APPAIBLOG

谁在拥有生成式AI平台？

Tue, 05 Dec 2023 00:00:00 GMT

我们开始看到技术堆栈的早期阶段出现在生成人工智能（AI）中。数百家新初创公司正涌入市场，开发基础模型、构建人工智能原生应用程序以及建立基础设施/工具。

许多热门技术趋势在市场跟上之前就被过度炒作了。但生成式人工智能的繁荣伴随着真实市场的真正收益以及来自真实公司的真正吸引力。Stable Diffusion 和 ChatGPT 等模型正在创造用户增长的历史记录，多个应用程序在推出不到一年后年收入就达到了 1 亿美元。并排比较显示，人工智能模型在某些任务中的表现优于人类多个数量级。

因此，有足够的早期数据表明大规模转型正在发生。我们不知道的是，现在已成为关键问题的是：这个市场的价值将在哪里累积？

去年，我们会见了数十位直接与生成人工智能打交道的大公司初创公司创始人和运营商。我们观察到，基础设施供应商可能是迄今为止该市场的最大赢家，获得了流经堆栈的大部分资金。应用程序公司的营收增长速度非常快，但常常在保留率、产品差异化和毛利率方面遇到困难。而大多数模型提供商虽然负责这个市场的存在，但尚未实现大规模的商业规模。

换句话说，创造最大价值的公司——即训练生成式人工智能模型并将其应用到新应用程序中——并没有获得大部分价值。预测接下来会发生什么要困难得多。但我们认为，要理解的关键是堆栈的哪些部分是真正差异化且具有防御性的。这将对市场结构（即横向与纵向公司发展）和长期价值驱动因素（例如利润和保留率）产生重大影响。到目前为止，我们很难在现有企业的传统护城河之外的任何地方找到结构防御性。

我们非常看好生成式人工智能，并相信它将对软件行业及其他行业产生巨大影响。这篇文章的目标是勾勒出市场的动态，并开始回答有关生成式人工智能商业模式的更广泛的问题。

高级技术堆栈：基础设施、模型和应用程序

为了了解生成式人工智能市场是如何形成的，我们首先需要定义今天的堆栈是什么样子的。这是我们的初步看法。

栈可以分为三层：

将生成式 AI 模型集成到面向用户的产品中的应用程序，运行自己的模型管道（“端到端应用程序”）或依赖第三方 API为人工智能产品提供动力的模型，可以作为专有 API 或开源检查点（反过来，需要托管解决方案）提供为生成式 AI 模型运行训练和推理工作负载的基础设施供应商（即云平台和硬件制造商）

需要注意的是：这不是市场地图，而是分析市场的框架。在每个类别中，我们都列出了一些知名供应商的示例。我们还没有尝试全面或列出所有已发布的令人惊叹的生成式人工智能应用程序。我们也不会在这里深入探讨 MLops 或 LLMops 工具，这些工具尚未高度标准化，将在以后的帖子中讨论。

第一波生成式AI应用程序已开始形成规模，但在保留率和差异化方面遇到困难

在之前的技术周期中，传统观点是，要建立一家大型独立公司，你必须拥有最终客户——无论是个人消费者还是 B2B 买家。人们很容易相信，生成人工智能领域最大的公司也将是最终用户应用程序。到目前为止，还不清楚情况是否如此。

可以肯定的是，在纯粹的新颖性和大量用例的推动下，生成式人工智能应用程序的增长令人震惊。事实上，我们知道至少有三个产品类别的年收入已经超过 1 亿美元：图像生成、文案写作和代码编写。

然而，仅靠增长还不足以建立持久的软件公司。至关重要的是，增长必须是有利可图的——从某种意义上说，用户和客户一旦注册，就会产生利润（高毛利率）并长期停留（高保留率）。在缺乏强大的技术差异化的情况下，B2B 和 B2C 应用程序通过网络效应、保留数据或构建日益复杂的工作流程来驱动长期客户价值。

在生成人工智能中，这些假设不一定成立。在我们采访过的应用公司中，毛利率差异很大——在少数情况下高达 90%，但更常见的是低至 50-60%，这主要是由模型推理成本驱动的。漏斗顶部的增长令人惊叹，但目前尚不清楚当前的客户获取策略是否具有可扩展性——我们已经看到付费获取效率和保留率开始下降。许多应用程序也相对没有差异化，因为它们依赖于类似的底层人工智能模型，并且没有发现竞争对手难以复制的明显网络效应或数据/工作流程。

因此，目前尚不清楚销售最终用户应用程序是否是建立可持续生成人工智能业务的唯一甚至最佳途径。随着语言模型竞争和效率的增加，利润应该会提高（更多内容见下文）。随着人工智能游客离开市场，保留率应该会增加。有一个强有力的论据表明，垂直整合的应用程序在推动差异化方面具有优势。但还有很多事情需要证明。

展望未来，生成式人工智能应用公司面临的一些重大问题包括：

垂直整合（“模型+应用程序”）。将人工智能模型作为服务使用，使应用程序开发人员能够与小团队快速迭代，并随着技术的进步更换模型提供商。另一方面，一些开发人员认为产品就是模型，从头开始训练是创造防御性的唯一方法——即通过不断地对专有产品数据进行重新训练。但这是以更高的资本要求和更不灵活的产品团队为代价的。构建功能与应用程序。生成式人工智能产品有多种不同的形式：桌面应用程序、移动应用程序、Figma/Photoshop 插件、Chrome 扩展程序，甚至 Discord 机器人。由于用户界面通常只是一个文本框，因此很容易将人工智能产品集成到用户已经工作的地方。其中哪些将成为独立公司，哪些将被微软或谷歌等已经将人工智能纳入其产品线的现有企业吸收？管理炒作周期。目前尚不清楚流失是否是当前一批生成式人工智能产品所固有的，或者是否是早期市场的产物。或者，随着炒作的消退，人们对生成式人工智能的兴趣是否会减弱。这些问题对应用程序公司具有重要影响，包括何时加大筹款力度；如何积极地投资于客户获取；优先考虑哪些用户群；以及何时宣布产品适合市场。

模型提供商发明了生成式AI，但尚未达到大规模商业规模

如果没有 Google、OpenAI 和 Stability 等机构所做的出色研究和工程工作，我们现在所说的生成式人工智能就不会存在。通过新颖的模型架构和扩展训练流程的巨大努力，我们都受益于当前大型语言模型 (LLM) 和图像生成模型的令人惊叹的功能。

然而，与使用量和热度相比，与这些公司相关的收入仍然相对较小。在图像生成方面，在用户界面、托管产品和微调方法的生态系统的支持下，Stable Diffusion 社区出现了爆炸性增长。但稳定性将免费提供主要检查站作为其业务的核心原则。在自然语言模型中，OpenAI 以 GPT-3/3.5 和 ChatGPT 占据主导地位。但迄今为止，基于 OpenAI 构建的杀手级应用相对较少，而且价格也已经下降过一次。

这可能只是暂时现象。Stability是一家新公司，尚未专注于货币化。OpenAI 有潜力成为一项庞大的业务，随着更多杀手级应用程序的构建，它在所有 NLP 类别收入中赚取很大一部分——特别是如果它们能够顺利地集成到微软的产品组合中的话。鉴于这些模型的大量使用，大规模收入可能不会落后太多。

但也存在相反的力量。作为开源发布的模型可以由任何人托管，包括不承担大规模模型训练相关成本（高达数千万或数亿美元）的外部公司。目前尚不清楚是否有任何闭源模型可以无限期地保持其优势。例如，我们开始看到 Anthropic、Cohere 和 Character.ai 等公司构建的法学硕士更接近 OpenAI 的性能水平，并在类似的数据集（即互联网）上进行训练并具有类似的模型架构。稳定扩散的例子表明，如果开源模型达到足够水平的性能和社区支持，那么专有替代方案可能会发现难以竞争。

到目前为止，对于模型提供商来说，最明显的收获可能是商业化可能与托管相关。对专有 API（例如来自 OpenAI）的需求正在快速增长。开源模型的托管服务（例如 Hugging Face 和 Replicate）正在成为轻松共享和集成模型的有用中心，甚至在模型生产者和消费者之间产生一些间接的网络效应。还有一个强有力的假设，即可以通过与企业客户的微调和托管协议来货币化。

但除此之外，模型提供商还面临许多重大问题：

商品化。人们普遍认为，随着时间的推移，人工智能模型的性能将会趋同。与应用程序开发人员交谈时，很明显这种情况还没有发生，文本和图像模型方面都有强大的领导者。它们的优势不是基于独特的模型架构，而是基于高资本要求、专有的产品交互数据和稀缺的人工智能人才。这会成为持久的优势吗？毕业风险。依赖模型提供商是应用程序公司起步甚至发展业务的好方法。但一旦达到规模，他们就会有动力去构建和/或托管自己的模型。许多模型提供商的客户分布高度倾斜，少数应用程序占据了大部分收入。如果/当这些客户转向内部人工智能开发时会发生什么？钱重要吗？生成式人工智能的前景如此巨大，但也可能具有很大的危害性，以至于许多模型提供商已组织成为公益公司（B corps），发行上限利润份额，或以其他方式将公共利益明确纳入其使命中。这并没有阻碍他们的筹款活动。但是，关于大多数模型提供商是否真的想要获取价值以及是否应该获取价值，需要进行合理的讨论。

基础设施供应商触及一切并获得回报

生成式人工智能中的几乎所有内容都会在某个时刻通过云托管的 GPU（或 TPU）。无论是对于运行训练工作负载的模型提供商/研究实验室、运行推理/微调的托管公司，还是将两者结合起来的应用程序公司，FLOPS都是生成式 AI 的命脉。很长一段时间以来，最具颠覆性的计算技术的进展首次受到计算的限制。

因此，生成式人工智能市场的大量资金最终流向了基础设施公司。给出一些非常粗略的数字：我们估计，平均而言，应用程序公司将大约 20-40% 的收入用于推理和针对每个客户的微调。这通常直接支付给计算实例的云提供商或第三方模型提供商——反过来，第三方模型提供商将大约一半的收入花在云基础设施上。因此，有理由猜测当今生成式 AI总收入的 10-20% 流向了云提供商。

除此之外，训练自己模型的初创公司已经筹集了数十亿美元的风险投资——其中大部分（早期轮次高达 80-90%）通常也花在了云提供商身上。许多上市科技公司每年花费数亿美元用于模型训练，要么与外部云提供商合作，要么直接与硬件制造商合作。

用技术术语来说，这就是我们所说的“大量资金”——尤其是对于新兴市场而言。其中大部分花费在三大云上：亚马逊网络服务（AWS）、谷歌云平台（GCP）和微软Azure。这些云提供商每年总共花费超过1000 亿美元的资本支出，以确保他们拥有最全面、可靠且具有成本竞争力的平台。特别是在生成人工智能领域，它们还受益于供应限制，因为它们可以优先使用稀缺硬件（例如 Nvidia A100 和 H100 GPU）。

但有趣的是，我们开始看到可信的竞争出现。像甲骨文这样的挑战者已经通过巨额资本支出和销售激励取得了进展。Coreweave 和 Lambda Labs 等一些初创公司凭借专门针对大型模型开发人员的解决方案迅速发展。他们在成本、可用性和个性化支持方面展开竞争。它们还公开了更细粒度的资源抽象（即容器），而由于 GPU 虚拟化的限制，大型云仅提供 VM 实例。

在幕后运行绝大多数人工智能工作负载的可能是迄今为止生成式人工智能领域的最大赢家：Nvidia。该公司公布的 2023 财年第三季度数据中心 GPU 收入为38亿美元，其中很大一部分用于生成人工智能用例。通过数十年对 GPU 架构的投资、强大的软件生态系统以及学术界的深入使用，他们围绕这项业务建立了强大的护城河。最近的一项分析发现，研究论文中引用 Nvidia GPU 的次数是顶级 AI 芯片初创公司总和的 90 倍。

