生成式AI未來的發(fā)展方向在哪？

不可否認的是，當前GPT-4在諸多能力上得到了很大提高。和GPT-3.5相比，GPT-4在復雜專業(yè)領(lǐng)域的性能表現(xiàn)大幅提升，邏輯推理能力也更強，其在美國律師資格考試測試中，GPT-4的成績可以達到前10%，但GPT-3.5只能達到后10%的水平。

圖源：Open AI

能力的大幅度提高，也讓Chat GPT正開拓更多的使用場景。目前Open AI官方也給出了幾大應用場景，如在Duolingo里加入AI與用戶進行日常聊天，加速用戶對語言的學習；摩根士丹利采用GPT-4來對其知識庫進行管理，幫助員工快速訪問想要的內(nèi)容。

但針對GPT目前的能力，也有不少大佬存在質(zhì)疑。斯圖爾特·羅素在演講中指出，Chat GPT和GPT-4他們并不理解世界，也沒有在“回答”問題，目前的大語言模型僅僅只是一塊拼圖，這個拼圖目前缺少哪些以及最終會拼成什么樣，這些均不確定。諸多能力上的欠缺，也決定了發(fā)展通用人工智能還有很長的路要走?；趯PT-4能力的種種質(zhì)疑，也讓斯圖爾特·羅素在Sam Altman在演講期間全程在修改PPT。

圖源：智源大會

和斯圖爾特·羅素持有相同觀點的也有來自圖靈獎”得主、“深度學習三巨頭”之一、Meta首席人工智能科學家楊立昆。他認為，當前GPT的自回歸模型因缺乏規(guī)劃，導致其推理能力目前整體不行。若單純根據(jù)概率生成自回歸的大語言模型從本質(zhì)上根本無法解決幻覺，錯誤的問題。在輸入文本增大的時候，錯誤的概率也會呈指數(shù)增加。

事實上，兩位大佬對GPT的指責并非不是沒有道理。因Chat GPT所使用的RLHF算法，本身就是借助人類的感知，讓模型判斷自己的答案質(zhì)量，訓練自己逐步給出更高質(zhì)量的回答。若想要讓模型的推理能力得以提高的話，則需要在補充數(shù)據(jù)庫大量參數(shù)的同時，對算法也要進行不斷迭代。

圖源：西南證券

但各種風險的存在，也讓眾多生成式AI公司并不敢輕易嘗試。若生成式AI能到達和小說作家一樣的具備故事推理能力，以及人物情感創(chuàng)造能力，這是否會讓生成式AI完全脫離人類的控制呢？這在引發(fā)全球恐慌的同時，又是否會遭遇來自當?shù)卣膹姳O(jiān)管，進而讓生成式AI此前的投入付諸東流呢？

針對未來生成式AI的發(fā)展方向，楊立昆給出的答案是世界模型。這個世界模型不單單是神經(jīng)水平上模仿人腦的模型，而是在認知模塊上也完全貼合人腦分區(qū)的世界模型，它與大語言模型最大的差別在于可以有規(guī)劃和預測能力（世界模型）以及成本核算能力（成本模塊）。

借助世界模型能夠更好地理解這個世界并預測和規(guī)劃未來，通過成本核算模塊，結(jié)合一個簡單的需求（一定按照最節(jié)約行動成本的邏輯去規(guī)劃未來），它就可以杜絕一切潛在的毒害和不可靠性。

圖源：智源大會

但問題是世界模型在訓練期間的參數(shù)、算法、成本等等問題，楊立昆也只是簡單地給出了一些戰(zhàn)略級想法。比如采用自監(jiān)督模型去訓練以及建立多層級的思維模式等等，但對于具體如何落地，楊立昆也無法給出一個完整的方案。

而其他參會嘉賓對于未來生成式AI的發(fā)展方向，也并沒有分享自己的看法。因此，后續(xù)生成式AI仍將維持各家“各自為政”的局面，全球統(tǒng)一的生成式AI或許也只能停留在實驗室階段。

03.
國內(nèi)生成式AI預測

智源研究院院長黃鐵軍教授在會后接受媒體采訪時說，當前國內(nèi)生成式AI大模型存在的問題是行業(yè)過熱，但訓練數(shù)據(jù)過小，現(xiàn)在百億模型也只是剛剛涌現(xiàn)能力。雖然中間也都有一些技術(shù)能力，但因重復性發(fā)力，這在讓行業(yè)資源愈發(fā)分散的同時，其智能水平和國外生成式AI大模型相比，仍有一定差距。

