GPT5能理解人类所有行为?未来所有行业会被AI改变

发布者:双创学院发布时间:2023-06-08浏览次数:10

来源: i黑马
图片

风起AIGC

AIGC已经成为我们这个时代新的商业分水岭,引领着内容和创意的“寒武纪大爆发”。无论是前沿科技产业还是整个经济社会格局,都将因此产生巨大的变化。为了让创业者更好地拥抱这个时代,创业黑马将以中国AIGC第一服务平台为己任,通过走访多位业内知名企业家、投资人、专家学者和创业实践者,从软硬件平台视角、投资人视角、行业应用视角等维度进行系列报道,共话大模型时代新机会,展现产业新力量。本篇为第六篇。


本期的分享嘉宾是东方富海合伙人王兵。东方富海是由数位在中国创业投资领域从业时间长、有丰富实战经验、优秀投资业绩、在业内有较大影响力的专业人士发起设立的专业性创业投资管理公司,其参照国际模式建立自己的运营机制,成立后累计管理基金规模接近350亿元人民币,在管基金52只。目前已投资项目超过550个,140个项目通过上市、并购等方式退出。合伙人王兵在半导体芯片、机器人、人工智能、大数据等领域有超过20年的研发与管理经验,先后主导投资沐曦集成电路、加速科技、星河动力等优秀企业。


在6月6日的黑马AIGC主题系列直播第二季中,嘉宾围绕《通用人工智能最新进展及投资机会分析》主题进行了深度论述,就人工智能发展历史、通用人工智能发展的方向和投资机会等问题进行探讨。

以下为本次直播实录整理:

讲一下人工智能的几个核心概念。

这需要了解人类智能的演进历史,它跟这几个概念有关系——空间、时间以及时间箭头。空间是我们生存的舞台,空间的变化带来了时间,然后才有时间箭头,它让我们感知到不可逆的变化,时间的流逝本质是热力学第二定律带来的宇宙越来越混乱的过程。

就是我们生活在宇宙里,需要智能的东西去对抗变化。例如生存环境越来越混乱,动物如何在混乱的环境找到生存机会?这就是动物的智能进化到人类智能的历史。这个演变就是哺乳动物因为要捕猎,需要发现猎物再回到家,所以产生了记忆;30万年前的非洲,出现智人后在大约7万年前演化出语言。

人类智能的本质是通用,语言是通用工具,人们用语言形成契约、形成宪法、形成机制等。

自从人类能够思考,就有两个系统,快系统和慢系统。动物是快系统,即直觉系统,并没有真正的逻辑推理,是直觉式的反应。人类也具有这样的系统,但人类获得语言后,拥有了逻辑能力,可以处理复杂情况,就是慢系统。人类的快系统和慢系统是互相协作的。

再讲人工智能的历史和发展,就容易理解了。

二战时,人类发明了计算机;50年代发明了晶体管;70年代发明了集成电路。计算机的本质是用编程实现逻辑工具,它诞生后,希望我们用编程的方法实现人类智能的能力,但它很难模拟我们的直觉能力。人类的很多功能是跟直觉有关的,所以在前期很长一段时间,人工智能是低谷阶段。
80年代后,我们开始通过研究人脑的结构,发现神经元结构,神经元是有很多连接的,通过这些连接可以去模拟人脑的内在结构,就有了神经网络的数学模型。

80年代到90年代,人工智能是比较热的研究领域,因为当时的算力数据等种种限制又冷却了。而这波人工智能什么时候起来的?是2010年左右,原因是90年代有了互联网;大家知道英伟达,它在90年代是做显卡的,这个显卡本身是大型的并行处理器,人工智能正好是一个特别需要并行计算的东西,所以在06年前就开始推进,推出了并行计算的框架CUDA。

有这个框架以后,很多人工智能科学家开始用GPU做神经网络计算,发现它比CPU快上百倍。2010年左右,人工智能开始新一波浪潮,能够在人脸识别上取得很好的结果了;接下来是阿尔法狗,充分模拟人类思维的能力逻辑和直觉,它一个月下几千万盘棋,远远高于人类积累的经验和数据,很快超过了所有人。

2017年,谷歌做了transformer模型,简单讲就是编码器和解码器,用来做语言翻译的,怎么理解编码器和解码器?编码是信息压缩,解码是从压缩信息里恢复原有信息。

编码和解码的过程,是人类智能最重要的过程,前面是对信息的识别和压缩,后面就叫生成,是从低维信息里产生高维信息,这就是今天要讲的新一代模型叫生成式模型。

编码器和解码器中都有自注意力机制,本质是检查数据内在的相关性。我们在用英文和中文表达同一个意思时,可以看到它们都有类似的相关性。但这时还没有导致大变革,真正导致大变革的是open AI这家企业,它最早是非盈利机构。它做了什么?他们从谷歌找了顶级科学家,如果把全世界的文本拿来训练生成式模型,给到它的数据越来越多,模型越来越大,会不会导致智能的产生?