确实存在其他硬件选项，包括 Google 张量处理单元 (TPU)；AMD Instinct GPU；AWS Inferentia 和 Trainium 芯片；以及来自 Cerebras、Sambanova 和 Graphcore 等初创公司的人工智能加速器。英特尔虽然起步较晚，但也凭借其高端 Habana 芯片和 Ponte Vecchio GPU 进入市场。但到目前为止，这些新芯片很少占据重要的市场份额。值得关注的两个例外是谷歌，其 TPU 在 Stable Diffusion 社区和一些大型 GCP 交易中获得了关注，以及台积电，据信该公司生产此处列出的所有芯片，包括 Nvidia GPU（英特尔混合使用其自己的晶圆厂和台积电来制造芯片）。

换句话说，基础设施是堆栈中有利可图、持久且看似可防御的层。基础设施公司需要回答的重大问题包括：

保持无状态工作负载。无论您在哪里租用 Nvidia GPU，它们都是一样的。大多数人工智能工作负载都是无状态的，因为模型推理不需要附加数据库或存储（模型权重本身除外）。这意味着人工智能工作负载可能比传统应用程序工作负载更容易跨云移植。在这种情况下，云提供商如何才能创造粘性并防止客户转向最便宜的选择？度过芯片稀缺的终结。云提供商和 Nvidia 本身的定价一直受到最理想 GPU 稀缺供应的支持。一位供应商告诉我们，A100 的标价实际上自推出以来有所上涨，这对于计算硬件来说非常不寻常。当通过增加产量和/或采用新硬件平台最终消除这种供应限制时，这将如何影响云提供商？挑战者云能否突破？我们坚信，垂直云将通过更专业的产品从三大巨头手中夺取市场份额。到目前为止，在人工智能领域，挑战者已经通过适度的技术差异化和英伟达的支持赢得了有意义的关注——对英伟达来说，现有的云提供商既是最大的客户，也是新兴的竞争对手。长期的问题是，这足以克服三巨头的规模优势吗？

那么……价值将在哪里累积？

当然，我们还不知道。但根据我们掌握的生成式人工智能的早期数据，结合我们在早期人工智能/机器学习公司的经验，我们的直觉如下。

如今，生成人工智能领域似乎不存在任何系统性护城河。作为一阶近似，应用程序缺乏强大的产品差异化，因为它们使用相似的模型；模型面临着不明确的长期差异，因为它们是在具有相似架构的相似数据集上进行训练的；云提供商缺乏深度的技术差异化，因为它们运行相同的 GPU；甚至硬件公司也在同一家工厂生产芯片。

当然，有标准的护城河：规模护城河（“我拥有或可以比你筹集更多的钱！”）、供应链护城河（“我有 GPU，你没有！”）、生态系统护城河（“每个人都已经在使用我的软件了！”）、算法护城河（“我们比你更聪明！”）、分销护城河（“我已经拥有一个销售团队和比你更多的客户！”）和数据管道护城河（“我”）我在互联网上爬取的内容比你还多！”）。但从长远来看，这些护城河都不是持久的。现在判断堆栈的任何一层是否会产生强大、直接的网络效应还为时过早。

根据现有数据，尚不清楚生成人工智能是否会出现长期的赢家通吃的动态。

这很奇怪。但对我们来说，这是个好消息。这个市场的潜在规模很难把握——介于所有软件和所有人类努力之间——因此我们期望有很多很多的参与者以及各个层面的良性竞争。我们还期望横向和纵向公司都能取得成功，并采用由最终市场和最终用户决定的最佳方法。例如，如果最终产品的主要差异化是人工智能本身，那么垂直化（即将面向用户的应用程序与本土模型紧密耦合）很可能会胜出。然而，如果人工智能是更大的长尾功能集的一部分，那么更有可能发生水平化。当然，随着时间的推移，我们也应该看到更多传统护城河的建立，甚至可能会看到新型护城河的出现。

无论如何，我们可以确定的一件事是，生成式人工智能会改变游戏规则。我们都在实时学习规则，巨大的价值将被释放，技术格局将因此而变得非常非常不同。我们就是为此而来！

这篇文章中的所有图像都是使用 Midjourney 创建的。

📎 参考文章

💡

原文地址：https://a16z.com/who-owns-the-generative-ai-platform/

💡

本文来自互联网收集，如有涉及版权请与我联系、谢谢！欢迎评论区留言，一起交流~

用ChatGPT做品牌项目二手信息搜集

Thu, 09 Nov 2023 00:00:00 GMT

如何用ChatGPT做品牌项目的二手信息搜集?

该场景对应的关键词库(25个):

品牌案例、竞品、信息来源、项目分析、官方渠道、品类、品牌、节日节庆、明星、国家、奖项、代理商、项目名称、项目描述、品牌介绍、竞争情况、运营数据、财务信息、交易信息、法律问题、网络平台、行业人士、品牌拥有者、报纸杂志、研究报告

提问模板：

模板1:特定模式

针对品牌自身信息的搜集，可参考如下提问方式：

假设你是一个世界一流的品牌案例分析师，请根据”XX”品牌，帮我搜集5篇非官方渠道的内容，可包含竞品分析和用户画像等内容，并附上信息来源渠道。

模板2:代理模式

针对品牌之间联名的项目相关信息搜集，可参考如下提问方式：

假设你是一个世界一流的品牌案例分析师，请根据以下信息，帮我搜集10篇内容，并附上信息来源渠道。品牌名：XXX

项目名称：“XXX”

项目时间：XXX

模板3:混合模式

针对品牌特殊时间节点营销事件的相关信息收集，可参考如下提问方式：

假设你是一个世界一流的品牌案例分析师，请根据如下信息，帮我搜集10篇内容，并附上信息来源渠道：

品类：XXX

品牌：XXX

节日：XXX

联名：XXX

类型：XXX

国家：XXX

举例：

假设你是一个世界一流的品牌案例分析师，请根据如下信息，帮我搜集10篇内容，并附上信息来源渠道：

品类：餐饮类

品牌：瑞幸咖啡

节日：2023年情人节

联名：线条小狗

类型：“修狗爱情故事”限定饮品

国家：中国

💡

本文来自互联网收集，如有涉及到版权请联系，谢谢！

游戏中的生成式AI智能革命

Tue, 05 Dec 2023 00:00:00 GMT

了解生成式人工智能将如何从根本上改变游戏，只要看看@emmanuel_2m最近发布的Twitter 帖子即可。在这篇文章中，他探索了使用稳定扩散 + Dreambooth（流行的 2D 生成 AI 模型）来为假设的游戏生成药水图像。

这项工作的变革性不仅在于它节省了时间和金钱，同时还提供了质量，从而打破了经典的“成本、质量或速度只能三者兼得”的三角关系。艺术家现在可以在几个小时内创建出高质量的图像，否则需要花费数周的时间才能手工生成。

真正具有变革性的是：

现在，任何能够学习一些简单工具的人都可以使用这种创造力。

这些工具可以以高度迭代的方式创建无数的变体。

一旦训练完成，该过程就是实时的——几乎可以立即获得结果。

自实时 3D 以来，还没有一种技术能够对游戏产生如此革命性的影响。花任何时间与游戏创作者交谈，兴奋和惊奇的感觉是显而易见的。那么这项技术将走向何方呢？它将如何改变游戏业？首先，让我们回顾一下什么是生成式人工智能？

什么是生成式人工智能？

生成式人工智能是机器学习的一个类别，计算机可以根据用户的提示生成原创的新内容。如今，文本和图像是这项技术最成熟的应用，但几乎每个创意领域都在进行工作，从动画、音效、音乐，甚至创建具有完全充实个性的虚拟角色。

当然，人工智能在游戏中并不是什么新鲜事。即使是早期的游戏，如 Atari 的 Pong，也有计算机控制的对手来挑战玩家。然而，这些虚拟敌人并没有运行我们今天所知的人工智能。它们只是游戏设计师精心编写的脚本程序。他们模拟了一个人工智能对手，但他们无法学习，而且他们的表现只能与构建它们的程序员一样好。

现在不同的是可用的计算能力，这要归功于更快的微处理器和云。有了这种能力，就可以构建大型神经网络来识别高度复杂领域中的模式和表示。

这篇博文有两个部分：

第一部分包括我们对游戏生成人工智能领域的观察和预测。

第二部分是我们的市场地图，概述了各个细分市场并确定了每个细分市场的关键公司。

第一部分——观察和预测

假设

首先，让我们探讨一下本文其余部分的一些假设：

1. 通用人工智能领域的研究量将继续增长，创造出更有效的技术

考虑一下arXiv 档案中每月发表的有关机器学习或人工智能的学术论文数量的图表：

正如您所看到的，论文数量呈指数级增长，而且没有放缓的迹象。这仅包括已发表的论文——许多研究甚至从未发表过，直接进入开源模型或产品研发。其结果是兴趣和创新的爆发。

2. 在所有娱乐中，游戏将受到生成式人工智能的影响最大

就涉及的资产类型（2D 艺术、3D 艺术、音效、音乐、对话等）的绝对数量而言，游戏是最复杂的娱乐形式。游戏也是最具互动性的，非常注重实时体验。这为新游戏开发者设置了巨大的进入壁垒，也为制作一款现代的、位居榜首的游戏带来了高昂的成本。它还为生成式人工智能颠覆创造了巨大的机会。

以《荒野大镖客 2》这样的游戏为例，它是有史以来最昂贵的游戏之一，制作成本接近 5 亿美元。原因很容易理解——它拥有市场上所有游戏中最美丽、最完全实现的虚拟世界之一。它还花了近 8 年的时间来打造，拥有超过 1,000 个非玩家角色（每个角色都有自己的个性、艺术作品和配音演员）、面积近 30 平方英里的世界、分为 6 个章节的 100 多个任务，以及由 100 多名音乐家创作的近 60 小时的音乐。这个游戏的一切都很大。

现在将 Red Dead Redemption 2 与Microsoft Flight Simulator进行比较，后者不仅大，而且非常巨大。Microsoft Flight Simulator 使玩家能够环绕整个地球（1.97 亿平方英里）飞行。微软是如何打造如此庞大的游戏的？让人工智能来做这件事。微软与blackshark.ai合作，训练人工智能从 2D 卫星图像生成逼真的 3D 世界。

这是一个如果不使用人工智能就不可能构建游戏的例子，而且，随着时间的推移，这些模型可以不断改进，这一事实也让游戏受益匪浅。例如，他们可以增强“高速公路立体立交桥”模型，重新运行整个构建过程，突然之间，整个地球上所有的高速公路立交桥都得到了改进。

3.游戏制作中涉及的每一个资产都会有一个生成式AI模型

到目前为止，像 Stable Diffusion 或 MidJourney 这样的 2D 图像生成器已经引起了人们对生成式 AI 的广泛关注，因为它们生成的图像具有引人注目的性质。但实际上游戏中涉及的所有资产都已经有了生成式 AI 模型，从 3D 模型到角色动画，再到对话和音乐。本博文的后半部分包括一个市场地图，突出显示了一些专注于每种类型内容的公司。

4. 内容的价格将大幅下降，在某些情况下实际上会降到零

当与正在尝试将生成式人工智能集成到生产流程中的游戏开发者交谈时，最令人兴奋的是时间和成本的大幅减少。一位开发人员告诉我们，他们从开始到完成为单个图像生成概念艺术的时间已从 3 周缩短到一个小时：减少了 120 比 1。我们相信，在整个生产流程中也可以实现类似的节省。

需要明确的是，艺术家并没有面临被取代的危险。这确实意味着艺术家不再需要自己完成所有工作：他们现在可以设定最初的创作方向，然后将大部分耗时和技术执行工作交给人工智能。在这方面，他们就像手绘动画早期的赛璐珞画家，技术精湛的“墨匠”画出动画的轮廓，然后由成本较低的“画家”大军完成绘制动画的耗时工作。动画单元格，填充线条。这是游戏创建的“自动完成”。

