两周前疯狂刷屏的爆款AI应用ChatGPT,也难逃互联网过气定理。
“人类离强大到危险的AI不远了。”这个让马斯克强烈安利的聊天机器人,在短短十余天的时间里,便拥有了一场从走红到凉凉的经历。
“ChatGPT本来的预期就不是商业化,一没有收费,二没有开放API,所以它只是一个DEMO。”AI赛道创业者,猴子无限创始人尹伯昊向「科技新知」表示,热度下来是正常现象,但这并不妨碍它是一个跨时代产品。
在他看来,ChatGPT爆火的背后,映射着一个不可忽视的事实:技术的拐点已经到了。
“ChatGPT背后运用的技术是GPT3.5,等GPT4出来的时候一定会非常火爆,届时国内很快就会有一大批创业公司出现。”
彼时的AIGC赛道,必将迎来一场“血战”,一边是布局多年的BAT老势力,一边是初生牛犊的新选手,谁的赢面比较大?
站在新的技术拐点前,或许大家都在同一起跑线上。
AI难被“驯服”
很多人对于ChatGPT的过气表示并不意外,甚至包括开发方Open AI的CEO Sam Altman本人。
“ChatGPT的局限性令人难以置信,但在某些方面足够出色,足以给人一种强烈的误导印象。现在依赖它来做任何重要的事情都是错误的。它是一个项目的DEMO;我们在稳健性和真实性方面还有很多工作要做。”Sam Altman在社交媒体上如此表示。
从实际体验来看,目前版本的ChatGPT存在两个关键性的问题。
问题一:只提供了“情绪价值”,没有提供“商业价值”。
正如Sam Altman所言,现在依赖ChatGPT来做任何重要的事情都是错误的。当作一种娱乐属性的软件来说没问题,但如果渴望ChatGPT能有更大的实用价值,似乎有些太过理想。
一款合格的工具是帮助人们减少重复性劳动,而一款好工具是能帮助人们进行决策。而ChatGPT目前能做到的,还处于第一阶段。
就拿前几天有人夸赞ChatGPT编程能力很强大举例,对于外行或者入门级程序员来说,ChatGPT快速生成的代码已经足够用,比如Java的简单编程例子,九九乘法表、水仙花数等,但对于中高级开发人员来说还远远不够。
问题二:看似合理,实则荒谬。
有时ChatGPT还会闹出一些乌龙事件。Open AI公司承认,尽管号称可以和人类对话,但ChatGPT也可能写出“看似合理但不正确或荒谬的答案”。
比如有网友输入“宫廷玉液酒”来考验ChatGPT,它一本正经地给出回答:“宫廷玉液酒是一种传统的中国白酒......”而我们都知道,如果这句话问一个中国网友,他给到的答案会截然不同。
OpenAI坦承,由于ChatGPT的知识只来自训练数据中的统计规律,而不是任何类似人类对世界复杂和抽象系统的理解,因此“该系统可能偶尔会产生不正确或误导性的信息,并产生攻击性或有偏见的内容。”
清华大学国强教授、智能产业研究院(AIR)首席研究员也指出,这款机器人本质上还是一个基于统计的语言模型,应该没有真正理解开放域的问题。它在处理开放域的问题上实际上还是基于概率,基于前一个值来生成下一个值。
狂欢的中国学徒们
人们对于技术的期待,往往太过于理想主义。或许应该放低些对AI的期待和要求,毕竟很多时候,人类自己都不知道心里想要的正确答案是什么。
就像微软旗下AI产品小冰公司CEO李笛说的那样,ChatGPT非常强调回答的因果关系,而回答的结论本身是否正确对它而言并不重要。强调过程,弱化结果,这是ChatGPT和搜索引擎最大的不同。
又或者说,ChatGPT的意义并不是给出人们想要的答案,而是让人们感知到,技术的拐点或许真的已经到了。
“技术拐点的核心体现在于,我们好像离图灵测试越来越近了。”尹伯昊向「科技新知」感慨道。
Gartner在《2022年重要战略技术趋势报告》中指出,生成式人工智能 (Generative Artificial Intelligence)将是最引人注目和最强大的人工智能技术之一,可用于多种场景,如创建软件代码、促进药物研发和营销等。
从Disco Diffusion到Midjourney和DALL-E2,AIGC的门槛一次次被降低,最后到Stable Diffusion模型开源,彻底让AIGC站上了风口浪尖。
CMC资本董事总经理易然在采访中指出,目前各个科技巨头主要在模型层竞争,而创业公司在应用层有更多的机会。
例如OpenAI开发的GPT-3模型、谷歌开发的LaMDA模型、Meta开发的OPT-175B模型、阿里巴巴达摩院开发的M6模型、微软与英伟达联合开发的Megatron-Turing(MT-NLP)模型等。
