上海交通大学“人工智能+”行业研究团队首席科学家史占中：各互联网巨头有研发ChatGPT
图片来源：受访者供图
11月30日，美国人工智能研究公司OpenAI公司的人工智能（AI）对话模型ChatGPT正式亮相。这款聊天机器人一经上线立即就在全网“刷屏”，各界对其技术展开了热烈讨论。
科技巨头们也开始积极抢占风口，2月初，谷歌发布了AI聊天机器人Bard，微软也宣布推出推出ChatGPT版新搜索引擎Bing。国内互联网企业也紧跟步伐，京东在上周推出产业版ChatGPT——“ChatJD”,并公布了ChatJD的落地应用路线图“125”计划，百度的生成式对话产品文心一言则将于3月面世。
ChatGPT有哪些技术创新？科技巨头为何纷纷入局？中国版ChatGPT是否即将出现？AIGC（人工智能生成内容）产业新一轮爆发期已至？《每日经济新闻》专访上海交通大学“人工智能+”行业研究团队首席科学家史占中教授，深度解密ChatGPT及生成式AI的创新突破与行业趋势。
ChatGPT模型泛化能力强大
NBD：在您看来，ChatGPT相比于从前的人机交互形式，它的突破性在哪里？
史占中：相较于以前的人机交互形式，ChatGPT的突破性在于其强大的自然语言处理能力和广泛的知识储备。ChatGPT是一个基于深度学习的模型，通过对大量文本数据的训练，可以自动学习语言的规则、结构和语义，并能够理解人类语言表达的复杂性和多样性，与传统应用的回答和模型相比，精度和准确性有了更大的提升，用户体验相较于传统人机交互有了极大改善。并且因为激增的用户数量和源源不断的训练数据输入，ChatGPT的迭代速度将会更加可观。
ChatGPT还可以通过其广泛的知识储备为用户提供有用的答案。之前分析型AI人机交互形式拘泥于具体的场景和对话，ChatGPT属于生成式AI，不局限于已有的内容，底层强大的泛化能力让它可以对各种主题进行理解和处理，从而为用户提供有用的建议、指导和解决方案。不仅能文生文，还能文生图，生成代码并具有最重要的推理能力，比如简单的求长宽高的数学题到基本的财务分析都能胜任，并且已在艺术创作，代码处理，营销等多个创造性场景内都得到应用。
NBD：近几年里有不少AI公司都在进行对话式人工智能的开发，和它们相比起来ChatGPT有什么不同之处？
史占中：在近几年的人工智能领域，对话式人工智能已经成为了一个热门的方向，许多公司和组织都在进行对话式人工智能的研发和应用。
与这些对话式人工智能相比，ChatGPT的不同之处在于以下几个方面：首先，与其他对话式人工智能不同，ChatGPT是一个独立学习的模型，它通过自监督学习的方式从海量的数据中学习语言的规律和语义，而不是像其他对话式人工智能一样需要事先手动编写大量的规则和策略。另一方面，ChatGPT采用了Transformer架构，通过自注意力机制和多层网络结构实现了长时记忆，能够更好地捕捉文本序列中的上下文信息和语义关系。同时，ChatGPT具有强大的自然语言处理能力，能够理解语言的多样性和复杂性，同时可以自然流畅地表达复杂的语言信息和概念。
NBD：您认为ChatGPT采用Transformer架构具体的利弊各有哪些？
史占中：Transformer架构是一种基于注意力机制的神经网络架构，它被广泛应用于自然语言处理领域，其中ChatGPT就是其中之一的代表性模型。拿ChatGPT来说，较于一些应用特定的对话式人工智能，如客服机器人或语音助手，ChatGPT可以应对各种不同主题和领域的对话，这样的能力可以归功于Transformer 模型的泛化能力。