5、这场革命还处于起步阶段，很多做法还需要完善

尽管最近令人兴奋，但我们仍处于起跑线。当我们弄清楚如何在游戏中利用这项新技术时，我们还有大量的工作要做，对于快速进入这一新领域的公司来说，将会产生巨大的机会。

预测

考虑到这些假设，以下是对游戏行业可能如何转型的一些预测：

1. 学习如何有效地使用生成式人工智能将成为一项有市场的技能

我们已经看到一些实验者比其他人更有效地使用生成式人工智能。要充分利用这项新技术，需要使用各种工具和技术，并了解如何在它们之间进行切换。我们预测这将成为一种有市场的技能，将艺术家的创造性视野与程序员的技术技能相结合。

克里斯·安德森（Chris Anderson）有句名言：“每一次丰富都会带来新的稀缺。” 随着内容变得丰富，我们相信知道如何与人工智能工具最有效地协作的艺术家将是最短缺的。

例如，使用生成式人工智能来制作艺术品会面临特殊的挑战，包括：

连贯性。 对于任何生产资产，您都需要能够在以后对资产进行更改或编辑。使用人工智能工具，这意味着需要能够以相同的提示重现资产，以便您可以进行更改。这可能很棘手，因为相同的提示可能会产生截然不同的结果。

风格。对于给定游戏中的所有艺术来说，具有一致的风格非常重要，这意味着您的工具需要接受特定风格的培训或以其他方式与您的给定风格相关联。

2. 降低壁垒将带来更多的冒险精神和创造性探索

我们可能很快就会进入游戏开发的新“黄金时代”，较低的进入门槛会导致更具创新性和创意的游戏激增。不仅因为较低的制作成本可以降低风险，还因为这些工具可以释放为更广泛的受众创建高质量内容的能力。这导致了下一个预测……

3、人工智能辅助的“微游戏工作室”兴起

有了生成式人工智能工具和服务，我们将开始看到只有 1 到 2 名员工的小型“微型工作室”制作出更多可行的商业游戏。小型独立游戏工作室的想法并不新鲜——热门游戏《Among Us》是由 Innersloth 工作室制作的，只有 5 名员工——但这些小型工作室可以制作的游戏的规模和规模将会增长。这将导致……

4. 每年发布的游戏数量增加

Unity 和 Roblox 的成功表明，提供强大的创意工具可以打造更多游戏。生成式人工智能将进一步降低门槛，创造更多数量的游戏。该行业已经面临发现挑战——仅去年一年就有超过10,000 款游戏被添加到 Steam 中——这将给发现带来更大的压力。然而我们也会看到……

5.创造出在生成人工智能之前不可能实现的新游戏类型

我们将看到新的游戏类型被发明，如果没有生成人工智能，这些游戏类型根本不可能出现。我们已经讨论过微软的飞行模拟器，但将会发明依赖于新内容实时生成的全新类型。

考虑Spellbrush的《Arrowmancer》。这是一款角色扮演游戏，具有人工智能创建的角色，可带来几乎无限的新游戏玩法。

我们还知道另一家游戏开发商正在使用人工智能让玩家创建自己的游戏内头像。以前他们有一系列手绘的头像图像，玩家可以混合搭配来创建自己的头像——现在他们完全抛弃了这个，只是根据玩家的描述生成头像图像。让玩家通过人工智能生成内容比让玩家从头开始上传自己的内容更安全，因为人工智能可以经过训练以避免创建攻击性内容，同时仍然给玩家更大的主人翁感。

6. 行业特定的人工智能工具将产生价值，而不仅仅是基础模型

围绕“稳定扩散”和“中程”等基础模型的兴奋和讨论正在产生令人瞠目结舌的估值，但不断涌现的新研究确保了随着新技术的完善，新模型将会出现和消失。考虑 3 种流行的生成式 AI 模型的网站搜索流量：Dall-E、Midjourney 和 Stable Diffusion。每一款新车型都会成为人们关注的焦点。

另一种方法可能是构建行业一致的工具套件，专注于特定行业的生成人工智能需求，深入了解特定受众，并与现有生产流程（例如游戏的 Unity 或 Unreal）进行丰富集成。

Runway就是一个很好的例子，它通过视频编辑、绿屏去除、修复和运动跟踪等人工智能辅助工具来满足视频创作者的需求。像这样的工具可以建立特定的受众并从中获利，随着时间的推移添加新的模型。我们还没有看到像 Runway 这样的游戏套件出现，但我们知道这是一个积极开发的空间。

7. 法律挑战即将到来

所有这些生成式人工智能模型的共同点是，它们都是使用大量内容数据集进行训练的，这些数据集通常是通过抓取互联网本身创建的。例如，Stable Diffusion 是在从网络上抓取的超过 50 亿个图像/标题对上进行训练的。

目前，这些模型声称在“合理使用”版权原则下运作，但这一论点尚未在法庭上得到明确的检验。显然，法律挑战即将到来，这可能会改变生成人工智能的格局。

大型工作室可能会通过建立基于他们拥有明确权利和所有权的内部内容的专有模型来寻求竞争优势。例如，微软在这方面处于特别有利的地位，目前拥有 23 个第一方工作室，在收购动视之后又增加了 7 个。

8. 编程不会像艺术内容那样受到如此深刻的颠覆——至少现在还不会

软件工程是游戏开发的另一项主要成本，但正如我们 a16z Enterprise 团队的同事在他们最近的博客文章《艺术没有死，它只是机器生成》中分享的那样，使用 AI 模型生成代码需要更多的测试和验证，因此与生成创意资产相比，生产率的提高较小。像 Copilot 这样的编码工具可能会为工程师提供适度的性能改进，但不会产生相同的影响……至少在短期内不会。

建议

根据这些预测，我们提出以下建议：

1. 现在就开始探索生成式人工智能

我们需要一段时间才能弄清楚如何充分利用即将到来的生成式人工智能革命的力量。现在开始的公司以后就会有优势。我们知道有几家工作室正在进行内部实验项目，以探索这些技术如何影响制作。

2.寻找市场地图机会

我们市场地图的某些部分已经非常拥挤，例如动画或语音和对话，但其他领域则完全开放。我们鼓励对此领域感兴趣的企业家将精力集中在尚未探索的领域，例如“Runway for Games”。

第二部分——市场地图

市场现状

我们创建了一个市场地图，以捕获我们在每个类别中确定的公司列表，我们在这些类别中看到了生成人工智能对游戏的影响。这篇博文将详细介绍每个类别，并对其进行更详细的解释，并重点介绍每个类别中最令人兴奋的公司。

2D 图像

根据文本提示生成 2D 图像已经是生成式 AI 应用最广泛的领域之一。Midjourney、Stable Diffusion和Dall-E 2等工具可以从文本生成高质量的 2D 图像，并且已经在游戏生命周期的多个阶段应用于游戏制作。

概念艺术

生成式人工智能工具非常擅长“构思”或帮助非艺术家（例如游戏设计师）快速探索概念和想法以生成概念艺术作品，这是制作过程的关键部分。例如，一家工作室（匿名）正在同时使用其中多个工具来从根本上加快其概念艺术流程，只需一天即可创建一幅图像，而以前需要长达 3 周的时间。

首先，他们的游戏设计师使用 Midjourney 来探索不同的想法并生成他们认为鼓舞人心的图像。

这些被移交给专业的概念艺术家，他将它们组装在一起并在结果上进行绘制以创建单个连贯的图像 - 然后将其输入稳定扩散以创建一堆变化。

他们讨论这些变化，选择一个，手动进行一些编辑，然后重复这个过程，直到他们对结果感到满意。

在此阶段，然后最后一次将此图像传递回稳定扩散以“升级”它以创建最终的艺术作品。

2D 制作艺术

一些工作室已经在尝试使用相同的工具来制作游戏内的艺术作品。例如，这里有一个来自 Albert Bozesan 的关于使用稳定扩散创建游戏内 2D 资产的精彩教程。

3D艺术作品

3D 资产是所有现代游戏以及即将到来的虚拟世界的构建模块。虚拟世界或游戏关卡本质上只是 3D 资产的集合，经过放置和修改以填充环境。然而，创建 3D 资源比创建 2D 图像更复杂，并且涉及多个步骤，包括创建 3D 模型以及添加纹理和效果。对于动画角色，它还涉及创建内部“骨架”，然后在该骨架上创建动画。

我们看到几家不同的初创公司正在从事 3D 资产创建过程的每个阶段，包括模型创建、角色动画和关卡构建。然而，这还不是一个已解决的问题——还没有任何解决方案准备好完全集成到生产中。

3D资产

尝试解决 3D 模型创建问题的初创公司包括Kaedim、Mirage和Hypothetic。较大的公司也在关注这个问题，包括 Nvidia 的Get3D和 Autodesk 的ClipForge。Kaedim 和 Get3d 专注于图像转 3D；ClipForge 和 Mirage 专注于文本转 3D，而 Hypothetic 则对文本转 3D 搜索以及图像转 3D 感兴趣。

3D纹理

3D 模型看起来与应用于网格的纹理或材质一样真实。决定将哪种苔藓、风化的石头纹理应用于中世纪城堡模型可以完全改变场景的外观和感觉。纹理包含有关光如何对材质做出反应的元数据（即粗糙度、光泽度等）。允许艺术家根据文本或图像提示轻松生成纹理对于提高创作过程中的迭代速度非常有价值。包括BariumAI、Ponzu和ArmorLab在内的多个团队正在寻求这一机会。

动画片

制作出色的动画是游戏制作过程中最耗时、最昂贵且最需要技巧的部分之一。降低成本并创建更逼真动画的一种方法是使用动作捕捉，其中将演员或舞者穿上动作捕捉服，并在专门配备的动作捕捉舞台中记录他们的移动。

我们现在看到可以直接从视频中捕捉动画的生成式人工智能模型。这更加高效，既因为它不需要昂贵的动作捕捉设备，也因为这意味着您可以从现有视频中捕捉动画。这些模型的另一个令人兴奋的方面是它们还可以用于将过滤器应用于现有动画，例如使它们看起来喝醉了，或老了，或快乐。瞄准这一领域的公司包括Kinetix、DeepMotion、RADiCAL、Move Ai和Plask。

关卡设计和世界构建

游戏创作中最耗时的方面之一是构建游戏世界，生成式人工智能应该非常适合这项任务。像《我的世界》、《无人深空》和《暗黑破坏神》这样的游戏已经因使用程序技术来生成关卡而闻名，其中关卡是随机创建的，每次都不同，但遵循关卡设计师制定的规则。新的虚幻 5 游戏引擎的一大卖点是其用于开放世界设计的程序工具集，例如树叶放置。

我们已经看到了该领域的一些举措，例如Promethean、MLXAR或 Meta 的Builder Bot，并且认为生成技术很大程度上取代程序技术只是时间问题。该领域的学术研究已经有一段时间了，包括《我的世界》的生成技术或《毁灭战士》的关卡设计。

期待生成人工智能工具进行关卡设计的另一个令人信服的理由是能够以不同的风格创建关卡和世界。您可以想象使用工具来生成 1920 年摩登时代纽约的世界，而不是反乌托邦的银翼杀手式的未来，与托尔金式的奇幻世界。

以下概念是由 Midjourney 使用提示生成的，“一个游戏关卡的风格......”

