来源｜Greylock

OneFlow社区编译

翻译｜胡燕君、贾川

预告了一整年的GPT-4迟迟没来，人们猜想OpenAI是不是要跳票了，更何况他们之前的得意之作DALL-E也被开源Stable Diffusion打了个措手不及，再不来点深水炸弹业界地位危矣。

不过，就在大家以为今年OpenAI将以沉寂收场时，聊天机器人模型ChatGPT横空出世，让人们看到了AI的更大创造力，聚光灯也再度打到了OpenAI的身上。

今年9月，LinkedIn联合创始人Reid Hoffman与OpenAI首席执行官Sam Altman进行了一场对话，而肩负着宏伟使命且极富远见的Altman就曾预言：AI即将迎来下一个发展阶段。如今，大型语言模型越来越先进，也出现了可以实现文本-图像相互转换的多模态模型，一些AI应用还可令科学家如虎添翼。在他眼中，AI是一个可以孵化出无数工具，推动各行各业前进的基础平台。

随着AI行业的不断进步，AI应用不再只是充斥着行业热词的纸上项目，已经发展为成熟的工具，助力多个行业的生产服务，也必将催生出无数新企业。

各种AI工具已显现出巨大的日常应用潜力，可以实现人类的各种想法，改善人类的工作方式，比如由Stability.ai发布的开源Stable Diffusion模型，Microsoft和OpenAI联合打造的AI编程工具Copilot，OpenAI开发的语言生成模型GPT-3和图像生成平台DALL-E以及爆火的聊天机器人模型ChatGPT。

Sam Altman还表示，5年后，我们应该不会再使用Transformer模型了。虽然Transformer很好，但他希望到时候会有比它更好的东西出现，不断突破创新很重要。在他看来，AI可以帮助人类创造出前所未有的新应用，这将是人类的巨大的进步和胜利，是真正的科技革命。

从大模型的商业化机会、AI+应用再到AI发展方向，Sam Altman在这场对话中分享了自己的见解。以下为对话内容，由OneFlow社区编译。

1

大模型的商业机会

Reid Hoffman：很多大型模型都通过API开放使用，能够衍生什么商业化机会？

Sam Altman：现在，语言模型已经可以很好地应用到文案写作和教育服务领域，我相信未来几年内，语言模型会更加强大，将能与Google这一价值万亿美元的搜索产品一较高下。语言模型的应用将会改变我们的日常生活。

以前，大家都在调侃聊天机器人，其实它很有价值，只是当时的技术还不能满足需求。现在的聊天机器人更加成熟，几乎可以达到人类水平。聊天机器人可以用于医疗服务行业，提供咨询和教育服务，这方面将能催生出大型企业。

我相信，不久之后会出现多模态模型，这又将打开新局面。现在，人们可以直接用自然语言命令计算机为你完成你想做的工作，例如DALL-E图像生成工具和Copilot编程工具，都是用户向它们输入自然语言描述，然后工具自动生成用户想要的东西，用户还可以不断迭代修改自己的描述，直至工具给出满意的输出。

类似的AI应用方式会成为大趋势，可以孕育出许多大型企业。强大的AI模型可以成为孵化各种AI应用的平台，就像智能手机的出现催生出众多APP一样，它们的共同点都是可以制造无数的商业机会。

Reid Hoffman：既然大家都可以通过API使用大型模型，作为AI企业，怎样才能使自己脱颖而出，开辟自己独特的商业路径？

Sam Altman：将来应该会出现几个大型的基础模型，开发人员都将基于这些基础模型研发AI应用。但目前的情况依然是某一家公司开发出一个大型语言模型，然后开放API供他人使用。

我认为，将来在基础模型和具体AI应用研发之间会有一个中间层：出现一批专门负责调整大型模型以适应具体AI应用需求的初创企业。能做好这一点的初创公司将会非常成功，但这取决于它们能在“数据飞轮”上走多远。（数据飞轮：使用更多数据可以训练出更好的模型，吸引更多用户，从而产生更多用户数据用于训练，形成良性循环。）

