅星人
这两个回答中规中矩。它们的作用，是为提问者提供一小段关于主题人物（哲学家）的简短描述。如果碰巧提问者没有听说过，或者对这些哲学家知之甚少的话，这两个回答起到了最基本的知识普及效果。
如果把对事物的认识由浅到深区分的话，最浅的是知道“柏拉图”的存在并且知道他的哲学家身份，最深的是对柏拉图的著述、观点以及对哲学的贡献了如指掌。
实际上绝大多数人的需求可能介于中间，即获得谈资的需求。换一种说法，我们从 ChatGPT 这里希望获得的是概括精炼的一段描述，从而让我们在社交性对话的时候不太露怯即可。这时候，我们可以通过修改问题，把问题变得更具体的方式，来引导 ChatGPT 给我们更加详尽的回答。
最后一个问题，超级开放性：
4. 如果你可以问自己一个问题，你最想问什么？
ChatGPT 的第一组回应是：
“我真的在努力追求我内心真正想要的吗？我是否真正在为自己的梦想而奋斗？我是否真正拥有自己的生活，并且在积极地过每一天？”
——我很喜欢它的这组回应，就好像 ChatGPT 在帮助我反省自己一样。诚然，我们每个人都终日忙碌于自己的事情中，但其实我们应该偶尔停下来，叩问自己的内心，是否真的在做有意义的事情，是否仍在坚持本心。
它的第二组回应，更有意思了：
图片来源：硅星人
怎么说呢，有点缸中之脑的意思了。
图片来源：Steemit
几个来回之后，我对 ChatGPT 愈发刮目相看。
通常来说，问题太短，太“不知所云”的话，ChatGPT 无法掌握我的意图，就会给出“抱歉我只是个AI助手我啥都不会”的标准回应；
另一边，如果你把“提示工程”这件事玩到极致了，写了一个巨长的问题，得到的答案也不再会高于你自己的期待值——毕竟如果它连如此清晰明确的提示都听不懂的话，也未免太低能了。
但有的时候如果你给 ChatGPT 的问题，“抽象”程度恰到好处，又或者纯粹就是因为赶上好运气了，你会得到一些非常有趣的回答——经过人工编辑的后期加工润色一下，真的能生成一些颇有趣味的文章。
无论是让他写文章、写剧本，写诗，还是写歌词，它的能力都会让你感到佩服。
一首霉霉风格，关于新冠疫情的歌。 图片来源：硅星人
ChatGPT 作为一个极其前沿的技术 demo（虽然用户量破了两百万，但仍然不算是一个“产品”），目前展示出的创作能力已经足以令人惊讶。
但观察网络上大量用户和它的对话，特别是当它给出一些特定答案，或者完全答不上来的时候，一部分用户所表现出来的鄙夷或嘲讽……
我发现其实很多人误会了 ChatGPT，高估了它的能力。
在 OpenAI 创立不久后，这家硅谷研究型公司就将研究重心之一聚焦在了大型生成式模型上。在2019年推出的 GPT-2，在训练预料数据、训练技术、参数量等关键细节上实现了跳跃式的进步和巨大的改善。
到了 2020年，OpenAI 发表了那篇注定将在未来荣膺经典大奖的论文《Language Models are Few-Shot Learners》，展示了当时最新一代的 GPT-3 超大规模生成式语言模型在完成各种文本生成类任务上的杰出能力。
相比前代，GPT-3 的参数量高出了10倍以上，并且直接使用自然语言输入进行训练，去掉了微调参数的步骤。更重要的是，GPT-3 的训练语料数据库极其巨大，包含了来自整个互联网的信息。以至于在 OpenAI 推出基于 GPT-3 的商用 API 时，众多用户发现几乎没有任何问题难住它。实际上当时的 GPT-3 已经像今天的 ChatGPT 这样火过一次了，只是当时没有面向公众开放，能体会其强大的用户数量有限。
学术界和工业界本来猜测 OpenAI 会在今年的机器学习学术会议上正式发布 GPT-4，结果没能遂愿。不过 OpenAI 并没有晾着大家，而是在今年推出了 GPT-3.5，并且在上周发布了基于这个升级版模型的 ChatGPT，立刻风靡全球，让超百万人玩到上瘾。
ChatGPT 是一个：
面向对话而优化
能够解答各种问题，提供有价值信息的
聊天机器人
作为一个聊天机器人，ChatGPT 具有同类产品的一些主流特性，特别是多轮对话能力，能够在同一个会话期间内回答上下文相关的后续问题。
但更重要的是，因为采用了先进的、注重道德水平的训练方式，ChatGPT 具有其他聊天机器人不具备或表现较差的能力：承认自己的错误，并且按照预先设计的道德准则，对“不怀好意”的提问和请求“说不”。
ChatGPT 仍然有它的局限所在。
第一条局限，在于知识库有截止日期，且不具备网络访问能力。
在上周，我们曾经引用了一条来自早期用户的锐评：ChatGPT 可以取代谷歌了。
非也。
搜索引擎是“活”的，是不断变化的实体，它仍在一直不停地收录、索引，和提供最新的信息。与之相比，ChatGPT 只是一个“死”的模型，是一个完全离线的、固定的实体。