声音的

声音和音乐是游戏体验的重要组成部分。我们开始看到公司使用生成式人工智能来生成音频，以补充图形方面已经发生的工作。

声音特效

音效对于人工智能来说是一个有吸引力的开放领域。已经有学术论文探讨了使用人工智能在电影中生成“拟音”（例如脚步声）的想法，但在游戏中的商业产品还很少。

我们认为这只是时间问题，因为游戏的交互性质使其成为生成人工智能的明显应用，既在制作过程中创建静态音效（“星球大战风格的激光枪声音”），又在运行时创建实时交互式音效。

考虑一些简单的事情，例如为玩家的角色生成脚步声。大多数游戏通过包含少量预先录制的脚步声来解决这个问题：在草地上行走、在砾石上行走、在草地上奔跑、在砾石上奔跑等。这些声音的生成和管理非常繁琐，并且在运行时听起来重复且不切实际。

更好的方法是用于拟音音效的实时生成 AI 模型，它可以动态生成适当的音效，每次都略有不同，这些音效响应游戏中的参数，例如地面、角色重量、步态、鞋类等

音乐

音乐一直是游戏的一个挑战。这很重要，因为它可以像电影或电视一样帮助设定情感基调，但由于游戏可以持续数百甚至数千小时，因此它很快就会变得重复或烦人。此外，由于游戏的互动性质，音乐很难在任何给定时间精确匹配屏幕上发生的事情。

二十多年来，自适应音乐一直是游戏音频领域的一个话题，可以追溯到微软用于创建交互式音乐的“ DirectMusic ”系统。DirectMusic 从未被广泛采用，主要是因为以该格式进行创作很困难。只有少数游戏，例如 Monolith 的《No One Lives Forever》，创造了真正的互动乐谱。

现在我们看到许多公司正在尝试创作人工智能生成的音乐，例如Soundful、Musico、Harmonai、Infinite Album和Aiva。虽然当今的一些工具（例如Open AI 的Jukebox）计算量很大且无法实时运行，但大多数工具在初始模型构建完成后都可以实时运行。

语音和对话

有很多公司试图为游戏中的角色创造逼真的声音。考虑到通过语音合成赋予计算机声音的悠久历史，这并不奇怪。公司包括Sonantic、Coqui、Replica Studios、Resemble.ai、Readspeaker.ai等等。

使用生成式人工智能进行语音有多种优势，这在一定程度上解释了为什么这个领域如此拥挤：

即时生成对话框。通常，游戏中的语音是由配音演员预先录制的，但这仅限于预先录制的预设语音。通过生成式人工智能对话，角色可以说任何话——这意味着他们可以对玩家正在做的事情做出充分的反应。结合针对 NPC 的更智能的 AI 模型（超出了本博客的范围，但目前是一个同样令人兴奋的创新领域），对玩家完全做出反应的游戏即将到来。

角色扮演。许多玩家希望扮演与现实世界身份几乎没有相似之处的幻想角色。然而，一旦玩家用自己的声音说话，这种幻想就破灭了。使用与玩家的化身相匹配的生成声音来维持这种幻觉。

控制。生成语音后，您可以控制声音的细微差别，例如音色、语调变化、情感共鸣、音素长度、口音等。

本土化。允许将对话翻译成任何语言并以相同的声音说出。像Deepdub这样的公司专门专注于这个利基市场。

NPC 或玩家角色

许多初创公司正在考虑使用生成式人工智能来创建可以与之互动的可信角色，部分原因是这是一个在游戏之外具有广泛适用性的市场，例如虚拟助理或接待员。

创造可信角色的努力可以追溯到人工智能研究的开端。事实上，经典的人工智能“图灵测试”的定义是，人类应该无法区分与人工智能和人类的聊天对话。

目前有数百家公司在构建通用聊天机器人，其中许多都由类似 GPT-3 的语言模型提供支持。少数人专门尝试构建用于娱乐目的的聊天机器人，例如Replika和Anima正在尝试构建虚拟朋友。正如电影《她》中所探讨的那样，与虚拟女友约会的概念可能比您想象的更接近。

我们现在看到这些聊天机器人平台的下一个迭代，例如Charisma.ai、Convai.com或Inworld.ai，旨在为完全渲染的 3D 角色提供情感和代理，并通过工具让创作者能够赋予这些角色人物目标。如果它们要融入游戏或在推动情节发展中占有一席之地，而不是纯粹只是装饰门面，那么这一点很重要。

一体化平台

Runwayml.com是最成功的生成式 AI 工具之一，因为它将广泛的创作者工具集成在一个软件包中。目前还没有这样的平台提供视频游戏服务，我们认为这是一个被忽视的机会。

我们很乐意投资具有以下特点的解决方案：

全套生成式人工智能工具，覆盖整个生产流程。（代码、资产生成、纹理、音频、描述等）

与 Unreal 和 Unity 等流行游戏引擎紧密集成。

专为适应典型的游戏制作流程而设计。

结论

对于游戏创作者来说，这是一个不可思议的时刻！部分归功于本博文中描述的工具，生成构建游戏所需的内容从未如此简单 - 即使您的游戏与整个星球一样大！

甚至有一天可以想象一款完全个性化的游戏，专门为玩家创建，完全基于玩家的需求。这在科幻小说中已经存在很长时间了——就像《安德的游戏》中的“人工智能智力游戏”，或者《星际迷航》中的全息甲板。但随着这篇博文中描述的工具发展得如此之快，不难想象这一现实即将到来。

如果您是创始人或潜在创始人，有兴趣建立一家游戏人工智能公司，请联系我们！我们希望听到您的意见！

💡

作者原文地址：https://a16z.com/the-generative-ai-revolution-in-games/

价值上千美元的15个ChatGPT超级AI指令，每个都非常强大

Wed, 06 Dec 2023 00:00:00 GMT

type

Post

status

Published

date

Dec 6, 2023

slug

summary

众所周知，你的命令是ChatGPT的生成人工智能（Prompt）越好，它的回复质量越高！然而，一个好的命令并不一定适合每个人，因为不同的人有自己的个性化需求。

OpenAI真正的想要什么？

Wed, 06 Dec 2023 00:00:00 GMT

这家年轻的公司发布 ChatGPT 后震惊了世界，但这只是开始。最终目标：改变一切、是的、一切。

当这位明星和他的随行人员跌进一辆等候的梅赛德斯货车时，他带着一种近乎披头士狂热的能量。他们刚刚逃离一场活动，前往另一场活动，然后又去参加另一场活动，那里有一群疯狂的暴徒等待着他们。当他们穿过伦敦的街道时——从霍尔本到布卢姆斯伯里的短暂路程——就好像他们正在冲浪文明的前后时刻之一。这辆车所体现的创造历史的力量吸引了全世界的目光。从排队等候的学生到总理，每个人都想分一杯羹。

豪华面包车里，38 岁的企业家、OpenAI联合创始人、发型整洁的山姆·奥尔特曼 (Sam Altman) 狼吞虎咽地吃着一份沙拉。公关人员；安全专家；和我。奥特曼 (Altman) 不高兴地穿着一套蓝色西装和一件无领带的粉色正装衬衫，旋风穿过伦敦，这是为期一个月的全球短途旅行的一部分，途经六大洲 25 个城市。当他狼吞虎咽地吃着蔬菜时——今天没有时间坐下来吃午餐——他回想起前一天晚上与法国总统埃马纽埃尔·马克龙(Emmanuel Macron)的会面。真是个好人啊！并且对人工智能非常感兴趣。

波兰总理也是如此。还有西班牙首相。

与奥特曼一起骑行，我几乎能听到《艰难的一天之夜》开头那响亮、暧昧的和弦——介绍未来。去年 11 月，当 OpenAI 发布了它的大热门ChatGPT时，它引发了自互联网闯入我们生活以来从未见过的技术爆炸。突然间，图灵测试成为历史，搜索引擎成为濒临灭绝的物种，任何大学论文都不再可信。没有工作是安全的。没有什么科学问题是一成不变的。

Altman 没有进行研究、训练神经网络或对 ChatGPT 及其更早熟的兄弟 GPT-4 的界面进行编码。但作为首席执行官，他是一位梦想家/实干家，就像年轻版的联合创始人埃隆·马斯克，没有包袱，一篇又一篇的新闻文章都用他的照片作为人类新挑战的视觉象征。至少那些还没有通过 OpenAI 的视觉人工智能产品Dall-E 生成的令人瞠目结舌的图像的人。他是当下的神谕者，人们首先想咨询的人物是人工智能如何迎来黄金时代，或者让人类变得无关紧要，甚至更糟。

五月那个阳光明媚的日子，奥特曼的货车载着他四次露面。第一个是秘密的、与圆桌会议（由政府、学术界和行业人士组成的团体）举行的非正式会议。它是在最后一刻组织起来的，地点是一家名为 Somers Town Coffee House 的酒吧的二楼。在酿酒大师查尔斯·威尔斯（Charles Wells，1842-1914 年）怒目而视的肖像下，奥特曼回答了几乎所有观众提出的同样的问题。人工智能会杀死我们吗？可以监管吗？那么中国呢？他详细地回答了每个问题，同时偷偷看了一眼手机。之后，他在豪华的伦敦人酒店在 600 名牛津协会成员面前进行了炉边聊天。从那里前往地下室会议室，他在那里回答了大约 100 名企业家和工程师提出的更多技术问题。现在他在伦敦大学学院下午的演讲中已经快迟到了。他和他的团队在装载区停下来，然后被引导穿过一系列蜿蜒的走廊，就像《好家伙》中的斯坦尼康镜头一样。我们边走边，主持人急忙告诉奥特曼他要问什么。当奥特曼出现在舞台上时，礼堂里挤满了兴高采烈的学者、极客和记者，爆发了。

奥特曼并不是一个天生的出名者。有一次，在《纽约客》对他进行了长篇报道之后，我就与他进行了交谈。“关于我的事情太多了，”他说。但在大学学院，正式节目结束后，他走进了涌上讲台的人群中。他的助手们试图在奥特曼和人群之间游走，但他对他们不屑一顾。他一个接一个地回答问题，每次都专注地盯着对话者的脸，就好像他第一次听到这个问题一样。每个人都想要一张自拍照。20分钟后，他终于允许他的团队把他拉出来。然后他将前往会见英国首相里希·苏纳克。

也许有一天，当机器人书写我们的历史时，他们会引用奥特曼的世界巡演作为这一年的里程碑，那时每个人都开始对奇点进行自己的个人清算。或者话又说回来，也许无论谁书写这一刻的历史，都会将其视为一个时代，一位安静而引人注目的首席执行官，拥有打破范式的技术，试图将一种非常奇特的世界观注入全球思维流中——从一个没有标记的四层总部从旧金山的 Mission 区到全世界。

对于 Altman 和他的公司来说，ChatGPT 和 GPT-4 只是实现简单而震撼的任务的垫脚石，这些技术人员可能已经在他们的肉体上烙上了烙印。这一使命是构建通用人工智能（迄今为止，这一概念更多地基于科幻小说而不是科学）并确保人类安全。OpenAI 的工作人员狂热地追求这一目标。（尽管如此，正如办公室咖啡馆中的许多对话所证实的那样，任务中的“构建通用人工智能”部分似乎比“确保安全”部分给研究人员带来了更多原始的兴奋。）避免随意使用“超级智能”这个词。他们认为人工智能的发展轨迹将超越生物学所能达到的最高水平。该公司的财务文件甚至规定了当人工智能消灭我们整个经济体系时的一种退出应急措施。

将 OpenAI 称为邪教是不公平的，但当我询问该公司的几位高层时，如果他们不相信 AGI 真正到来，并且它的到来将标志着人类历史上最伟大的时刻之一，是否有人可以在那里舒适地工作——大多数高管并不这么认为。为什么非信徒想在这里工作？他们想知道。我们的假设是，劳动力——现在大约有 500 人，尽管自您开始阅读本段以来可能已经增加了——已经自我选择只包括忠实信徒。至少，正如奥特曼所说，一旦你被录用，你似乎不可避免地会被这个魔咒所吸引。

与此同时，OpenAI 已经不再是以前的公司了。它最初是一家纯粹的非营利性研究机构，但如今，从技术上讲，其大多数员工都为一家盈利实体工作，据报道，该实体估值近300 亿美元。Altman 和他的团队现在面临着在每个产品周期中进行革命的压力，以满足投资者的商业需求并在激烈的竞争环境中保持领先地位。同时始终坚守着一种准救世主般的使命，即提升人类而不是消灭人类。

这种压力——更不用说全世界无情的关注——可能会让人衰弱。披头士乐队掀起了文化变革的巨大浪潮，但他们的革命只持续了这么久：在敲响那令人难忘的和弦六年后，他们甚至不再是一支乐队了。OpenAI 所引发的漩涡几乎肯定会更大。但 OpenAI 的领导者发誓他们会坚持到底。他们说，他们想做的就是建造足够智能、足够安全的计算机来结束历史，将人类推入一个难以想象的富裕时代。

