2023年3月几号,2023年3月日历表查询,2023vj,2023年的3月2号

【微语】不要垂头丧气，即使失去一切，明天仍然握在你手里。

?国内外要闻

1、博鳌亚洲论坛2023年年会正式拉开帷幕。

2、自然资源部等三部门联合发文：鼓励在沙漠、戈壁等区域建设光伏基地。

3、网信办：严厉打击网上恶意损害企业和企业家形象声誉等违法违规行为。

4、全国中成药集采征求意见，报价降幅大于40%可获拟中选资格。

5、上海、杭州、昆明等地近期明确将有序放开设摊、允许外摆。

6、北京拟出台26条措施扶持个体工商户：可减免“六税两费”。

7、厦门放松限购：厦门户籍单身人士可购第二套住房，二孩以上家庭可买三套房。

8、河北沧州一废弃冷库在拆除过程中发生火灾事故，致11人死亡。

9、孟晚舟当值华为轮值董事长

10、国际足联公布最新女足排名：中国位列世界第13亚洲第3。公众号：职途圈

11、国际机票大跳水，多条国际航班票价降至千元以内，业内人士称燃油附加费或继续下调。

12、美国众院一致通过法案，认定中国列为发达国家，旨在剥夺国际组织优惠待遇。

13、日本北海道地区发生6.1级地震，震源深度30千米。

14、韩国拟对中国公民实行过境免签政策，免除申请电子旅行许可制。

15、美国田纳西州一小学发生枪击事件7人死亡，包括3名学生均为9岁，女枪手已被击毙。

企业快讯

1、2023微信公开课PRO・微信之约直播开讲，视频号公布包括付费订阅功能与“原创权益”扶持等多项产品计划

2、阿里巴巴宣布启动“1+6+N”组织变革，成熟一个，上市一个

3、华为投资控股有限公司董事会举行换届选举，孟晚舟4月1日起当值轮值董事长

4、快手三农推出“幸福乡村春耕季”，亿级流量扶持内容创作者

5、货拉拉于港交所提交上市申请：3月28日货拉拉在港交所提交上市申请。其全平台收入由2020年的5.29亿美元增至2022年的10.36亿美元，年复合增长率为39.9%，2022年实现盈利

6、京东集团与博世中国宣布建立战略合作关系，加速供应链数智化转型升级

7、“茅台家族”产品上新：“台源”酒定价156元/瓶，主打“下沉”基层市场

8、顺丰集团发布2022年度报告：营收2674.9亿元、归母净利润61.7亿元，业务量111.4亿票

9、运动科技公司Keep在港交所更新招股书：2022年营收22.12亿元，平均月活3640万

10、亚马逊全球开店亚太区卖家培训中心在杭州正式启用，2023年预计将总计培训近500万人次

政务快讯

1、网信办：去年处置账号680余万个，今年重拳整治9大突出问题

2、市场监管总局：“提质强企”行动去年帮扶企业超5.45万家，提升工业产值超81亿元

3、工信部就国家汽车芯片标准体系公开征求意见，到2025年将制定30项以上标准

4、生态环境部：钢铁超低排放改造累计拉动社会有效投资约2000亿元

5、住建部等15部门联合印发《关于加强经营性自建房安全管理的通知》

6、上海启动规上制造业企业数字化诊断，正制定标准、遴选服务商

7、杭州发布全国首个《大学生创业园服务规范》地方标准

8、江苏计划3年打造1000个“家门口就业服务站”，兜底帮扶10万群众就业

9、浙江经信领域出台17条举措，推进营商环境优化提升“一号改革工程”

