人工智慧的潛力與 OpenAI 的影響
展望未來，我們深知人工智慧（AI）有潛力塑造更美好的未來。生成式 AI 已開啟從程式碼撰寫到哲學推理等各種可能。這段旅程始於基礎模型，它讓數十億用戶得以接觸過去無法獲取的龐大資料力量，改變了我們所有人的遊戲規則。在這之中，OpenAI 的貢獻尤為突出。
透過 ChatGPT 的爆炸性崛起，每日有超過 10 億人使用，OpenAI 重新定義了我們與資料和智慧的互動方式，以及對未來工作的想像。而在這場變革的中心，是當今科技界最具影響力的聲音之一——OpenAI 的創辦人兼執行長 Sam Altman。
討論環節
本次討論由 Conviction 的創辦人兼管理合夥人 Sarah Guo 主持。
對企業領導者的建議
-
Sam Altman 的建議：Sam 認為企業領導者應該立即行動。儘管仍有許多猶豫，模型也在快速變化，有各種理由等待下一個模型，或觀望局勢發展，或考慮使用 A 方案還是 B 方案。但從科技發展的一般原則來看，當事物快速變化時，迭代速度最快、犯錯成本最低且學習率最高的公司將獲勝。目前，在企業與 AI 的結合中，早期下注並快速迭代的企業表現遠優於等待觀望的企業。
-
Sridhar 的建議：Sridhar 完全贊同 Sam 的觀點，並補充了好奇心的重要性。他認為，過去我們對事物的運作方式有太多想當然爾的假設，而現在這些都不再適用。OpenAI 和 Snowflake 等公司已大幅降低了實驗成本，企業可以進行大量小規模實驗，從中獲得價值並不斷發展壯大。
與去年建議的不同
-
Sam Altman 的看法：Sam 認為去年他會對初創公司提出同樣的建議，但對大型企業可能會建議先進行一些實驗，因為當時的技術可能還不完全適合生產使用。然而，這一年來情況發生了巨大變化，OpenAI 的企業業務大幅增長，許多大公司開始大量使用其產品。原因不僅在於企業需要時間適應，更在於技術的可靠性和功能有了顯著提升。
-
Sridhar 的看法：Sridhar 認為去年他也會強調好奇心和允許犯錯的重要性。同時，他指出技術正在迅速成熟，例如 ChatGPT 現在可以利用網路搜索提供最新事件的信息。許多應用，如聊天機器人，無論是處理結構化還是非結構化數據，技術都已成熟，企業可以採用。當然，企業仍可以探索更多可能性，但在主流應用方面，技術已經準備就緒。
記憶與檢索的角色
在討論到推理、為難題投入更多計算資源以及將代理引入某些工作流程時，記憶和檢索的角色變得至關重要。
- Sam Altman 的觀點：Sam 認為檢索在使生成式 AI 技術接地氣方面一直扮演著關鍵角色。例如，在 GPT - 3 上，他們早在 2023 年初就建立了網路搜索規模的系統，以提供實時信息。此外，了解過去如何處理某些問題以及與特定系統的互動，可以大大影響並改善系統的未來表現。隨著這些模型被用於越來越多有趣的任務，記憶和檢索的作用將繼續增加。
代理的能力
- Sam Altman 的看法：Sam 以他們剛推出的編碼代理 Codex 為例，說明代理的能力。Codex 可以執行一系列任務，在後台工作，非常聰明，能夠處理長期任務。目前，它可能像一個可以工作幾個小時的實習生，但未來可能會像一個經驗豐富的軟體工程師，可以工作數天。不僅在編碼領域，在許多其他工作領域，代理都可以自動化大部分客戶支持、向上銷售等工作。
AGI 的定義與距離
-
Sam Altman 的觀點：Sam 認為，如果回到五年前（2020 年），在 GPT - 3 推出之前，向人們展示今天的 ChatGPT，大多數人都會認為這就是 AGI（通用人工智慧）。他認為 AGI 的定義因人而異，甚至同一個人在不同時間的定義也可能不同。重要的是過去五年的進步速度，並預計至少在未來五年內將繼續保持。對他來說，一個能夠自主發現新科學或成為人類發現新科學的強大工具，使世界科學發現速度提高四倍的系統，就可以滿足任何 AGI 的測試標準。
-
Sridhar 的觀點：Sridhar 認為 AGI 的定義是一個有爭議的問題，有時甚至是一個哲學問題。他將其比作潛水艇是否會游泳，從某個層面來看很荒謬，但實際上它確實會。他認為這些模型具有令人驚嘆的能力，到 2030 年，人們會認為這就是 AGI。重要的是進步的速度，許多偉大的事情將由此誕生。
下一波模型的緊急行為
- Sam Altman 的看法：Sam 表示，未來一兩年的模型將令人驚嘆，有很多進步和改進空間。就像從 GPT - 3 到 GPT - 4 的重大躍進一樣，企業將能夠用新一代模型完成以前不可能的事情。例如，芯片設計公司可以讓模型設計更好的芯片，生物科技公司可以讓模型研究疾病治療方法。這些模型能夠理解大量上下文，連接各種工具和系統，進行深入推理，並提供可靠的答案，甚至可以自主完成一些工作。
對知識範圍的直覺
- Sam Altman 的看法：Sam 提出了一個理想框架，即一個具有超人推理能力的極小模型，可以快速處理大量上下文並訪問各種工具。這樣，無論問題是什麼，模型都可以利用推理能力解決。將模型用作數據庫並不現實，但它們的推理能力非常驚人。如果將其視為推理引擎，並提供大量業務或個人生活的上下文以及所需的工具，將會產生巨大的效果。
假設擁有千倍計算資源
-
Sam Altman 的想法：Sam 首先提出了一個超級抽象的答案，即讓模型進行 AI 研究，找出如何構建更好的模型，然後再讓更好的模型決定如何使用這些計算資源。更實際的是，他指出在 ChatGPT 或使用最新模型的企業中，測試時間的計算資源有著實際的回報。如果讓模型進行更多推理，在難題上嘗試更多次，已經可以得到更好的答案。企業可以為最難的問題或最有價值的事情投入更多計算資源。
-
Sridhar 的想法：Sridhar 提出了一個不同於科技領域的答案。他提到了 RNome 項目，這是一個類似於 20 多年前 DNA 測序項目的項目，旨在研究 RNA 表達。了解 RNA 如何控制 DNA 表達可能會解決許多疾病，推動人類進步。如果能用語言模型完成類似於 DNA 項目的工作，將是一個非常酷的結果。
本次討論為我們揭示了人工智慧的未來發展方向，以及企業和個人在這個快速變化的領域中可以採取的行動。