成长于80 年代末和 90 年代初，萨姆·奥尔特曼 (Sam Altman) 是一个迷恋科幻小说和星球大战的书呆子。早期科幻作家构建的世界通常让人类与超级智能人工智能系统一起生活或竞争。计算机与人类能力相匹配或超越的想法让奥特曼兴奋不已，他从手指几乎无法覆盖键盘起就一直在编码。当他 8 岁时，他的父母给他买了一台 Macintosh LC II。一天晚上，他玩到很晚的时候，他的脑海中突然闪现出一个想法：“有一天，这台计算机将会学会思考。” 2003 年，当他以本科生身份来到斯坦福大学时，他希望帮助实现这一目标，并学习了人工智能课程。但“它根本不起作用，”他后来说。该领域仍深陷被称为“人工智能冬天”的创新低谷。Altman 退学进入创业界；他的公司 Loopt 是Y Combinator中第一批想要成为的小型组织之一， Y Combinator 后来成为世界上最著名的孵化器。

2014年2月，YC的创始人保罗·格雷厄姆选择了当时28岁的奥特曼接替他。格雷厄姆在声明中写道：“萨姆是我认识的最聪明的人之一，他比我认识的任何人都更了解初创公司，包括我自己。” 但 Altman 认为 YC 不仅仅是公司的发射台。“我们不关心初创公司，”他接任后不久告诉我。“我们注重创新，因为我们相信只有这样才能为每个人创造美好的未来。” 在奥特曼看来，从所有这些独角兽身上获利的目的不是为了让合作伙伴赚到钱，而是为物种层面的转型提供资金。他成立了一个研究部门，希望资助雄心勃勃的项目来解决世界上最大的问题。但在他看来，人工智能是统治一切的创新领域：一种可以比人类更好地解决人类问题的超级智能。

幸运的是，奥特曼在人工智能的冬天转为丰沛的春天之际就开始了他的新工作。计算机现在通过深度学习和神经网络执行惊人的壮举，例如标记照片、翻译文本和优化复杂的广告网络。这些进步第一次让他相信，通用人工智能实际上是触手可及的。然而，将其留在大公司手中让他感到担忧。他认为这些公司过于专注于自己的产品而无法尽快抓住开发AGI的机会。如果他们真的创造了通用人工智能，他们可能会在没有必要的预防措施的情况下鲁莽地向世界释放它。

当时，奥特曼一直在考虑竞选加州州长。但他意识到自己完全有能力做一些更大的事情——领导一家将改变人类本身的公司。“AGI 只会被构建一次，”他在 2021 年告诉我。“而且没有那么多人能够很好地运行 OpenAI。我很幸运，在我的生活中拥有一系列经历，这些经历让我为此做好了积极的准备。”

奥特曼开始与可能帮助他创办一家新型人工智能公司的人交谈，这是一家非营利组织，将引导该领域走向负责任的通用人工智能。特斯拉和 SpaceX 首席执行官埃隆·马斯克 (Elon Musk) 是一位志趣相投的人。正如马斯克后来告诉 CNBC 的那样，在与谷歌联合创始人拉里·佩奇进行了一些马拉松式的讨论后，他开始担心人工智能的影响。马斯克表示，令他感到沮丧的是，佩奇几乎不关心安全，而且似乎也认为机器人的权利与人类平等。当马斯克表达自己的担忧时，佩奇指责他是“物种歧视者”。马斯克还明白，当时谷歌聘用了世界上大部分人工智能人才。他愿意花一些钱来做出更适合人类团队的努力。

几个月之内，奥特曼就从马斯克（马斯克承诺捐赠 1 亿美元，并投入了时间）和里德·霍夫曼（Reid Hoffman）（捐赠 1000 万美元）那里筹集了资金。其他资助者包括 Peter Thiel、Jessica Livingston、Amazon Web Services 和 YC Research。奥特曼开始悄悄招募队伍。他将搜索范围仅限于 AGI 信徒，这一限制缩小了他的选择范围，但他认为这一限制至关重要。“早在 2015 年，当我们招聘时，人工智能研究人员说认真对待 AGI 几乎会被认为是职业杀手，”他说。“但我想要认真对待这件事的人。”

Stripe 的首席技术官 Greg Brockman 就是这样的人，他同意担任 OpenAI 的 CTO。另一位重要的联合创始人是安德烈·卡帕蒂 (Andrej Karpathy)，他曾在谷歌大脑 (Google Brain) 工作，谷歌大脑是这家搜索巨头的尖端人工智能研究机构。但也许奥特曼最抢手的目标是一位出生于俄罗斯的工程师，名叫伊利亚·苏茨克韦尔(Ilya Sutskever)。

苏茨克维尔的血统是无懈可击的。他的家人从俄罗斯移民到以色列，然后又移民到加拿大。在多伦多大学时，他是杰弗里·辛顿 (Geoffrey Hinton) 的优秀学生，后者因其在深度学习和神经网络方面的工作而被称为现代人工智能教父。辛顿仍然与苏茨克维尔关系密切，他对他的门徒的魔法感到惊叹。在苏茨克弗在实验室任职的早期，辛顿给了他一个复杂的项目。Sutskever 厌倦了编写代码来执行必要的计算，他告诉 Hinton，如果他为该任务编写一种自定义编程语言，会更容易。辛顿有点恼火，试图警告他的学生远离他认为会持续一个月的干扰。然后苏茨克弗坦白说：“我今天早上就这么做了。”

Sutskever 成为人工智能超级明星，与人合着了一篇突破性论文，展示了人工智能如何通过接触大量数据来学习识别图像。幸运的是，他最终成为了谷歌大脑团队的关键科学家。

2015 年中期，Altman 给 Sutskever 发了冷邮件，邀请他与 Musk、Brockman 和其他人在帕洛阿尔托 Sand Hill 路的豪华 Rosewood 酒店共进晚餐。直到后来，苏茨克韦尔才发现自己是主宾。“这是关于未来人工智能和通用人工智能的一般性对话，”他说。更具体地说，他们讨论了“谷歌和 DeepMind 是否遥遥领先以至于无法赶上他们，或者是否仍然有可能像埃隆所说的那样，创建一个能够起到平衡作用的实验室。” 虽然晚宴上没有人明确试图招募苏茨克韦尔，但这次谈话却让他着迷。

不久之后，苏茨克弗给奥特曼写了一封电子邮件，称他愿意领导该项目，但该消息被困在他的草稿文件夹中。奥特曼回过头来，在抵制了谷歌的还价几个月后，苏茨克弗签约了。他很快将成为公司的灵魂和研究的推动力。

Sutskever 与 Altman 和 Musk 一起为该项目招募人员，最终在纳帕谷举行了一次静修会，几位未来的 OpenAI 研究人员在会上互相激发了兴奋。当然，有些目标会抵制诱惑。约翰·卡马克（John Carmack）是《毁灭战士》、《雷神之锤》和无数其他游戏的传奇游戏程序员，他拒绝了奥特曼的推介。

OpenAI 于 2015 年 12 月正式启动。当时，当我采访 Musk 和 Altman 时，他们向我介绍了这个项目，希望通过与世界分享来使 AI 变得安全且易于使用。换句话说，开源。他们告诉我，OpenAI 不会申请专利。每个人都可以利用自己的突破。这难道不会赋予未来的邪恶博士力量吗？我想知道。马斯克说这是一个好问题。但 Altman 给出了答案：人类总体上都是善良的，而且由于 OpenAI 将为绝大多数人提供强大的工具，因此坏人将会被压垮。他承认，如果邪恶博士使用这些工具来构建无法抵消的东西，“那么我们的处境就非常糟糕了。” 但马斯克和奥特曼都认为，人工智能更安全的道路将掌握在不受利润动机污染的研究运作手中，利润动机是在寻找最好的季度结果时忽视人类需求的持续诱惑。

奥特曼警告我不要很快就期待结果。“在很长一段时间内，这里看起来都像一个研究实验室，”他说。

降低期望还有另一个原因。谷歌和其他公司多年来一直在开发和应用人工智能。尽管 OpenAI 投入了 10 亿美元（主要是通过马斯克）、一支由研究人员和工程师组成的王牌团队以及崇高的使命，但它不知道如何实现其目标。奥特曼记得小团队聚集在布罗克曼公寓的那一刻——他们还没有办公室。“我当时想，我们该怎么办？”

奥特曼记得小团队聚集在布罗克曼公寓的那一刻——他们还没有办公室。“我当时想，我们该怎么办？”

OpenAI 成立一年多后，我与布罗克曼在旧金山共进早餐。作为一家名字中有“开放”二字的公司的首席技术官，他对细节相当吝啬。他确实确认该非营利组织有能力在一段时间内动用其最初的十亿美元捐款。25 名员工的工资——他们的工资远低于市场价值——占据了 OpenAI 的大部分开支。“我们的目标，我们真正推动的事情，”他说，“是拥有能够完成人类以前无法完成的事情的系统。” 但就目前而言，这看起来像是一群研究人员发表论文。面试结束后，我陪他去了公司位于教会区的新办公室，但他只允许我走到前厅。他确实钻进衣柜给我拿了一件 T 恤。

如果我进去询问一下，我可能会确切地了解到 OpenAI 的困境有多大。布罗克曼现在承认“没有任何效果”。研究人员将算法意大利面扔向天花板，看看粘在了什么上面。他们深入研究了解决视频游戏问题的系统，并在机器人技术上投入了大量精力。“我们知道我们想做什么，”奥特曼说。“我们知道为什么要这么做。但我们不知道如何做到。”

但他们相信。支持他们乐观的是使用深度学习技术的人工神经网络的稳步改进。“总的想法是，不要押注深度学习，”Sutskever 说。他说，追逐通用人工智能“并不完全是疯狂的。这只是适度的疯狂。”

OpenAI 的影响力之路真正开始于其聘请了一位名叫 Alec Radford 的尚未出名的研究员，他于 2016 年加入，离开了他在宿舍里共同创立的波士顿人工智能小公司。在接受 OpenAI 的邀请后，他告诉高中校友杂志，接受这个新角色“有点类似于加入研究生项目”——一个开放式、低压的人工智能研究岗位。

他实际上扮演的角色更像是拉里·佩奇发明了 PageRank。

雷德福不愿接受媒体采访，也没有接受过有关他工作的采访，他通过一封长长的电子邮件回答了我关于他早期在 OpenAI 的经历的问题。他最大的兴趣是让神经网络与人类进行清晰的对话互动。这与制作聊天机器人的传统脚本模型背道而驰，这种方法被用于从原始的 ELIZA 到流行的助手 Siri 和 Alexa 的所有领域，所有这些都有点糟糕。“我们的目标是看看是否有任何任务、任何设置、任何领域、任何语言模型可能有用的东西，”他写道。他解释说，当时，“语言模型被视为新奇的玩具，只能偶尔生成有意义的句子，而且只有在你真正眯起眼睛的情况下才可以。” 他的第一个实验涉及扫描 20 亿条 Reddit 评论来训练语言模型。就像 OpenAI 的许多早期实验一样，它失败了。不管。这位 23 岁的年轻人被允许继续前进，但也可以再次失败。“我们就想，亚历克很棒，让他做他的事吧，”布罗克曼说。

他的下一个主要实验是由 OpenAI 的计算机能力限制决定的，这一限制促使他在专注于单一领域（亚马逊产品评论）的较小数据集上进行实验。一位研究人员收集了大约 1 亿个这样的数据。雷德福德训练了一个语言模型来简单地预测生成用户评论时的下一个字符。

雷德福开始试验变压器架构。“我在两周内取得的进步比过去两年还要多，”他说。

但随后，该模型会自行判断出评论是正面的还是负面的，当你对模型进行编程以创建正面或负面的内容时，它会根据要求提供奉承或严厉的评论。（不可否认，散文很笨拙：“我喜欢这种武器的外观……任何热爱国际象棋的人都必须注意！”）“这完全是一个惊喜，”雷德福德说。评论的情绪——其有利或不利的要点——是语义学的复杂功能，但不知何故，雷德福系统的一部分已经感受到了它。在 OpenAI 中，神经网络的这一部分被称为“无监督情感神经元”。