如黃鐵軍教授所言，以阿里旗下的“通義千問”大模型為例，因該大模型訓練時的數(shù)據(jù)是從阿里旗下的淘寶、支付寶、天貓等產(chǎn)業(yè)中抽取的大量中文對話和文本數(shù)據(jù)，以及一些其他來源的文本數(shù)據(jù)，其前期訓練數(shù)據(jù)量是約2000億個詞，相當于14TB的文本數(shù)據(jù)。

而Chat GPT的訓練數(shù)據(jù)量是約45億個詞，相當于300GB的文本數(shù)據(jù)。訓練數(shù)據(jù)的相對較小，讓阿里的“通義千問”也欠缺多模態(tài)能力，在文字方面上來看二者均和GPT-4有較大差距。

另據(jù)InfoQ 研究中心發(fā)布的《大語言模型綜合能力測評報告2023》數(shù)據(jù)顯示，目前Chat GPT以77.13%的綜合得分領(lǐng)先于國內(nèi)其他的大模型廠商。

圖源：《大語言模型綜合能力測評報告2023》

同時，黃鐵軍教授也指出，今天的大模型都是技術(shù)迭代的一個中間產(chǎn)品，隨著后續(xù)國內(nèi)大模型行業(yè)的發(fā)展，未來能夠存活的大模型生態(tài)合理數(shù)量為3個左右。

正如黃鐵軍教授所說，此前馬化騰在騰訊內(nèi)部的高層會議上曾指出，未來十年C端市場紅利將消失殆盡，整個希望在ToB端市場，互聯(lián)網(wǎng)的下半場則屬于產(chǎn)業(yè)互聯(lián)網(wǎng)。阿里商業(yè)研究院此前也指出，未來十年是傳統(tǒng)企業(yè)轉(zhuǎn)型的黃金風口。

但從ToB端市場來看，以發(fā)展多年的SaaS市場作為參考，大模型若想要真正打開ToB端市場，其核心一定是要客戶帶來“降本增效”的價值，尤其是在當前不少行業(yè)對大模型仍保持觀望的情況下更是如此。以傳統(tǒng)制造業(yè)為主，目前中小型傳統(tǒng)制造業(yè)普遍遇到的問題是訂單減少，行業(yè)一直在價格戰(zhàn)中廝殺，下游回款周期變長，許多中小制造業(yè)目前均是在苦苦支撐。為避免出現(xiàn)較高的試錯成本，不少中小制造企業(yè)自然不敢輕易嘗試大模型的使用。

并且從SaaS產(chǎn)業(yè)的發(fā)展歷程來看，自2004年初期開始國內(nèi)SaaS產(chǎn)業(yè)在經(jīng)歷了波瀾不驚的10年之后，于2015年迎來了一波生長高峰。從2020年疫情暴發(fā)至今，疫情加速企業(yè)數(shù)字化轉(zhuǎn)型，國內(nèi)SaaS市場進入了關(guān)鍵的生長期。但即使如此，當前國內(nèi)SaaS產(chǎn)業(yè)生態(tài)尚未完整，市場并未成熟。

圖源：Flash Cloud

顯然，大模型打開TOB端市場也并非一朝一夕，而是一個極其緩慢的過程。而且模型迭代其間因算法、算力、數(shù)據(jù)產(chǎn)生的成本，包括后續(xù)推出各種功能，均要求大模型公司不斷投入高額資金。

商業(yè)化落地時間長，資金投入高，短期內(nèi)難以盈利等問題的存在，后續(xù)也會讓缺乏現(xiàn)金流的企業(yè)，在資金壓力面前只能將企業(yè)自身的大模型進行關(guān)停，行業(yè)資源也會更加向頭部大模型廠商身上集中。

而從網(wǎng)約車、外賣等多個行業(yè)的經(jīng)驗來看，一個新興行業(yè)在歷經(jīng)多年的大浪淘沙過程中，后續(xù)能夠真正發(fā)展起來的企業(yè)也只在3家左右，其他不少企業(yè)則被淹沒在歷史的長河中。