他们最终怎么实现的?就是不断的堆算力、堆数据,将几十TB数据给它去训练。此外他们还做了一项创造性工作,就是大模型跟人类思维的对齐,就是基于人类反馈的强化学习去修正回答。例如大模型GPT3,你给一个问题他能回答,但是他很难判断哪些回答是高质量的,所以他给你的回答每次都不一样。怎么让他进行准确的高质量回答?人类准备几万个问题,让人类专家进行回答并打分,让模型对这个问题的质量进行打分和判断,再去训练原有基础模型,他的回答就越来越精准。

它的逻辑推理能力到了什么程度?GPT4在内部测试中,超过了90%的大学生。GPT4是有多模态能力的。多模态就是现在创业和投资的重点。

在生成式大模型中有很多典型案例,我们已经有大量的大模型工具,除了文字外,还有图片、视频、音乐等工具,能够进入到非常多的行业。

我们认为几乎所有行业都会被AI改变的,只不过是改变的程度和时间不一样而已。有的行业很快被颠覆,有的慢一点。比方广告、客服、教育这些行业会很快受到影响,预计明年GPT5出来,在多模态会有很大进步。

有一个传言说GPT5已经看到了全世界所有视频,当然没有被验证,但是如果是真的那就很可怕了,因为它可能真正理解了人类所有行为了,可以对世界产生真正的理解。今天我们看到在国内外,涌现大量大模型创业公司,美国open AI前员工出来创业的项目就接近30个了,有垂类、底层大模型的。国内几乎所有互联网公司都在做大模型,初创企业开始进入这个领域。

我们判断这波人工智能是真正的通用人工智能了,因为它解决了语言问题,为什么语言这么重要?所有工作本质上是一种翻译,只是不同的数据类型之间进行翻译。

来分析一下投资机会,我们理解生产力的本质是对抗宇宙的熵增。其实人类文明的发展,本质跟两个东西有关,一个是能量来源以及能量成本;另一个是如何借助能量产生生产力。效率越高,生产力就高,获取能量的成本越低。现在本质我们进入了一个数字文明阶段,工业文明所有生产行为还在物理世界,但到了数字文明大部分的生产行为就到了数字空间。

什么叫数字空间?

我们用计算机芯片和互联网来形成的庞大的基于数据、基于计算的空间。所以这个时代最大的机会就是数字化,数字原生最重要的环节,如果你的智能不是数字化的,就不能叫数字原生。真正数字原生的企业,必须所有环节都在线上,不会因为任何物理空间问题导致运行效率下降,这就叫通用人工智能。

全世界所有大市值公司都在做数字化,英伟达就不说了,微软、谷歌、亚马逊、苹果本质上都是数字化公司。

来讲讲投资逻辑,要找到好的企业投资,得对未来做判断,它需要有一定的稀缺性的,大家都能看到的机会不是机会。

好的企业从两个点来判断,第一它具备很高的价值,具体是指市值达到千亿、收入近百亿,利润达到10亿的企业;第二具备超线性规模化的能力。什么叫超线性规模化?是收入规模增长超过用户规模增长。同时是指数增长,不是一两年就过去的风口,是几十年的增长,每年增长百分之几十这样的速度。

互联网企业本身就是超线性企业,它来源于梅特卡夫定律。就是当网络里有n个节点,它们之间形成的连接数是平方率效应。例如为什么大城市有更好的网络效应,因为有更多优秀人才,会建立更多的网络连接,会创造更大的生产力,它不是线性增长。

所以企业具备增长空间以外,还得有防守能力。一个企业能做100年就是好企业,建立壁垒的方法有几种。一种是本身超线性规模化;第二是垄断性;第三是不可逆性。另外超级复杂系统本身也是一种生态,可以更容易理解它不是传统意义的这种企业合作,可能是供应链生态。

我们的基本投资逻辑,就是价值投资。

第一当你投一个企业,要看价值观,它对人类社会创造的价值,本质是用钱对这个世界未来的变化发展方向进行投票;第二市场往往只看到价格,偏离真实价值的,这里面会带来大量的机会;第三不管做什么,先考虑本金是不是安全,安全边际非常重要。第四要有自己的能力圈。

这波人工智能从硬件角度,投资机会有哪些?

首先大的判断是这波人工智能是颠覆性技术,它肯定是未来一二十年最重要的投资赛道,会带来很多投资机会。

硬件方面,投资机会主要是半导体、 AI算力相关环节。

从硬件角度,通用人工智能会很快提升机器人水平,不管人形机器人还是自动驾驶汽车,可以理解为广义机器人,还有3D机器人、陪伴机器人、养老机器人都会得到快速发展,机器人的供应链会有很多机会。

通用人工智能有三类企业值得投资。

第一类企业是AI算力的基础设施。大量的人进入通用人工智能赛道,挖金子的是少数,但一定要买铲子对吧?卖铲子会获得高收益;第二类企业是Mini AI 独角兽。有一家叫midjourney的公司,就十几个人就做到了1亿美金收入,用Ai生成图片做出非常逼真的写实风格。AI带来巨大生产力,效率非常高,如果在某类深层次任务做到行业第一,技术壁垒是否足够高,是这类企业竞争的关键;第三类是最懂AI的行业冠军。在垂直领域将人工智能大模型用到极致,比方说法律、教育,能让很多行业的环节自动化。

今年美国有超500个AIGC相关项目获得投资,包括基础层、垂直应用层和水平应用层都有大量项目,其中80%项目属于应用领域,美国的很多投资是在医疗领域,这里会产生巨大的商业价值;国内获得投资的项目数量约为30个,项目数量和资金量低于美国,其中国内获得投资的项目不少属于互联网大佬二次创业,其它的主要为大厂AI科学家创业项目。