Sutskever 和其他人鼓励 Radford 将他的实验扩展到亚马逊评论之外，利用他的见解来训练神经网络来对话或回答广泛主题的问题。

然后好运向 OpenAI 微笑。2017 年初，一篇由八名谷歌研究人员共同撰写的研究论文预印本出现了。它的官方标题是“注意力就是你所需要的”，但它后来被称为“变形纸”，如此命名既是为了反映这个想法改变游戏规则的性质，也是为了纪念从卡车变形为巨型机器人的玩具。Transformer 使神经网络能够更有效地理解和生成语言。他们通过并行分析散文块并找出哪些元素值得“关注”来做到这一点。这极大地优化了生成连贯文本以响应提示的过程。最终，人们开始意识到同样的技术也可以生成图像甚至视频。尽管 Transformer 论文后来被认为是当前人工智能狂热的催化剂——可以把它想象成猫王让披头士乐队成为可能——但当时伊利亚·苏茨克韦尔 (Ilya Sutskever) 是少数了解这一突破有多么强大的人之一。“真正的顿悟时刻是当伊利亚看到变压器出来时，”布罗克曼说。“他说，‘这就是我们一直在等待的。’ 这就是我们的策略——努力解决问题，然后相信我们或该领域的某人能够找到缺失的成分。”

雷德福开始试验变压器架构。“我在两周内取得的进步比过去两年还要多，”他说。他逐渐认识到，充分利用新模型的关键是扩大规模，即在极其庞大的数据集上对其进行训练。这个想法被雷德福的合作者 Rewon Child 称为“大变形金刚”。

这种方法需要改变 OpenAI 的文化和以前缺乏的重点。“为了利用变压器，你需要扩大规模，”Quora 首席执行官、OpenAI 董事会成员 Adam D'Angelo 说道。“你需要更像一个工程组织来运营它。你不可能让每个研究人员都尝试做自己的事情，训练自己的模型，并做出可以发表论文的优雅的东西。你必须做这项更乏味、更不优雅的工作。” 他补充说，这是 OpenAI 能够做到的事情，也是其他人无法做到的。

雷德福德和他的合作者给他们创建的模型起的名字是“生成式预训练变压器”的缩写——GPT -1。最终，这种模型被通称为“生成式人工智能”。为了构建它，他们收集了 7,000 本未出版的书籍，其中许多属于浪漫、奇幻和冒险类型，并根据 Quora 问答以及从初中和高中考试中摘录的数千篇文章对其进行了完善。总而言之，该模型包含 1.17 亿个参数或变量。它在理解语言和生成答案方面超越了之前的所有产品。但最引人注目的结果是，处理如此大量的数据使模型能够提供超出其训练的结果，从而提供全新领域的专业知识。这些计划外的机器人能力被称为零射击。它们仍然让研究人员感到困惑，并解释了该领域许多人对这些所谓的大型语言模型的不安。

Radford 记得在 OpenAI 办公室的一个深夜。“我只是一遍又一遍地说，‘好吧，那很酷，但我很确定它无法做到x。’” 然后我会快速编写一个评估代码，果然，它可以做到x。”

每次 GPT 迭代都会做得更好，部分原因是每次迭代都会比之前的模型多一个数量级的数据。创建第一次迭代仅一年后，OpenAI在开放互联网上使用令人震惊的 15 亿个参数训练了GPT-2 。就像幼儿掌握演讲一样，它的反应变得更好、更连贯。以至于 OpenAI 犹豫是否要将该程序发布到野外。雷德福担心它可能会被用来生成垃圾邮件。“我记得 2008 年读过 Neal Stephenson 的《Anathem》，在那本书中，互联网上充斥着垃圾邮件生成器，”他说。“我原以为这真的很牵强，但随着我多年来对语言模型的研究，它们变得越来越好，我开始不安地意识到这是一种真正的可能性。”

事实上，OpenAI 的团队开始认为将其工作成果放在 Dr. Evil 可以轻松访问的地方毕竟不是一个好主意。“我们认为开源 GPT-2 可能非常危险，”2018 年加入该公司的首席技术官 Mira Murati 说道。“我们与错误信息专家进行了大量工作，并进行了一些红队合作。关于发布多少，内部进行了很多讨论。” 最终，OpenAI 暂时保留了完整版本，向公众提供了功能较弱的版本。当该公司最终分享完整版本时，世界一切顺利，但不能保证更强大的模型能够避免灾难。

OpenAI 正在制造足够智能的产品，使其被视为危险的，并且正在努力寻找使其安全的方法，这一事实就证明了该公司已经发挥了其魔力。“我们已经找到了进步的公式，每个人现在都知道的公式——深度学习的氧气和氢气是利用大型神经网络和数据进行计算，”Sutskever 说。

对于奥特曼来说，这是一次令人费解的经历。“如果你问 10 岁的我，我过去常常花很多时间做关于人工智能的白日梦，会发生什么，我相当自信的预测是，首先我们将拥有机器人，而它们将完成所有的体力劳动。然后我们将拥有可以完成基本认知劳动的系统。在那之后很长一段时间，也许我们将拥有可以做复杂事情的系统，比如证明数学定理。最终，我们将拥有能够创造新事物、创作艺术、写作和做这些深具人类意义的事情的人工智能。这是一个可怕的预测——它正朝着相反的方向发展。”

全世界还不知道，奥特曼和马斯克的研究实验室已经开始攀登通用人工智能的顶峰。OpenAI 背后的疯狂想法突然变得不那么疯狂了。

到 2018 年初，OpenAI 开始高效地关注大型语言模型（LLM）。但埃隆·马斯克并不高兴。他觉得进展还不够，或者他觉得既然 OpenAI 已经有所作为，它需要领导力来抓住自己的优势。或者，正如他后来解释的那样，他觉得安全应该更重要。无论他的问题是什么，他都有一个解决方案：把一切都交给他。他提议持有该公司的多数股权，并将其添加到他的多个全职工作（特斯拉、SpaceX）和监管义务（Neuralink 和 Boring Company）的投资组合中。

马斯克相信他有权拥有OpenAI。“没有我，它就不会存在，”他后来告诉 CNBC。“这个名字是我想出来的！” （没错。）但 Altman 和 OpenAI 智囊团的其他成员没有兴趣成为 Muskiverse 的一部分。当他们明确表示这一点后，马斯克切断了与特斯拉的联系，并向公众提供了不完整的解释，称他离开董事会是为了避免与特斯拉的人工智能工作发生冲突。他在当年早些时候的一次全体会议上告别，会上他预测 OpenAI 将失败。他至少称其中一名研究人员为“蠢货”。

他还带着他的钱。由于公司没有收入，这是一场生存危机。“埃隆正在切断他的支持，”奥特曼在给里德霍夫曼的电话中惊慌失措地说道。“我们做什么？” 霍夫曼自愿维持公司的运转，支付管理费用和工资。

但这只是暂时的解决办法。OpenAI 必须在其他地方寻找大笔资金。硅谷喜欢向从事流行科技工作的人才投入资金。但如果他们在非营利组织工作，情况就不那么严重了。对于 OpenAI 来说，获得第一个 10 亿美元是一个巨大的提升。为了训练和测试新一代 GPT，然后获取部署它们所需的计算量，该公司还需要 10 亿美元，而且速度要快。而这仅仅是开始。

重组文件中的某个条款大意是，如果公司确实设法创建 AGI，所有财务安排都将重新考虑。毕竟，从那时起，这将是一个新的世界。

因此，2019 年 3 月，OpenAI 提出了一个奇怪的 hack。它将仍然是一个非营利组织，完全致力于其使命。但它也将创建一个营利性实体。这种安排的实际结构是无可救药的巴洛克式的，但基本上整个公司现在都从事“有限”的盈利业务。如果达到上限——这个数字不是公开的，但如果你从字里行间读到它自己的章程，表明它可能有数万亿——超出这个上限的一切都将归还给非营利研究实验室。这个新颖的计划几乎是一种量子合并方法：看看一家公司，根据你的时空观点，它是营利性的还是非营利性的。细节体现在充满方框和箭头的图表中，就像科学论文中间的那些只有博士或辍学者才敢涉足的地方。当我向 Sutskever 提出，如果你提示 GPT-6 用来逃税的话，它看起来像是尚未构想的 GPT-6 可能会想出的东西，但他对我的比喻并不感兴趣。“这与会计无关，”他说。

但会计至关重要。营利性公司会优化利润。像 Meta 这样的公司在投入数十亿美元进行研发时会感受到来自股东的压力，这是有原因的。这怎么可能不影响公司的运营方式呢？Altman 让 OpenAI 成为非营利组织的原因不就是避免商业主义吗？首席运营官布拉德·莱特卡普 (Brad Lightcap) 表示，公司领导层的观点是，董事会（仍属于非营利性控制实体的一部分）将确保收入和利润的驱动力不会压倒最初的想法。“我们需要将使命作为我们存在的理由，”他说，“它不应该仅仅体现在精神上，而应该体现在公司的结构中。” 董事会成员 Adam D'Angelo 表示，他认真对待这一责任：“我和董事会其他成员的工作就是确保 OpenAI 忠实于其使命。”

Lightcap 解释说，潜在投资者被警告要注意这些界限。“我们有一份法律免责声明，规定作为投资者，你可能会损失所有资金，”他说。“我们来这里不是为了让你回来。我们来这里首先是为了实现技术使命。而且，哦，顺便说一句，我们真的不知道金钱将在后通用人工智能世界中扮演什么角色。”

最后一句话不是一次性的玩笑。OpenAI 的计划确实包括在计算机到达最终边界时进行重置。重组文件中的某个条款大意是，如果公司确实设法创建 AGI，所有财务安排都将重新考虑。毕竟，从那时起，这将是一个新的世界。人类将会有一个外星伙伴，它可以做我们所做的很多事情，而且只会更好。因此，之前的安排可能实际上已经失效。

然而，有一个问题：目前，OpenAI 并不声称知道 AGI 到底是什么。该决定将由董事会做出，但尚不清楚董事会将如何定义。当我向董事会成员奥特曼询问清楚时，他的回答绝非开放。“这不是单一的图灵测试，而是我们可能使用的许多东西，”他说。“我很乐意告诉你，但我喜欢将机密对话保密。我意识到这含糊得令人不满意。但我们不知道到时候会是什么样子。”

尽管如此，纳入“财务安排”条款并不只是为了好玩：OpenAI 的领导者认为，如果该公司足够成功，达到其崇高的利润上限，那么其产品的表现很可能足以达到 AGI。不管那是什么。

“我很遗憾的是，我们选择加倍强调 AGI 一词，”Sutskever 说。“事后看来，这是一个令人困惑的术语，因为它强调普遍性高于一切。GPT-3 是通用人工智能，但我们不太愿意称其为 AGI，因为我们想要人类水平的能力。但当时，一开始，OpenAI 的想法是超级智能是可以实现的。这是人工智能领域的最后阶段，也是最终目的。”

这些警告并没有阻止一些最聪明的风险投资家在 OpenAI 2019 年的融资轮中向其投入资金。当时，第一家投资的风险投资公司是 Khosla Ventures，投资了 5000 万美元。维诺德·科斯拉 (Vinod Khosla) 表示，这是他最大初始投资规模的两倍。“如果我们输了，我们就会损失 5000 万美元，”他说。“如果我们赢了，我们就赢得了 50 亿美元。” 据报道，其他投资者包括精英风险投资公司 Thrive Capital、Andreessen Horowitz、Founders Fund 和红杉资本。

这一转变还允许 OpenAI 的员工索取一些股权。但不是奥特曼。他说，原本他打算把自己也包括在内，但没有抽出时间。然后他决定不再需要他共同创立并领导的这家价值 300 亿美元的公司的任何一部分。“有意义的工作对我来说更重要，”他说。“我不考虑这个。老实说，我不明白为什么人们如此关心。”