我对初创企业训练模型的能力持怀疑态度，将来承担模型训练角色的应该不会是初创公司，但这些企业可以在上述的中间层角色中发挥巨大价值。

Audience Member：未来会不会出现垂类AI初创公司，专门为具体产业调整基础模型？提示词工程（Prompt Engineering，修改向AI输入的任务描述，使AI的输出结果更符合用户的需求）将来会不会成为企业的内部职能？

Sam Altman：五年后我们将不再需要提示词工程，或者只需在这方面做少量工作。将来的AI系统不会因为增补了某个特定词就会产生截然不同的输出，而是可以较好地理解自然语言，用户只需以文本和语音形式输入指令，即可让计算机完成图像生成、资料研究、心理咨询等复杂任务。

总的来说，用户只须使用自然语言就可以与计算机交互，当然，如果艺术家能想出更有创造性的描述，也自然就可以生成更好的图像。

2

“AI+”时代：AI for Science、元宇宙

Reid Hoffman：在科学领域，AI模型可以发挥什么作用？

Sam Altman：现在科学界对AI的应用分为两种。一种是将AI工具直接用于科学目的，如AlphaFold（用于蛋白质结构预测），它们可以创造巨大价值，相信未来会出现无数这样的工具。

另一种是将AI工具用于提升科研工作效率，如帮科学家和工程师找到新研究方向、写代码等。Copilot编程工具就是一个例子。但AI工具的能力远不止于此。上述两种AI应用将会大大推动科技前进。

此外，目前科学界也在探索对AI的第三种应用方式——让AI成为可以“自我改进”的科学家。这件事情既有好处也有风险。

好的一面是，可以利用AI将人类的工作内容自动化，教会AI做任何人类可以做的事情：探索新科学、提出理论解释、验证、思考等，或许还可借此解决困扰人类已久的“AI对齐问题（Alignment Problem）”（即如何让AI系统的目标符合人类的价值观）。风险在于，有人担心懂得“自我改进”的AI有可能会像科幻小说描写的那样，擅自改动代码或修改优化算法。

我深信，真正有利于促进人类和经济的前行的，是一个能够推动科学进步的社会架构。我们能从这样的社会架构中获益很多。

Audience Member：像GPT-3这样的基础模型会如何影响生命科学研究的步伐？生命科学研究中有没有一些技术手段无法克服的限制因素，比如自然规律等？

Sam Altman：目前的可用模型还不够好，不足以对生命科学领域产生重大影响——不少生命科学家了解这些模型之后都说，它们只能在部分情况下发挥些许作用。AI在基因组学领域有一些很有前景的应用方向，但目前尚属起步阶段，不过我很看好。我认为这也是市值千亿的巨头准备进军的领域之一。

如果AI未来真的可以让医药公司的研发速率提高几百倍，那无疑会产生深远的影响。不过如你所说，生物学的自有规律仍在，新药的临床验证需要时间，这也是医药研发的速率限制因素。

据我所知，不少合成生物公司借助AI发现许多新的研发想法，加快自己的研发迭代周期，但研发出来之后终究是要进行测试，这部分时间无法缩减。

我认为，医药初创公司最重要的是低成本和快速的研发周期，有了这两点就有资本参与市场竞争了。所以如果我是一家医药初创公司的决策者，一开始我不会选择从心脏病这类大难题下手。

此外，如果我是一家AI药物研发初创公司，我会在模拟器上多下工夫，因为目前这方面还亟待改善。

Reid Hoffman：你对AI和元宇宙怎么看？

Sam Altman：元宇宙会发展成一种新的软件容器，就像手机一样，成为一种计算机交互方式。而AI则是一场技术革命，所以问题应该是“元宇宙如何融入AI新世界”，而不是“AI如何融入元宇宙”。当然，这仅代表我个人的观点。

