4月1号，我们举办了一场有关“GPT将如何改变世界”的闭门沙龙，邀请到了来自全球最顶尖专业方面技术协会IEEE的人工智能标准委员会主席佟佳睿Richard Tong进行分享。沙龙中，元创资本创始人王浩David Wang与Richard Tong进行了1V1深度对话。

  整场活动干货满满，Richard金句频出、分享意犹未尽，一对一对话引发共鸣，QA环节观众踊跃提问。我们整理了这场头脑风暴中的精彩内容，主要话题如下：

  GPT 不光能做高考题，还能理解笑话，改笑话，甚至拆汉字的笑话也能解释出来， 让人感觉到已经具备了接近人类的逻辑思维能力。

  比尔盖茨在去年接触 GP T 团队时让他们做了一场测试： 让 GPT 做 AP （美国大学预修课程）生物考试题，开始得分还不太理想； 又过了三个月 GPT 再次参加 AP 考试， 60 道题目的 AP 考试中 GPT 做对了 59 道题目。 面对开放式问答题， GPT 同样给出了令人惊艳的答案，让在场的一众聪明人都自愧弗如。

  我自己的故事。 我与 GPT 接触比较早但以前只是 GPT 的早期版本，也只是和 CMU 交流合作中用到，但从去年 12 月中旬开始用，发现它有了突飞猛进的进展。它让我的工作效率直接提高了5倍： 从去年 12 月份到今年 4 月份，是我有生以来生产力最高的 4 个月。 它可以每时每刻帮我深入浅出地讲解我不熟悉的领域知识，平均每天帮我找到并消化掉每天 5-10 万字的相关科技和行业 的最新的论文、文献和书籍。 我从向 ChatGPT 提问和交互中得到了很多，也使用了多种包含 GPT 的工具，包括GPT-API， GitHub Co-pilot, Bing Search， Notion，等等，并用它们辅助写文章、写论文、做测试、做分析比较、模拟不同的场景和角色、写设计文档、做计划、编程序、画图等。 我每天都被它惊艳，而且看着它每个月、每次升级、每次新产品的整合都带来新的功能和效率的攀升，也逐渐学会更好地利用它。

  Emergence 涌现：涌现是复杂系统的特征，当中很多东西不可预测。系统复杂到某些特定的程度，会出现一些意想不到的特征变化，比如蚂蚁群的社会行为、网络效应等。开头讲述的ChatGPT找笑点、改笑话的功能，不是程序员设计出来的，是它自己涌现出来的。这和GPT元学习（Meta Learning）的能力强很有关系，而且GPT有极强的举一反三的能力和接受引导的能力（InstructGPT）

  大力出奇迹，数据集和 RLHF：如果算力、数据集不够，达不到一定级别是出不了奇迹的。人类有800-1000亿个神经细胞，一致认为大模型至少要接近100亿个参数才能表现出迅速增加的能力水平。GPT3是1,750亿个参数，算力和语料要达到足够的规模才能处理大概3000字的注意力窗口。而且在训练过程中，没有人的反馈是不行的。RLHF不仅解决了对齐的问题（Alignment）还解决了一定的Reward稀疏的问题，是很重要的。

  胡说八道：GPT的最基础原理是基于Transformer机制的概率预测模型，在读了大量的语料之后，根据语料内隐含的逻辑、事实、和语义等多维度关系，分析下一个字该出现什么，继而推测再下一个是什么。比如，我认识的一个教授没有得过诺贝尔奖，但是问Bing Search该教授何时得的诺贝尔奖时，Bing会瞎编他何时得了诺贝尔奖而且还有理有据可以以假乱真。这种胡说八道也恰恰反映了GPT的创造力，是双刃剑。

  浅而宽：这个和第三个特征“胡说八道“有点联系。比如，一般数学题都会做，但奥数题它很多就不会了。ChatGPT如果跟Alpha GO下围棋，甚至跟人下象棋，都不是对手。这和传统的人工智能很不一样，是大语言模型的独到特质，这对于强AI是至关重要的。

  回溯本源，GPT可以看作信息处理单元，但和传统的输入输出不一样。传统意义上，如果输入一个函数或者软件程序，输出是可预料的。比如Y等于X的平方，输入一个X值，输出的Y值是可以有保障的，也基本上可以解释。而通过GPT这个黑盒子的结果是不可预测的，即使输入再准确，也不能100%保证结果，因为它是用概率预测实现的而且内在的联结可以看作是个复杂系统，也无法用普通逻辑来解释。