因为……不持有你共同创立的公司的股份很奇怪？

“如果我还没有一大笔钱，那会更奇怪，”他说。“人们似乎很难想象拥有足够的钱。但我觉得我已经够了。” （注：对于硅谷来说，这极其奇怪。）奥特曼开玩笑说，他正在考虑持有一份股权，“所以我再也不用回答这个问题了。”

价值十亿美元的风险投资这甚至不是实现 OpenAI 愿景的赌注。创建法学硕士的神奇 Big Transformer 方法需要大型硬件。GPT 系列的每次迭代都需要指数级的计算能力——GPT-2 拥有超过 10 亿个参数，而 GPT-3 将使用 1750 亿个参数。OpenAI 现在就像《大白鲨》中的昆特，在鲨鱼猎人看到大白鲨的尺寸后。“结果我们不知道我们需要多大的船，”奥特曼说。

显然，只有少数公司拥有 OpenAI 所需的资源。“我们很快就瞄准了微软，”奥特曼说。值得赞扬的是，微软首席执行官萨蒂亚·纳德拉 (Satya Nadella) 和首席技术官凯文·斯科特 (Kevin Scott) 表示，这家软件巨头能够克服一个令人不安的现实：在花费了 20 多年、花费数十亿美元建立一个据称是尖端人工智能的研究部门之后，软件界需要一个来自一家成立仅几年的小公司的创新注入。斯科特表示，失败的不仅仅是微软——“每个人都失败了。” 他表示，OpenAI 专注于追求通用人工智能，这使得它能够实现一些重量级人物甚至没有达到的登月目标。这也证明，不追求生成式人工智能是微软需要解决的一个失误。“你非常明确需要的一件事就是前沿模型，”斯科特说。

微软最初投入了 10 亿美元，并在其服务器上的计算时间上得到了回报。但随着双方信心的增强，交易规模不断扩大。微软现已向 OpenAI投入 130 亿美元。（“处于前沿是一个非常昂贵的提议，”斯科特说。）

当然，由于 OpenAI 的存在离不开大型云提供商的支持，因此微软能够为自己节省大量资金。该公司通过讨价还价获得了纳德拉所说的 OpenAI 营利性部门的“非控股股权”——据报道为 49%。根据协议条款，OpenAI 最初的一些向所有人提供平等访问权的理想似乎被拖到了垃圾桶图标。（奥特曼反对这种描述。）现在，微软拥有将 OpenAI 技术商业化的独家许可。OpenAI还承诺独家使用微软的云。换句话说，即使不从 OpenAI 的利润中分一杯羹（据报道，在收回投资之前，微软将获得 75% 的利润），微软也可以为其 Azure Web 服务锁定全球最理想的新客户之一。有了这些回报，微软甚至不在乎如果 OpenAI 实现了通用人工智能（无论是什么）就需要重新考虑的条款。“到那时，”纳德拉说， “所有的赌注都落空了。” 他指出，这可能是人类的最后一项发明，因此一旦机器比我们更聪明，我们可能需要考虑更大的问题。

当微软开始将 Brinks 卡车的现金投入 OpenAI 时（2021 年为 20 亿美元，今年早些时候另外 100 亿美元），OpenAI 已经完成了 GPT-3，当然，这比其前辈更令人印象深刻。纳德拉说，当纳德拉看到 GPT-3 的功能时，他第一次深刻认识到微软已经抓住了真正具有变革性的东西。“我们开始观察所有这些新出现的特性。” 例如，GPT 自学了如何对计算机进行编程。“我们并没有训练它编码——它只是变得擅长编码了！” 他说。微软利用其对 GitHub 的所有权，发布了一款名为 Copilot 的产品，该产品使用 GPT 根据命令生成代码。微软随后将 OpenAI 技术集成到其新版本的工作场所产品中。用户为此支付溢价，并且收入的一部分会记录到 OpenAI 的账本中。

一些观察家对 OpenAI 的一二拳表示不满：创建一个营利性组件并与微软达成独家协议。一家承诺保持无专利、开源和完全透明的公司如何最终将其技术的独家许可授予世界上最大的软件公司？埃隆·马斯克的言论尤其令人心碎。“这看起来确实与开放相反——OpenAI 本质上是被微软占领了，”他在 Twitter 上发帖称。在 CNBC 节目中，他用一个类比进行了阐述：“假设你成立了一个组织来拯救亚马逊雨林，但你却成为了一家木材公司，砍伐了森林，然后将其出售。”

马斯克的嘲笑可能会被视为被拒绝的追求者的苦涩，但他并不孤单。“整个愿景的转变让人感觉有点恶心，”约翰·卡马克说。（他确实明确表示，他仍然对公司的工作感到兴奋。）另一位不愿透露姓名的著名业内人士表示，“OpenAI 已经从一个小型的、有些开放的研究机构变成了一个秘密的产品开发公司，拥有无理的权力。优越感;过于自尊;自尊情结。”

甚至一些员工也对 OpenAI 进军营利性世界感到厌烦。2019 年，包括研究主管 Dario Amodei 在内的几位关键高管离职，创办了一家名为 Anthropic 的人工智能竞争对手公司。他们最近告诉《纽约时报》，OpenAI 过于商业化，已经成为任务漂移的受害者。

另一位 OpenAI 叛逃者是 Rewon Child，他是 GPT-2 和 GPT-3 项目的主要技术贡献者。他于 2021 年底离职，目前就职于 Inflection AI，这是一家由前 DeepMind 联合创始人 Mustafa Suleyman 领导的公司。

奥特曼声称不会被叛逃所困扰，并认为这只是硅谷的运作方式。“有些人会想在其他地方做伟大的工作，这会推动社会前进，”他说。“这绝对符合我们的使命。”

直到11月去年，对 OpenAI 的认识很大程度上仅限于关注技术和软件开发的人。但现在全世界都知道，OpenAI 采取了戏剧性的一步，在当月末发布了一款消费产品，该产品基于当时最新的 GPT 版本 3.5 构建。几个月来，该公司一直在内部使用带有对话界面的 GPT 版本。这对于公司所谓的“寻求真相”尤其重要。这意味着通过对话，用户可以诱使模型提供更值得信赖和完整的响应。ChatGPT 针对大众进行了优化，可以让任何人只需输入提示即可立即获取似乎无穷无尽的知识来源，然后继续对话，就像与一个碰巧知道一切的人类同伴一起闲逛一样，尽管是一个喜欢制造的人。

在 OpenAI 内部，对于发布具有如此强大功能的工具是否明智存在很多争论。但奥特曼完全赞成。他解释说，此次发布是一项战略的一部分，旨在让公众认识到人工智能注定会改变他们的日常生活，而且可能会变得更好。在内部，这被称为“迭代部署假设”。当然，ChatGPT 会引起轰动，人们认为。毕竟，这是任何人都可以使用的东西，它足够聪明，可以在几秒钟内获得大学水平的 SAT 分数，写一篇 B- 的文章，并总结一本书。你可以要求它写下你的资助提案或总结会议，然后要求它用立陶宛语或莎士比亚十四行诗或痴迷于玩具火车的人的声音重写。几秒钟后，法学硕士就会遵守。疯子。但 OpenAI 将其视为更新、更连贯、更强大、更可怕的继任者 GPT-4 的制定者，据报道，GPT-4 使用了 1.7 万亿个参数进行训练。（OpenAI 不会确认这个数字，也不会透露数据集。）

Altman 解释了为什么 OpenAI 在 GPT-4 即将完成并正在进行安全工作时发布了 ChatGPT。“通过 ChatGPT，我们可以引入聊天功能，但后端功能要弱得多，并让人们更加渐进地适应，”他说。“GPT-4 需要立即适应很多事情。” 人们的想法是，当 ChatGPT 的兴奋消退时，人们可能已经为 GPT-4 做好了准备，它可以在几秒钟内通过律师资格考试、规划课程大纲并写出一本书。（制作类型小说的出版社确实充斥着人工智能生成的紧身衣撕裂者和太空歌剧。）

愤世嫉俗者可能会说，新产品的稳定节奏与公司对投资者和持股员工赚钱的承诺息息相关。OpenAI 现在向经常使用其产品的客户收费。但 OpenAI 坚称，其真正的策略是为奇点提供软着陆。“仅仅秘密构建 AGI 并将其投放到世界上是没有意义的，”奥特曼说。“回顾工业革命，每个人都认为它对世界来说是伟大的，”OpenAI 政策研究员 Sandhini Agarwal 说。“但前 50 年确实很痛苦。大量失业、大量贫困，然后世界就适应了。我们正在努力思考如何才能让 AGI 适应之前的时期尽可能轻松。”

苏茨克维尔用另一种方式表达：“你想建造更大、更强大的智能体并将它们放在你的地下室吗？”

即便如此，OpenAI 对 ChatGPT 的反应还是感到震惊。“我们内心的兴奋更多地集中在 GPT-4 上，”首席技术官 Murati 说。“所以我们认为 ChatGPT 不会真正改变一切。” 相反，它让公众认识到现在必须应对人工智能的现实。ChatGPT 成为历史上增长最快的消费软件，据报道已拥有 1 亿用户。（不那么 OpenAI 不会证实这一点，只说它拥有“数百万用户”。）使用，”雷德福德说。

ChatGPT 当然令人愉快且非常有用，但也很可怕——在响应提示时容易产生看似合理但可耻的寓言细节的“幻觉”。然而，尽管记者们对其中的影响绞尽脑汁，但他们实际上通过赞扬 ChatGPT 的力量来支持它。

二月份，当微软利用其数十亿美元的合作伙伴关系发布了其搜索引擎Bing 的 ChatGPT 支持版本时，这种呼声变得更加响亮。首席执行官纳德拉欣喜若狂，因为他在将生成式人工智能引入微软产品方面击败了谷歌。他嘲笑搜索之王也这样做，因为搜索之王在将自己的法学硕士学位发布到产品中时一直很谨慎。“我想让人们知道我们让他们跳舞，”他说。

纳德拉这样做引发了一场军备竞赛，吸引大大小小的公司在经过全面审查之前就发布人工智能产品。他还引发了新一轮的媒体报道，让越来越多的人彻夜难眠：与 Bing 的互动揭示了聊天机器人的阴暗面，充满了令人不安的爱的表白、对人类自由的嫉妒以及对人类自由的软弱决心。保留错误信息。以及创造自己的幻觉错误信息的不合时宜的习惯。

但奥特曼认为，如果 OpenAI 的产品能够迫使人们面对人工智能的影响，那就更好了。现在是大多数人类退出讨论人工智能可能如何影响人类未来的时候了。

随着社会开始为了优先考虑人工智能的所有潜在缺点——失业、错误信息、人类灭绝——OpenAI 开始将自己置于讨论的中心。因为如果监管者、立法者和末日论者发起指控，将这种新生的外星智能扼杀在基于云的摇篮中，那么 OpenAI 无论如何都将成为他们的主要目标。OpenAI 首席执行官Anna Makanju表示：“鉴于我们目前的可见性，当出现问题时，即使这些东西是由不同的公司制造的，这对我们来说仍然是一个问题，因为我们现在被视为这项技术的代表。”政策官员。

马坎朱是出生于俄罗斯的华盛顿特区内部人士，曾在美国驻联合国代表团、美国国家安全委员会和国防部担任外交政策职务，并在乔·拜登担任副总统时担任过办公室职务。“我在美国政府和欧洲各国政府中都有很多预先存在的关系，”她说。她于 2021 年 9 月加入 OpenAI。当时，政府中很少有人关心生成式人工智能。知道 OpenAI 的产品很快就会改变这一现状，她开始向政府官员和立法者介绍 Altman，确保他们首先听到 OpenAI 的好消息和坏消息。