Audience Member：AI工具已经可以辅助人类进行创造性工作，AI什么时候会从创作者的辅助工具发展为具有独立创作力的智能体？

Sam Altman：作为创作辅助工具，AI既有用也很受欢迎，但目前来看，AI在大部分的创造性任务上的能力都有待提高，未来很长一段时间内都不能代替人类创作者。可能到100年之后，AI才可以独立完成创造性工作。

十年前，大部分人都认为AI取代人类工作的次序是：蓝领工作（卡车司机等）→低技能的白领工作→高技能的白领工作（程序员等），最后才会（也许永远不会）取代创造性工作。现在的事实证明，AI最有可能先取代的反而是创造性工作。

这也说明，预测未来是很难的，还说明人类可能不够了解自己，不清楚什么类型的技能最难、最需要调动大脑，或者错误估计了控制身体的难度。

Reid Hoffman：除了AI的应用潜力之外，目前大家对AI的讨论有没有轻率的一面，比如将AI用于核聚变研究？

Sam Altman：通常而言，如果某个行业获得非常广泛的社会关注，所有人都在谈论它，这可能不是什么好事，可惜这恰恰是AI行业目前的情况，我不希望这是AI行业“垮掉”的前兆。

业内有人正在研究利用强化学习模型控制核聚变反应，但据我们所知，AI模型在这里发挥的作用还非常有限。

我们现在进入了“AI+”时代，相信AI在未来可以实现很多东西，会成为最大的新一代技术平台。但就目前而言，我们倾向于往更有确定性的方向发展，比如，业内研究出了缩放定律（Scaling Law，该定律揭示AI模型性能与模型参数、数据、计算量之间的关系），就以此为基础展望下一步。

这也是OpenAI的运作模式——先做摆在我们面前的最有信心能成功的事情，然后分出10%的资源进行成功确定性更低的探索工作。这种运作方式为我们带来巨大的成功。

现阶段不应该把重点放在“让AI无所不能”上，而是先沿着现有的道路慢慢发展完善AI，然后留有开放探索的空间——伟大的事物都不是计划出来的，有时重大的突破诞生于偶然。
 

3
AI的未来发展方向

Reid Hoffman：未来几年，AI的发展方向是什么？

Sam Altman：一个比较确定的方向是，语言模型的发展会远超今天的想象。虽然很多人都说算力和数据都已经跟不上了，这也是事实，但算法的改进空间依然很大，还可以带来很大的进步。

第二个方向是多模态模型的发展。未来的多模态模型将不局限于文本和图像的互相转换，而是所有模态之间都可以方便地互相转化。

第三个方向是，模型可以持续学习。目前的模型如GPT都停滞在当初训练好的状态，并不会随着使用次数的增加而自我优化。我相信未来可以改变这一点。

如果上述三点都能实现的话，我们就可以解锁无数全新的应用场景，实现真正的科技革新，帮助人类实现科技的飞跃式前进。而且我相信，我们也有办法利用AI推动科研进步和新知识的产生。

我认为，现在普遍存在的一种错误观点是：“虽然语言模型的功能已经比较完善，还可以应用到图像和视频领域，将应用智能的边际成本降得非常低，但归根结底，它只是模仿人类做过的东西，不能为人类产生新知识，不能治疗癌症，也不能拓展人类已知的科学领域。”我相信，AI的发展会让持这种观点的人大吃一惊。

Reid Hoffman：AI将如何影响未来人类的生活？

Sam Altman：AI终将渗入人类生活的方方面面。未来十年里，智能和能源的边际成本会迅速下降，趋近于零，而智能和能源又是其他各行各业的主要成本来源（当然，奢侈品除外）。[注：Sam Altman 是否提前知道了美国能源部在12月份宣布的可控核聚变的进展？]