  作为生成器：这是大众最为熟知的功能，比如按照模板写文案、法律合同、文本精简、文章扩写等，都不在话下。

  作为接口：这个功能完全颠覆以往所有计算机系统，GPT架起人和机器以及机器和机器之间沟通的自然语言桥梁，可以把用语言表达的输入信息直接让电脑理解并使用，无论母语是什么，也无论计算机语言是C/C++还是Python还是JS。ChatGPT现在在做插件和应用商店，未来OpenAI希望做成下一个苹果应用商店的系统集成中心。这里举个我女儿的例子：我女儿和她的同学上周在Hackathon只用了一天的时间就用GPT和SWIFT做了一个IPhone的APP，用户场景是，刚认识还不太熟的人聊天时候，打开这个APP，这个程序就会根据两人对话时听到的对方的语句中，用WhisperAPI和GPT自动判断提取谈话者的名字，再到社交网站比如领英（LinkedIn）或者脸书上搜索到对方的信息，再根据谈话的上下文准备一些跟对方相关的问题；这时如果使用者没话可说了，他只要歪一下脑袋，手机就会根据这个歪头的动作自动调出事先准备好的问题，在耳麦里给用户偷偷提示下一步该问什么样的问题，防止造成尴尬。这个demo在推特上发布一天后，点击量就超过了10万+。这就是一个用GPT的接口功能快速整合人机互动的应用。这种机会是巨大的。

  作为推理者（思想、运算和判断）：目前GPT4已达到7-9岁小孩的思维推理的能力，但它还可以再迭代进步。一旦GPT掌握真正成人级别的思维链、推理和判断能力，再加上对事实和对错的可靠反馈机制，它就离通用智能甚至超智能不远了。

  首先，新闻报道记者、翻译员、程序员、法律书记员等工种可能会受到冲击。在系统端，所有创作软件都会受一定的影响。比如Office全家桶、Notion、Bing都会接入AI新功能。从界面的角度看，人机交互的界面和系统交互的界面都会受一定的影响。从推理的角度看，工作流自动化、物流、学习、教育全都会受到直接的影响。

  现在的很大部分美国人在用过了ChatGPT之后，觉得它没什么太了不起，wait a minute。

  再后来又觉得，它不是完全没有用，有些时候它很有用，但要人来帮助它。有些时候不需要它完全正确，比如95%是正确的，也能节约95%的时间。

  我个人在第五个阶段，而且预测到这张图上没画出来的下一个阶段。AI已经来临：用GPT能改变世界。如果不去拥抱它的话，那势必被淘汰掉。

  由于我个人曾在一些人工智能教育公司任职，最后想讲下GPT对教育行业带来的机遇与挑战。毋庸置疑GPT对教育行业本身是一个巨大的冲击，促使现有教育模式发生转变。未来，个性化的教育会变得很广泛，教育效率也会极大幅度地提升。会使用GPT的老师，会变成超级老师；会使用GPT的家长，也会变成超级家长，而用好GPT这样人工智能的学生智力马上就会超过牛顿、爱因斯坦、和马斯克加在一起的智商。

  畅想未来教育体系，提问题比回答问题更重要，批判性思维和试错、动手，沟通 交流这类能力会变得更重要。我自己上学时候，有一个习惯：喜欢用 “ 找错误 “ 的思维去思考书本上的 ” 定理 “ 。随着 GPT 应用普及，仅注重增加已知的知识（刷题、背诵等机械式学习），而抹杀好奇心和想象力的教育模式更加不可取。

  面对 GPT ，不论教师还是学生，都需学会人机协作、去应用工具，而不是躲避它。展望职业前景，未来一些新的工种应运而生： AI 架构师、 AI 产品、模型开发、模型工程、模型评估、模型测试、规划设计工程等。

  David：ChatGPT为什么在美国Open AI公司诞生？中美之间的差距有多大以及如何追赶？

  Richard：从AI基本要素——算法、算力、数据分析来看，过去中国只在数据上有局部优势，而在算力上差了不少，算法的独创性和基础研究上差距更加大，只是沾了开源和开放的光。而现在训练GPT的语料，中文的语料里面只占最多几个百分点，国内知识和内容有计算机程序不共享是一个较大的根源。从人才角度看，现在大模型领域的牛人，即使有些华人，也多半是从微软、谷歌等海外巨头公司出来的，或者在海外任教，国内的相对稀少。中国落后美国LLM的差距至少2年，未来要追赶的话，一是要坚定做深、做强的决心，要形成合力，敢于投入，还要开放知识共享；二是目前大模型发展会遇到一些瓶颈，中国存在一定换道超车的机会。