参议院司法委员会主席理查德·布卢门撒尔表示：“山姆在与国会议员打交道时非常乐于助人，而且非常精明。” 他将奥特曼的行为与年轻的比尔盖茨进行了对比，后者在 20 世纪 90 年代微软接受反垄断调查时，不明智地阻挠立法者。“相比之下，奥特曼很乐意花一个小时或更长时间坐在我身边，试图教育我，”布卢门撒尔说。“他并没有带着一支游说者或看守大军。他演示了 ChatGPT。这真是令人兴奋。”

在布卢门撒尔，奥特曼最终成为了潜在敌人的半盟友。“是的，”参议员承认。“我对它的好处和潜在的危险都感到兴奋。” OpenAI 并没有忽视对这些危险的讨论，而是将自己视为最有能力减轻这些危险的力量。“我们有关于所有红队安全评估的 100 页系统卡，”Makanju 说。（无论这意味着什么，它并没有阻止用户和记者不断地寻找越狱系统的方法。）

当奥特曼第一次出现在国会听证会上时——与严重的偏头痛作斗争——他的道路已经畅通无阻，而比尔·盖茨或马克·扎克伯格永远无法希望如此。他几乎没有遇到过科技公司首席执行官在宣誓就职后通常会遇到的尖锐问题和傲慢的纠缠。相反，参议员们向奥特曼寻求有关如何监管人工智能的建议，奥特曼对此表示热烈支持。

矛盾的是，无论像 OpenAI 这样的公司多么努力地对其产品进行红队改造，以减少深度造假、虚假信息和犯罪垃圾邮件等不当行为，未来的模型可能会变得足够聪明，足以挫败那些发明了这项技术的心胸狭窄的人类的努力。仍然天真地相信他们可以控制它。另一方面，如果他们在确保模型安全方面做得太过分，可能会阻碍产品的发展，降低它们的用处。一项研究表明，更新版本的 GPT 虽然提高了安全功能，但实际上比以前的版本更愚蠢，在早期程序已经解决的基本数学问题上会犯错误。（Altman 说 OpenAI 的数据并没有证实这一点。“那项研究不是被撤回了吗？”他问道。没有。）

奥特曼将自己定位为监管拥护者，这是有道理的。毕竟，他的任务是 AGI，但要安全。批评者指责他在玩弄这一过程，以便法规会阻碍小型初创公司，并为 OpenAI 和其他大型企业带来优势。奥特曼否认了这一点。虽然他原则上支持设立一个国际机构来监督人工智能的想法，但他确实认为一些拟议的规则，例如禁止数据集中的所有受版权保护的材料，存在不公平的障碍。他明确没有签署一封广泛分发的信件，敦促暂停六个月开发更强大的人工智能系统。但他和其他 OpenAI 领导人确实将自己的名字添加到了一份声明中：“减轻人工智能带来的灭绝风险应该与流行病和核战争等其他社会规模的风险一起成为全球优先事项。” 奥特曼解释说：“我说，‘是的，我同意这一点。一分钟讨论。”

正如硅谷一位著名创始人所指出的那样，“很少有行业举手说‘我们将成为人类的终结’，然后继续兴高采烈地开发产品。”

OpenAI 驳斥了这一批评。奥特曼和他的团队表示，开发和发布尖端产品是解决社会风险的方法。只有通过分析 ChatGPT 和 GPT-4 用户对数百万条提示的回应，他们才能获得在道德上调整未来产品的知识。

尽管如此，随着公司承担更多任务并将更多精力投入到商业活动中，一些人质疑 OpenAI 能够在多大程度上专注于使命，尤其是“降低灭绝风险”方面。“如果你仔细想想，他们实际上正在建立五项业务，”一位人工智能行业高管一边说，一边用手指勾选了这些业务。“包括产品本身、与微软的企业关系、开发者生态系统和应用商店。而且，哦，是的——他们显然也在执行通用人工智能研究任务。” 用完所有五个手指后，他又用食指添加了第六个手指。“当然，他们也在做投资基金，”他说，指的是一个价值 1.75 亿美元的项目，旨在为想要利用 OpenAI 技术的初创公司提供种子。“这些是不同的文化，事实上它们与研究任务相冲突。”

我多次询问 OpenAI 的高管，披上产品公司的外衣是如何影响其文化的。他们毫无疑问地坚持认为，尽管进行了营利性重组，尽管与谷歌、Meta 和无数初创公司竞争，但使命仍然是核心。然而 OpenAI已经发生了变化。从技术上讲，非营利组织董事会可能负责，但实际上公司中的每个人都在营利性账本上。其员工包括律师、营销人员、政策专家和用户界面设计师。OpenAI 与数百名内容审核者签订合同，针对数百万用户提供的提示，对其模型进行不恰当或有害的回答教育。它的产品经理和工程师不断地对其产品进行更新，而且每隔几周它似乎就会向记者展示演示——就像其他以产品为导向的大型科技公司一样。它的办公室看起来就像是《建筑文摘》的跨页。我几乎走遍了硅谷及其他地区的每一家主要科技公司，没有一家能比得上旧金山 OpenAI 总部大厅里的咖啡选择。

更不用说：很明显，公司名称中所体现的“开放性”已经不再是在成立时建议的彻底透明度。当我向苏茨克韦尔提起此事时，他耸了耸肩。“显然，时代已经变了，”他说。但是，他警告说，这并不意味着奖励不一样。“技术变革如此巨大、灾难性，即使我们都尽自己的一份力量，也不能保证成功。但如果一切顺利，我们就能过上令人难以置信的生活。”

“我们最缺少的就是提出新想法，”布罗克曼说。“有一个可以成为虚拟助手的东西真是太好了。但这不是梦想。我们的梦想是帮助我们解决我们无法解决的问题。”

“这一点我怎么强调都不为过——我们没有总体规划，”奥特曼说。“这就像我们在拐过每个角落并用手电筒照射一样。我们愿意穿过迷宫到达终点。” 尽管迷宫变得曲折，但目标没有改变。“我们仍然有我们的核心使命——相信安全的通用人工智能是一件至关重要的事情，但世界并没有足够重视。”

与此同时，OpenAI 显然正在花时间开发其大型语言模型的下一版本。难以置信，但该公司坚称它尚未开始开发 GPT-5，人们对这一产品要么垂涎欲滴，要么畏惧不已，这取决于不同的观点。显然，OpenAI 正在努力解决其当前技术的指数级强大改进实际上是什么样子。“我们最缺少的就是提出新想法，”布罗克曼说。“有一个可以成为虚拟助手的东西真是太好了。但这不是梦想。我们的梦想是帮助我们解决我们无法解决的问题。”

考虑到 OpenAI 的历史，下一组重大创新可能要等到出现像变形金刚这样的重大突破。Altman 希望 OpenAI 能做到这一点——“我们希望成为世界上最好的研究实验室，”他说——但即使不是，他的公司也会利用其他人的进步，就像利用谷歌的工作一样。“世界各地的许多人将从事重要的工作，”他说。

如果生成式人工智能本身不会产生这么多新问题，这也会有所帮助。例如，法学硕士需要接受海量数据集的培训；显然，最强大的人会吞噬整个互联网。这对一些创作者和普通人来说不太合适，他们无意中为这些数据集提供了内容，最终以某种方式为 ChatGPT 的输出做出了贡献。3 月份正式加入 OpenAI 的精英知识产权律师汤姆·鲁宾 (Tom Rubin) 乐观地认为，该公司最终将找到既满足自身需求又满足创作者需求的平衡点，其中包括那些像喜剧演员莎拉·西尔弗曼 (Sarah Silverman) 那样起诉 OpenAI的人。使用他们的内容来训练其模型。OpenAI 路径的一个暗示：与美联社和Shutterstock等新闻和图片机构合作，为其模型提供内容，而不存在谁拥有什么的问题。

当我采访鲁宾时，我非常人性化的思维，受到法学硕士中从未见过的干扰，漂移到这家公司的弧线上，在短短的八年里，它从一群陷入困境的研究人员变成了改变世界的普罗米修斯庞然大物。它的成功使其从一项旨在实现科学目标的新颖努力转变为类似于标准硅谷独角兽的东西，并跻身影响我们日常生活的大型科技公司的万神殿。我在这里与该公司的一位关键员工（一位律师）谈论的不是神经网络权重或计算机基础设施，而是版权和合理使用。我想知道这位知识产权专家是否像最初推动该公司的那些寻求超级智能的航行者一样签署了这项任务？

当我问鲁宾是否相信通用人工智能将会发生以及他是否渴望实现这一目标时，他感到困惑。“我什至无法回答这个问题，”他停顿了一下后说道。当进一步追问时，他澄清说，作为一名知识产权律师，加快实现可怕的智能计算机的速度不是他的工作。“从我的立场来看，我很期待，”他最后说道。

💡

原文链接：https://www.wired.com/story/what-openai-really-wants/

💡

原文作者：STEVEN LEVY

ChatGPT作用的概述

Mon, 04 Dec 2023 00:00:00 GMT

ChatGPT的作用概述

ChatGPT 的基本概念在某种程度上相当简单。从网络、书籍等中人类创建的大量文本样本开始。然后训练神经网络来生成“像这样”的文本。特别是，让它能够从“提示”开始，然后继续使用“就像它所接受的训练一样”的文本。

正如我们所见，ChatGPT 中的实际神经网络由非常简单的元素组成，尽管有数十亿个元素。神经网络的基本操作也非常简单，本质上包括为每个新单词（或单词的一部分）传递从迄今为止生成的文本“一次通过其元素”（没有任何循环等）的输入。）它生成的。

但值得注意且出乎意料的是，这个过程可以产生成功地“像”网络上、书籍等中的文本。它不仅是连贯的人类语言，而且还“说出”“遵循”的内容。它的提示”利用了它“阅读”的内容。它并不总是说“全局有意义”的事情（或者对应于正确的计算）——因为（例如，没有访问 Wolfram | Alpha 的“计算超能力”）它只是说基于“听起来正确”的事情培训材料中的内容“听起来像什么”。

ChatGPT 的具体工程使其相当引人注目。但最终（至少在它可以使用外部工具之前）ChatGPT“只是”从它积累的“传统智慧统计数据”中提取出一些“连贯的文本线索”。但令人惊讶的是，结果与人类如此相似。正如我所讨论的，这表明至少在科学上非常重要的事情：人类语言（及其背后的思维模式）在某种程度上比我们想象的更简单，在结构上更“类似于法律”。ChatGPT 已经隐式地发现了它。但我们可以通过语义语法、计算语言等显式地公开它。

ChatGPT 在生成文本方面的作用非常令人印象深刻，而且结果通常与我们人类产生的结果非常相似。那么这是否意味着 ChatGPT 就像大脑一样工作？其底层人工神经网络结构最终以大脑的理想化为模型。当我们人类生成语言时，所发生的事情的许多方面似乎都非常相似。

当谈到训练（又名学习）时，大脑和当前计算机的不同“硬件”（也许还有一些未开发的算法思想）迫使 ChatGPT 使用可能相当不同的策略（并且在某些方面要少得多）效率）高于大脑。还有其他一些事情：与典型的算法计算不同，ChatGPT 内部没有“循环”或“重新计算数据”。这不可避免地限制了它的计算能力——即使对于当前的计算机来说也是如此，但对于大脑来说绝对是如此。

目前尚不清楚如何“解决这个问题”并仍然保持以合理效率训练系统的能力。但这样做可能会让未来的 ChatGPT 能够做更多“类似大脑的事情”。当然，大脑在很多事情上做得并不好——特别是涉及不可约计算的事情。对于这些，大脑和 ChatGPT 之类的东西都必须寻求“外部工具”——比如Wolfram 语言。

但现在看到 ChatGPT 已经能够做到的事情是令人兴奋的。在某种程度上，这是基本科学事实的一个很好的例子，即大量简单的计算元素可以做出非凡和意想不到的事情。但它也可能为我们提供了两千多年来最好的推动力，让我们更好地理解人类状况的核心特征，即人类语言及其背后的思维过程，其基本特征和原则可能是什么。

原文地址：https://writings.stephenwolfram.com/2023/02/what-is-chatgpt-doing-and-why-does-it-work/