国内那么多AI专业，为什么国内却没有ChatGPT？

作者：赵俊博  Jake（浙大博导  AI专家）

浙大青椒，谢邀。以下纯为个人观点，不喜勿喷。

首先，我必须肯定一下ChatGPT，这个模型展现出来如下几个点让我震惊：（1）推理能力；（2）归纳能力；（3）在语言作为媒介展现出来的对世界常识的认知；（4）多轮对话。这些我不展开了，近期找个时间写个具体的分析解构吧。但是，诚然，杠精们不要跟我杠呀，ChatGPT不完美，很多回答不完美，甚至会出现胡说八道的错误。但是，从技术上来说，我个人认为，比GPT3提高了一个很大的档次，因为它已经不再是单纯的记忆大规模文本了，这一点非常可怕。就像我当天在朋友圈里写的：”可能AGI不再是个buzzword了“。所以我的结论是ChatGPT开了个口子，后面会发生什么，我们都不知道。或许会有多模态的版本，等等。那么这时候想想，自动驾驶里面众多感知问题是不是可以有个新的解法？如果说某大模型可以有对世界上常识事物的理解，并且使用跟ChatGPT类似的接口，那么我给定一个图像的拉流，我问他”汽车在哪儿？“。还需要那么多复杂的感知模型吗？这个点，我反正是越想越后怕，越想越焦虑。很多大家费尽心思解决的问题任务，或者说AI圈子里常用的workflow都可能会有改变。对于成型的课题组和工程师团队来说，这个是巨大的改变。我说了，ChatGPT在我看来，开了个口子。具体不多说啦，不展开这个帖。

然后，关于题主的问题，我从人、钱、事三个维度来讲。

人：我认识OpenAI初创团队的一些人，他们确实很强，非常强，并且是一帮敢做梦的人，他们做这家公司，不是冲营收，冲的是AGI。相比之下，国内的众多同僚们，大家关注的更多的时间解决国家的问题，解决AI实际落地的问题和任务。这一点，用我的轨迹来说亦是如此，从16年开始做GAN，做图像生成、文本生成等任务有一段时间，也算是全世界范围内非常非常早的一批人了。但是回国之后，也慢慢地把目光从星空看到了地上，更多得为大问题排忧解难。大家不要理解错，这没有对错好坏，总结来看，大家的mindset不一样。但是你要真的说哪边的人更强，我其实反而认为国内的同僚们实力更高。大家的创造力、执行力、反应能力、组织能力等等都超过国外的同僚们。只不过，大家想的、看的问题不一样罢了，给科技前沿、国家经济谁带来的好处多这个也真的不好说。要是没有四小龙，没有这些落地的先行者，AI可能都活不到今天，经济基础和上层建筑的区别。

钱：这个没啥可说的，ChatGPT或者说即将发布的GPT-4至少是几亿级，或者更高的训练费用。目前已知的技术细节不多，但是RLHF（RL from human feedback)这个技术一定是有货的，并且是起到关键作用的，虽然它不算个全新的东西，但是烧钱一定是更烧钱的。所以我猜测这个模型的花费（计算力、数据、人工费等）跟之前的模型不是一个量级，完全不会是。具体多少，还是等具体的技术细节放出来吧！

事：其实，在人和钱的限制下，有能力完成这种量级的工作本身国内的机构就不多了已经。可能也只有北京智源、鹏程这样的地方有能力承载这种量级的工作。并且，这个工作是带有巨大的不确定性的。科研本身就是一个带有巨大不确定性的东西，尤其是这种类型的工作。部署到这么多资源后，要去突破一个可能完全突破不了的事儿，我想想就感觉睡不着觉。我其实没想到RLHF在大规模预训练的框架下，会做到这种程度（again，技术细节未知情况下的猜测）。这件事儿的不确定性真的很大，还是对OpenAI说一句瑞思拜。

最后，我说一个希望，这个工作我们国内一定一定要跟上才可以。虽然它可能长得就是个玩具一样，还算是贡嘎雪山上看到的星星，但是它能做的事儿、打开的可能性太多了，多到让我焦虑异常。这件事情如果我们堵住了，落后了，10年后这个星星要是有了立地层面的影响，可能就真的要卡脖子，那时候我们大概更难受吧。

一个大胆的猜测：AI这东西，以前我们是用pytorch、tf，未来或许，大家用的是大模型的接口们，就像我跟组里的同学们讲的，大家要用发展眼光看看问题，尤其看看自己手里解决的问题，有没有可能在基于这样能力的backbone上轻松解决（如上面目标检测的例子）。不要搞了几年，发现自己的命被革了。

文章转载自知乎，著作权归属原作者，侵删

END

分享

收藏

点赞

在看