其缺点在于，首先，相较于传统的RNN和CNN等模型，Transformer模型的复杂性更高，导致其可解释性较差，难以解释模型内部的决策过程；其次模型训练成本高，由于Transformer模型需要更大的计算资源和更多的数据进行训练，因此需要更高的训练成本。
互联网企业有能力研发类似产品
NBD：ChatGPT这样的产品是可以迅速复制的吗？为什么？
史占中：ChatGPT是一个基于大规模预训练的神经网络模型，其训练过程需要耗费大量的计算资源和时间，同时需要具备相关的技术能力和数据资源。因此，ChatGPT这样的产品在短时间内复制的难度较大。
复制这一产品需要具备以下几个条件：第一，ChatGPT的训练需要使用大规模的计算资源，例如GPU集群，这需要企业具备强大的计算能力和相应的设备。其次，要复制ChatGPT这样的产品需要具备一定的人工智能技术和相关领域的专业积累，需要有能够对模型进行训练和优化的技术团队。最后，要训练一个高质量的ChatGPT模型，需要具备大量的文本数据，这需要有大规模的语料库和数据集来支持训练。
NBD：您认为中国有研发类似ChatGPT这类的产品或者是其他AIGC应用的土壤吗？国内的优势在哪里？
史占中：当然有。国内百度公司多年深耕人工智能领域，在算力资源和人才储备上都有研发类似ChatGPT的能力。
国内的优势在于，一方面多年以来重视人工智能技术，培养了科研和工程人才，另一方面互联网高度发达、数字化程度高，有充足的数据来进行模型的训练。
NBD：您有没有关注到哪些企业有这方面的潜力？您有什么感兴趣的AIGC技术应用案例可以分享一下吗？
史占中：主要还是各大互联网企业，百度、字节、腾讯、阿里，等等大公司在AI的人才储备上、资源上能够支撑进行相关的研发。应用可以看微软即将推出的New Bing，相信是能够颠覆行业的革新。
AIGC产业链价值有望迎来重估
NBD：在您看来AIGC行业的发展是必然的吗？其发展是否存在瓶颈？
史占中：AIGC行业的发展是AI行业发展扩张的结果，从人脸识别到自动驾驶，人工智能的发展必然会渗透到社会生活的方方面面，这只是时间问题。
AIGC发展的瓶颈本质上取决于人工智能技术的发展，短期来看人类的情感、创造力仍然是人类所独有的，所以现阶段AIGC必然是对人类的模仿，而非创造。
NBD：AIGC市场未来将出现什么样的变化？
史占中：现在ChatGPT 已经在商业化方面彰显出强于以往 AI 应用的潜力，2个月内已经突破1亿用户增长，另一方面得到了微软为代表的科技巨头的支持，ChatGPT已经接入了微软旗下的Bing，Bing已经成为了New Bing，谷歌对ChatGPT如临大敌，正是因为加上人类语言理解能力的搜索引擎，可能彻底改变之前搜索引擎的使用方式，这一行业也许会重新洗牌。
同时，ChatGPT的出现打开了 AIGC 商业空间，产业链的价值有望被重估。与传统AI 技术变现困难不同，ChatGPT采用SaaS订阅的创新收费模式打破了人们对于AI 技术大多应用于嵌入式项目的固有印象，拓宽了AI企业的商业模式。AIGC商业空间将进一步打开，不仅B端用户对AIGC技术存在高需求，未来C端用户对AIGC技术的付费有望成为常态化，产业链相关企业将迎来价值重估。
NBD：现在有业界人士认为，AI就是一场烧钱游戏。您认为AI的成本问题应该如何来解决？
史占中：AI最大的成本就是算力资源和人才，其中更重要的是相关人才的培养。如果仅仅以资源的多寡来判断，那么最先取得突破的应该是世界上最大的科技公司，比如说谷歌、微软等等公司，但是实际上最初震惊世界的AlphaGo和现在的ChatGPT都来自OpenAI。为正确的人烧钱才是有价值的投入。
当然我也注意到算力问题是一个很重要的问题，现在也有很多技术在客服这个困难，比如说CPO技术，就是高算力场景下的“降本增效”方案。