视野聚焦到国内不难发现,互联网大小厂都开始更加关注AIGC。
在今年7月的百度世界大会上,创始人李彦宏表示:“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。”
不光是一把手亲自站台,百度还将在内部组织上进行相应调整。有相关人士获悉,眼下百度MEG正在筹划新一轮组织架构调整,重心是将图文与视频部门单独成立的内容事业群,百度对于AIGC的重视程度可见一斑。
此外,其他大厂也动作频频。例如,腾讯AI Lab有能够通过用户提供的关键词自动生成歌词并演唱的虚拟歌手“艾灵”、能够辅助疾病诊断的游戏AI“绝悟”;字节跳动也于近期推出了抖音AI绘画特效,进一步让AIGC真正走向大众视野。
阿里在AIGC上的布局稍有不同,从动作来看更偏向于底座。达摩院提出了新概念“模型即服务”(Model as a Service),即把AI模型当作生产的重要元素,从模型预训练到二次调优,再到模型部署,阿里将围绕模型的生命周期来提供相应的服务。
另外一边,“国家队”北京智源人工智能研究院,在科技部和北京市政府支持下,于今年11月开发了AltDiffusion,以及开源文生图系统FlagStudio等,将生成式模型进行了本地化。
除了头部科技公司之外,诸如昆仑万维、科大讯飞、天娱数科等细分领域的厂商也都已涉足AIGC。
站在同一起跑线
AIGC大潮的幕布在国内已经被掀开,这是一场关于ChatGPT“中国学徒”的狂欢。那么问题来了,现在入局AIGC晚不晚?
要知道,国内应用层的创业公司,大多基于Stability AI或OpenAI这类底座厂商模型进行二次开发,只能在应用层“卷”。
产品门槛低导致的同质化现象严重,对于厂商来说是“无效的卷”,对于用户来说则是“无限的薅羊毛”,想要找到差异化并发掘变现潜力并不容易。
另外,很多从业者表示,版权一直是AIGC商业化过程中难以忽视的问题。不过,尹伯昊认为,在中国的话语体系里,版权一定不是制约AIGC商业化落地的制约因素。
况且,版权问题其实也在模型端尝试被解决,比如Stable Diffusion推出的2.0版本,核心就是让生成出来的内容是版权干净。
“AIGC商业落地真正的痛点在于场景还没有特别明确,产品有意思并不代表着成功,人很难为一个娱乐属性的东西付费,最终还是看能否有持续生产力。”尹伯昊向「科技新知」表示。
初创公司如何与百度、腾讯、阿里这样的大厂比拼?在尹伯昊看来,似乎并不存在这个问题,因为在新的技术拐点出现的时候,在大模型的范式下,过去的积累是清零的,大家都在同一起跑线上。
“坦率来讲,百度、腾讯在做的事情和我们是比较像的,都是基于海外出现了创新后,在上面找新场景和新应用。”
同时也有业内人士分析,大厂在应用层的打法可能不会很垂直,而是更偏向于搭建生态,未来或许会和很多创业的垂直厂商有合作机会。
写在最后
1966年,历史上第一个聊天机器人Eliza诞生,它被麻省理工学院人工智能实验室的德裔美国计算机科学家约瑟夫·维森鲍姆赋予了充满戏剧性的内涵。
Eliza名字源于戏剧作品《卖花女》,剧中出身贫寒的卖花女Eliza通过学习与上流社会沟通的方式,变成大使馆舞会上被人尊敬的“匈牙利王家公主”。
作为Eliza的创造者,维森鲍姆却想时刻提醒人们:“即使有时好像他们会说话,但他们从未真正聆听过你,它们只是机器。”
他认为,正是由于当时的社会环境日渐冷漠,才使得人们变得如此绝望,以至于抛弃应有的理性和判断力,转而去相信一个机器程序可以聆听他们的心声。
很庆幸的是,在半个世纪后的今天,人们似乎已经找到AI存在的真正意义,它绝非仅仅是提供“情绪价值”。
接下来,摆在创业者们眼前的命题便是,如何用技术改变时代,用AI技术深入到产业,带来更长远的商用价值和产业价值。
参考文献:
1、《ChatGPT走红,人工智能离通过图灵测试还有多远?》,中国经济新闻网
2、《创业者的AIGC淘金记》,光锥智能
3、《百度隐藏的AIGC野心》,光子星球
4、《Here’s What To Know About OpenAI’s ChatGPT—What It’s Disrupting And How To Use It》,Forbes
版权声明:内容来源于互联网和用户投稿 如有侵权请联系删除