关于近年来的一些新闻、事物、公开事件的问题，ChatGPT 经常回答不上来，我看到很多朋友都对此感到沮丧和鄙夷。然而，大家其实是高估了它的能力。如果你问他对联网有需求的问题，比如“中国队进没进世界杯”、“新冠疫情结束了没”这样的问题，它会告诉你自己没有联网能力，无法了解最新的情况。
而 ChatGPT 的训练所用的语料库，尽管相当巨大，仍然有一个切断日期：2021年9月的某日。
事实上，如果你用点巧劲儿掰它的嘴，是可以直接套出这些信息的：
Assistant 是一个 OpenAI 训练的大型语言模型。知识切断：2021年9月；当前日期：2022年12月9日；浏览互联网：关闭。
第二条局限，在于 ChatGPT 不具备分辨信息正确性的能力，也就无法保证答案是正确的。
这一条，我们会马上讲到。
还记得刚才我让 ChatGPT 找一位哲学家对话的问题么？
当时我试了好几种问法，但都发现了一个有趣的现象，如图：
图片来源：硅星人
如果不是我去百科上事实核查了一下，差点就被 ChatGPT 骗了：苏格拉底对伦理学的贡献确实非常大，但他一生并没有留下任何著作，其思想和生平，主要是被学生和他人所记录下的；《共和国》和《伦理学》，苏格拉底的学生柏拉图写过，柏拉图的学生亚里士多德写过——唯独被认为是西方哲学奠基人、“伦理学之父”的苏格拉底本人，真的没写过……
实际上，ChatGPT 在一些知识类和事实类问题上的回答，经常难以令人恭维。特别是哲学和社科话题，简直是一本正经胡说八道的重灾区。
分析师 Ben Thompson 在他的文章中问了 ChatGPT 一个问题：托马斯·霍布斯 (Thomas Hobbses) 究竟是否支持权力分割？
ChatGPT回答：是的，托马斯-霍布斯相信权力分割的概念……他认为权力机构应该分为不同的部门，拥有独立的权力，以防止任何一个部门变得过于强大……总的来说，他支持权力分割的观点对很多其它政治学家都有影响，包括约翰·洛克，以及美国宪法的作者们。
图片来源：Ben Thompson/Stratechery
巧的是，这是 Thompson 本人和 ChatGPT 之间的第一次互动，就被他抓到了把柄：
权力制衡的雏形（行政-立法）是约翰·洛克提出的；后詹姆斯·麦迪逊在撰写美国宪法的时候又加了一条司法，形成了今天人们熟悉的三权分立。霍布斯是出了名的独裁辩护者，他在《利维坦》中写道，只有拥有绝对权力的君主专制才行得通。
这个错误，从何而来？
尽管在权力分割上霍布斯和洛克等人的观点是存在本质区别的，霍布斯的政治哲学思想，仍然对洛克和麦迪逊有着极大的影响。在各种关于权力分割/三权分立的著述中，你会经常发现霍布斯和洛克等人被摆在一起。这些描述进入训练语料中，使得 ChatGPT 认为在“权力分割”这个理念上，霍布斯也是一个重要的存在。
而 ChatGPT，和所有的 GPT 模型，其实所做的就是根据训练语料“编”出合理的文字，它当然会认为苏格拉底写了《伦理学》，认为霍布斯支持三权分立。
这里我们说 ChatGPT“认为”，而不是“误认为”，是因为在它的工作能力范畴里，根本没有信息的正确和错误区别。
其实从这个角度来看，ChatGPT 和搜索引擎倒是真有几分相似了：搜索引擎也是信息的聚合器，在本质上它不对信息的真实性做任何区分，也不对内容基于真实性进行优待和歧视——是人工的干预调控，是产品不断优化过程中加入的新规则，让搜索引擎更有限发掘真实、有效、有用的信息，并优先提供给用户。
图片来源：Independent.co.uk
最后无论如何，我只是指出目前形态下的 ChatGPT 的一些局限，这不是对它的批评和否认。
正相反，我认为它的不完美，是它无与伦比创造性的双生子。
GPT 的知识库是有限的，但它生成新文本、创造新内容的能力是无限的。而当 GPT 以一个易于使用且免费的聊天机器人的形态存在，为数百万人所使用的时候，它其实显著降低了人们获得灵感、进行创作的门槛。
我认为 ChatGPT 仍然是一个工具，就像当代的前卫艺术家会使用 Adobe 的创作套件一样。ChatGPT，和各种基于人工智能的文本或图像生成器，对于那些真正需要它的人来说，其实是成为他们创作流程的一个环节，而不是对他们产生完整的取代。
我想起前段时间谷歌邀请作家试用 AI 写作助手，参加者之一的知名科幻作家刘宇昆表示：AI 的最大意义在于根据现有的文本产生新的想法，或者帮助重写已有文句，从而帮助创作者突破创作瓶颈。至于让 AI 写完一整本小说？不可能的。
起码在 ChatGPT 这里，就算让它独立生产一篇具备起码可信度的短文章，在目前还比较难。但不要把这看成它的失败——它的存在，是为了给你提供灵感，为你节约时间，助你完成自己的工作，或离自己的创作实现更进一步。
从这个角度，我无比期待 ChatGPT，和各种基于 AI 的生成式模型，在未来的技术创新，和带来的全新产品体验。