  David：预计什么时间能做到AGI（通用AI）？以及怎样衡量达到AGI？

  Richard：我之前预测是2026年，现在预测是2023年年底，因为它是以指数级速度在增长。在很多领域，它都能达到行业顶尖的 水平，比如下棋，再比如做政治地缘分析、政策分析推荐和智库等（笑）。

  Richard：这样的领域挑战很大，尤其是涉及国际的合作和对科研的约束，我的建议是要以全人类的福祉为基准来考虑这样的一个问题，因为强人工智能就像外星人一样，不会管你是美国人还是印度人还是中国人，风险和机遇都是不分国界的。一定要以和平、合作和共同的生存为基点。我们IEEE人工智能标准委员会也有几个相关的标准，另外几个重要的大模型等有关标准，比如Prompt Engineering，LLM Agent Interface，Foundation Model Application Framework等等都在筹备启动中，欢迎各位到 直接参与，或者加入标委会的讨论群 。

  David：《三体》提出了宇宙生存的暗黑森林法则，那AI领域是否有基本法则？

  Richard：很早之前科幻作家阿西莫夫提出过“机器人三原则”：第一条）机器人不得伤害人类，或看到人类受到伤害而袖手旁观；第二条）机器人必须要服从人类的命令，除非这条命令与第一条相矛盾；第三条）机器人必须保护自身，除非这种保护与以上两条相矛盾。不过这是科幻小说，不适合现实。AI主要是目标函数，优化策略叠加在目标函数基础上。Benefit to Humanity，应该是GPT的最终目标函数。

  Richard：未来，批判性思维和敢于试错能力会变得特别的重要。刷题、内卷这些机械性地学习行为，我个人是比较排斥的。我们的教育体系要保护孩子的创造力，让他每天怀揣着像哥伦布发现新大陆的好奇心去学习。

  Richard：前台后台的工作都有影响，比如尽调、合规、BP分析、行业研究，未来都可以用ChatGPT做，这样效率可以大幅度提高。做VC，如果不会使用ChatGPT，或许没有资格做这个行业，因为VC最需要的品质是好奇心、拥抱新技术的开放心态。PE方面也类似，相对来说，Buy side 要用得更多，Sell side相对可能少一些。

  Q2：国内GPT领域创业，大厂or勇于探索商业模式的公司，谁更有机会？存在创业泡沫吗？

  Richard：大厂和勇于探索商业模式的公司各有优势，大厂语料资源丰富，但要愿意拿出来共享。而敢于打破现有模式的多是创业企业，尤其是在应用层面。模型层面已经机会不大了，应用层面，勇于探索商业模式的公司的机会多一些。

  Richard：GPT在工业领域的应用会很多，在管理环节也会有很多机会。比如要做市场研究，可以让GPT进行用户分析：产品有某些特征？哪些客户对产品满意度高？渠道风险及修改完善意见。Multimodal Reasoning和工业系统的集成是必然的，但还有不成熟的地方，比如可预测性和可解释性等……

  此次深度对话分享活动圆满结束。未来，我们将持续跟踪AGI的最新发展的新趋势和应用影响，并继续举办相关话题的专家分享活动。欢迎各位在评论区留言未来感兴趣的领域和话题，我们将择优选择，把您的期待变成现实。让我们相约下次活动，期待再次相见！

  元创资本（Innovator Capital）创立于 2017 年，专注于“人工智能、大数据等新科技赋能传统产业”领域的投资。创始人王浩先生是国内最资深的一线 年专业投资经验，见证了中国创投行业的整个发展周期。

  元创资本秉持“投资中国原创，成就中国创业者”的理念，支持中国原创，投资有伟大格局和全球视野的优秀企业家，致力于成为中国卓越、值得信任且受人尊敬的投资机构。

  元创资本管理团队均深耕产业和投资多年，分别来自国内一线强及顶级咨询机构等兼具深厚产业背景、产业资源与多年投资经验，拥有多元化的投资视角和优异的历史业绩，形成了完整互补的管理团队。

  元创资本创始人王浩先生及其管理团队投资的企业超过160家，其中超过50家企业成功实现IPO，近20家企业通过借壳或重组上市，成功案例包括：美团点评、滴滴、Bilibili(09626.HK)、孩子王(301078)、红蜻蜓(603116)、永贵电器(300351)、福达合金(603045)、高斯贝尔 (002848)、华韩整形(430335)、合全药业(432159)、爱回收、拜安科技、盘子女人坊、小卫科技、源氏木语、乐秀科技等多个项目。