2023-03-01

No.1

来了来了！通用人工智能（AGI）真的来了

主理人：

“Gradually and then Suddenly.” ——海明威

海明威在《太阳照常升起里》描述了一个人是如何破产的这句话，拿来描述最近的这波AI浪潮再合适不过。在沉迷于ChatGPT和Midjourney一个多月之后，似乎通用人工智能真的来了。我们相信这是不逊于铁路、电报、互联网这样的时代变迁的巨浪。

1. 发刊词

老同学，老室友，新话题

一夜之间，感觉所有人都在玩ChatGPT、聊人工智能。

大家都很嗨，觉得 ChatGPT 就是 PC 时代的 Google、是移动互联网时代的 iPhone。

虽然现在还一堆问题，但肉眼可见一个新时代的序幕，正在徐徐拉开。

这种感觉很熟悉。

2015 年，我离开京东，出来创业做人工智能对话服务 Get 时，也是这么想的。

2016 年，徐文浩离开拼多多，出来做人工智能平台 Bothub 时，也是这么想的。

我们放弃的股票价值，够做一支不错的美元基金。

但我们创业做的这两个人工智能公司，却都没做起来。

我和他是大学同学 & 室友，上海交大 2001 级计算机。

毕业之后徐文浩选了搞技术，做精准广告系统、参与早期拼多多。

我选了做电商和营销，创业做今夜酒店特价，卖给京东后做京东到家。

不管选了哪条路、到了哪个厂，最后都同样掉到了人工智能这个大坑里。

费了很大的力气，很长的时间，搞别的产品，终于从坑里爬出来。

但看到 GPT-3 和 chatGPT，居然又嗨了起来——

“你玩了么？”

“AGI 终于要来了么？”

“有什么可以搞的？”

……

有什么可以搞的？

看起来，所有的事情都可以搞，都可以用人工智能重做一遍。

但我们俩都交过学费踩过坑了，虽然伤疤好了，但疼还没全忘。

这次不会傻愣愣直接立杆大旗搞钱搞人搞事儿了。

已经是老人家了，得看全面一点，想深入一点。

得和更多人建立连接，多聊聊，多碰撞，多合作。

于是决定先做一件最最简单的事情。

围绕着我们感兴趣的“人工智能 x 商业”主题。

先把我们看的东西、想的东西分享出来。

在这个过程中认识更多的同路人，碰撞和尝试更多有趣的想法。

或许会创造出各种意想不到的可能性和惊喜。

所以呢，具体来说。

我们每周都会把自己读过看过最高价值的内容，过滤分享推荐给大家。

并且，都会加上我们自己的观点、看法。

也会根据自己实战经验和大家发散聊天。

所以，如果你感兴趣人工智能领域，感兴趣相关的社会价值和商业机会。

欢迎关注我们 & 推荐给自己的朋友。

每周和我们这两个好了伤疤忘了疼的家伙，一起看看、想想、聊聊。

看看我们的“人工智障”如何一步一步进化成新文明的核心。

或许，其中能找到我们扮演重要历史角色的舞台和机会。

任鑫

2023年2月6日于上海

2. 卷首语

徐文浩在研究ChatGPT的同时，看到它和一个在学习新知识的孩子的共同点。似乎这一次，我们得到的真的是一个“通用人工智能”。

任鑫带来了一个所有人都关心的问题，当ChatGPT这样的AI出现之后，商业的形态与发展会出现什么样的变化？数据是否才是其中最重要的资源

回到现实的商业世界，我们一起开始了解一个人和一个案例。

人，是Open AI的创始人Sam Altman，在OpenAI之外，他还核聚变发电机，超音速飞机，不说名字的话，也许你会误以为是Elon Musk。

案例，是上线两个月收入数千万美元的头像制作应用Lensa，任鑫在实际体验下来制作的头像并不好，不过这家公司可不是跟风开始做的应用，背后的公司在多年前就做过另外一个爆款图像类应用Prism。

3. 这一次，通用人工智能真的要来了

徐文浩

最近没少在ChatGPT上花时间，特地过了一遍OpenAI Cookbook看看能做什么，也看了不少资料。虽然还没有大块的时间看完原始的论文，但是直觉告诉我，这一次，通用人工智能（AGI）真的要来了。

我觉得我快要失业了，现在不熟悉的语言我都让ChatGPT来帮我写了

春节假期里，一直和孩子在一起。而使用ChatGPT和GPT3这样的大型语言模型（LLM）的体验，真的和教小孩很像。大部分时间里，你需要的是给出一些提示语（Prompt）让他去做些什么。如果结果在你的预期之外，你就要好好想想怎么换个说法和他沟通。

你可以让ChatGPT“假装”自己是一个Javascript的解释器来执行代码，这有点让我惊掉了下巴。通过合适的提示语（Prompt），ChatGPT可以做到的事情超出我的想象

而当你要发展现有模型没有的能力的时候，比如让模型去回答训练数据里没有知识，你并不需要重新拿起TB甚至PB级别的数据，从0开始训练一个新模型。你需要做的，只是拿一些数据示例做一些强化学习。

这个和教娃儿数学的过程基本上是一样的，先上课给例题，然后给作业。再针对作业打分后挑一些总是错的题目做练习。最关键的一点是，对于不同的学科和知识点，我们并不是从头训练一个新模型。如果是那样的话，就好像每教一门学科就要生个孩子。我们以前的机器学习就是那样的，但是这一次，你不需要再含辛茹苦养育十载，只要拿出之前预训练好的模型，给一些指导，一个新技能就被学会了。

而现在的大型语言模型也是一样，不再是完整的重新训练。而是在大模型训练出来之后，不断提示（Prompt），微调（Fine-tune），以及根据结果人类反馈来学习（RLHF）。而微调和强化学习需要的数据量，并不算太多。终于，我们不再是通过大量的数据和事件去为单个问题创建一个个独立的机器学习模型，而是训练一个有“智能”的大模型，然后通过其他方式不断“解锁”他的能力。

有趣的一点在于，当在特定模型上“学习”得好得时候，模型在其他方面的能力反而可能降低。这个和我们充满缺陷的人类简直是一模一样，似乎它不再是一个冰冷的包含两千亿参数的模型，而是一个能学习进步，但是不练了也会退化的人。

这一次，通用人工智能可能真的来了。