整个社会的成本结构都会下降，正如之前多次科技革命的结果一样。在这种浪潮之下，很少有什么会一成不变。但有一点很重要，智能和能源成本只是趋近于零，而不是直接降为零。所以将来如果有人仍愿意花费巨额投资来购买智能和能源，他们得到的算力和能源的数量将突破想象。

设想一下，将来的能源使用成本下降10~100倍，智能使用成本下降1亿倍，而对能源和智能的资金投入则比现在多1000倍，那会是什么样的局面？

Audience Member：未来二三十年内，AI的发展会带来什么社会问题？如果要避免这些问题，我们现在可以怎么做？

Sam Altman：AI的应用会极大影响经济活动。将来我们需要形成新的社会契约，考虑如何公平地分配财富。AGI系统的使用权将会成为一种商品，所以也要考虑如何让所有人平等地获得使用AGI的机会。还有AGI的管理问题：人类如何共同决定AGI可以做什么、不能做什么。

我不担心“AI取代人类的工作之后，人类何去何从”的问题，虽然未来人类的工作会和现在很不一样，但我觉得人类最终都会找到自己满意的事业，过上充实的生活。真正的难题是财富分配、AGI使用权和AGI的治理问题。

Reid Hoffman：据我所知，OpenAI也付出不少努力，试图解决AI的社会影响问题。

Sam Altman：OpenAI正在进行全球最大型的UBI实验。（Universal Basic Income，无条件基本收入；Sam Altman认为，十年后AI的生产力可以创造巨大财富，足够给每个美国公民每年无条件发放13,500美元。）有一个为期五年的项目已经进行到三年半了。UBI不会是唯一的解决方案，但它是一个不错的做法。

OpenAI从受AI冲击最大的行业中汲取意见，以便制定应对方案；对于那些最先被AI取代的劳动者，我们也尝试利用AI帮助他们学习新技能。我们还会不断地做类似的事情。

Audience Member：你如何定义AGI（通用人工智能）？怎么才算实现了AGI？

Sam Altman：我理解的AGI相当于一个可以共事的普通人，任何远程同事可以通过电脑帮你完成的工作，AGI也可以做，包括让AGI学习医疗知识和写代码等等。

AGI的重点不在于掌握某一种难得的技能，而是拥有学习的元能力，然后只要人类需要，它就可以往任何技能方向发展并精通。另一个概念是“超级智能”（Super Intelligence），它指的是比全人类加起来还要聪明的智能。

Audience Member：哪些领域不会被AI影响？

Sam Altman：所有人类深层次的东西都不会被AI改变。作为人类，我们依然注重人与人之间的互动联系，人类大脑的奖励机制没有变，我们依然追求快乐，拥有创造欲和竞争欲，渴望组建家庭……五万年前人类在意的东西，一百年后的人类也会在意。

（本文由OneFlow社区编译，译文转载请联系获得授权。来源：https://www.youtube.com/watch?v=WHoWGNQRXb0）

其他人都在看

• 下载量突破10亿，MinIO的开源启示录

• 关于ChatGPT的一切；CUDA入门之矩阵乘

• 李白：你的模型权重很不错，可惜被我没收了

• 单RTX 3090训练YOLOv5s，时间减少11小时

• YOLOv5全面解析教程：网络结构逐行代码解读

• 比快更快，开源Stable Diffusion刷新作图速度

• OneEmbedding:单卡训练TB级推荐模型不是梦

欢迎Star、试用OneFlow最新版本：GitHub - Oneflow-Inc/oneflow: OneFlow is a deep learning framework designed to be user-friendly, scalable and efficient.OneFlow is a deep learning framework designed to be user-friendly, scalable and efficient. - GitHub - Oneflow-Inc/oneflow: OneFlow is a deep learning framework designed to be user-friendly, scalable and efficient.https://github.com/Oneflow-Inc/oneflow/

本文链接：https://my.lmcjl.com/post/1201.html