10、河南省财政下达资金7.1亿元支持科技创新，服务高质量发展

科技通信

1、Redmi Note 12 Turbo正式发布：首发第二代骁龙7+芯片，售价1999元起

2、中国移动挂牌成立中移智库，打造数字经济领域高端智库

3、自研矩阵再扩充，安谋科技发布新一代“周易”X2 NPU

4、引领创新，中国信通院启动大模型技术及应用基准工作

5、国内首个量子计算产业知识产权联盟成立，“量子计算专利池”填补行业空白

6、搜狗输入法之父马占凯加入王慧文AI团队，打造中国版ChatGPT

文娱影游

1、腾讯WeGame平台举行“游戏之夜S5”：20余款游戏亮相，《无畏契约》开启预约

2、一览科技宣布推出业界首个视频AIGC工作流，“AI编剧”三步即可生成专业脚本

3、全球电影票房第三，《阿凡达：水之道》上线爱奇艺、腾讯视频、优酷

4、迪士尼真人版电影《小美人鱼》确认引进中国内地，档期待定

5、Steam一周销量榜：《生化危机4：重制版》超越Steam Deck登顶

6、迪士尼裁撤开发元宇宙战略的小型部门，裁员约50人。

金融财经

1、上交所：4月1日开展沪市全面实行注册制交易业务全网测试

2、北京银行发布“京彩生活”手机银行APP 7.0暨“智策”零售数字化运营体系

3、科创企业成长上市再添“利器”，浦发银行南京分行“浦创中心”揭牌

4、银保监会批准中国华融入股光大银行，或将成为第四大股东

5、小米消金掌门人更迭：天星数科总裁岳凯出任董事长，首任董事长洪锋个人原因卸任

住房地产

1、华润万象生活：2022年完成行业最大规模并购，管理规模跻身行业第一梯队

2、龙湖商业与南京能谷能源合作，打造南京首座轻资产天街

3、招商蛇口华东区域发布全新品牌主张，以百年新生力量“弘安里”赋能城市更新

4、上海建工：旗下上安物业运维管理总面积近800万平方米

5、龙建股份：中标巴中市恩阳区国家储备林建设项目，施工中标价14.41亿元

零售电商

1、天猫拟与50家头部快消品牌建立“新品”战略合作，覆盖从研发到上市全流程

2、百万门店上京东，京东到家即时零售全国巡回活动首站将落地上海

3、名创优品宣布新拓3个海外市场，全球化战略迈上新高度

4、本来生活与西鲜记合作再升级，共同赋能宁夏盐池滩羊产业发展

5、永辉预制菜自有品牌辉妈到家发布春季上新计划，新品剁椒鱼头表现亮眼

汽车出行

1、比亚迪2022年营收4240.61亿元、净利润166.22亿元，各项核心经营数据均创历史新高

2、蔚来首座第三代换电站正式上线，换电时间缩短20%

3、北汽重卡数字孪生智慧工厂落成投产，北京重卡首台车下线即交付

4、斑马智选亲橙空间在阿里西溪园区正式开业，系首家“斑马智选”门店

5、宇通新能源轻卡T系列产品全球首发，越级而致开启中国新能源轻卡3.0时代

教育培训

1、国家智慧教育读书平台上线，教育部等八部门启动全国青少年学生读书行动

2、网龙2022年营收78.66亿元，教育业务收入43.4亿元创历史新高

3、达内教育2022年业绩：双赛道布局发展稳健，实现净利润8523万元同比扭亏为盈

4、行动教育与瑞士IMD国际管理发展学院达成深度合作，助力企业数字化转型

5、凯文教育携手百度共建中职人工智能实训基地，内蒙古敖汉旗职业中学人工智能实习实训基地揭牌

医疗健康

1、信立泰：拟将控股子公司深圳信立泰医疗器械分拆至科创板上市

2、天康生物：子公司天康制药拟投资8亿元建设动物疫苗研发生产项目

3、中关村：全资子公司拟收购沃达康和普润德方100%股权，拓展医疗器械行业产品布局

4、塞力医疗中标重庆璧山区第二人民医院（全院耗材含试剂）SPD精益化服务项目

5、湖北大学发起成立湖北省合成生物学学会，服务合成生物制造产业高质量发展

6、迈瑞中国区总经理换人，赵宇翔上任

旅游民宿

1、文旅部等四部门将联合举办第五届全国导游大赛

2、海南旅游市场渐热，三亚机场今年已完成3.5万架次飞机起降

3、海昌海洋公园：大连发现王国奥特曼主题娱乐区计划于5月1日正式营业

4、万豪国际集团：预计今年在中国开设47家酒店，超半数为精选服务品牌酒店

5、2023上海旅游产业博览会第一期开幕，打造文旅深度融合的全产业链集群

区块链

1、工信部就《区块链和分布式记账技术标准体系建设指南（2023版）》公开征求意见

2、河南省印发《“河南链”建设实施方案（2023―2025年）》

3、上海黄浦区：对AI、元宇宙、区块链等重点领域技术攻关项目给予资金支持

4、携程商旅加入N世界“元启万象”计划，助力企业差旅服务升级

5、奢侈品巨头Gucci与Yuga Labs合作探索元宇宙中时尚与娱乐的交叉点

国际视角

1、苹果宣布在美国推出Apple Pay Later，允许分期付款、无利息与额外费用

2、微软宣布推出Microsoft Security Copilot，安全系统采用OpenAI技术

3、Meta拟出台新一轮改革措施：减少向部分员工发放奖金，引入年中绩效评估

4、迪士尼启动首轮裁员，计划总减员7000人

5、美国网约车公司Lyft聘请亚马逊前零售主管为新任CEO，两名联合创始人退出日常管理

6、Lyft宣布，其联合创始人、首席执行官Logan Green和总裁John Zimmer将很快辞去日常职务，亚马逊前零售主管Da【【微信】】将接任

融资收购

1、老字号非遗厨具品牌「王源吉」完成千万元级Pre-A轮融资，由江苏老字号产业投资基金独家投资

2、装配式工业化装修整体解决方案提供商「未来盒子」完成千万元级天使轮融资，由青矩创投独家战略投资

3、智能新能源卡车研发制造商「DeepWay」完成7.7亿元A+轮融资，由魏桥创业集团与软银中国资本联同领投，老股东启明创投等跟投

4、抗肿瘤新生抗原疫苗研发和生产商「澄实生物」完成数千万元Pre-A轮融资，由东方富海作为执行事务合伙人的国家中小企业发展基金（成都）交子创投投资

5、半导体自动化设备研发制造商「世禹精密」完成数千万元新一轮融资，由物产中大集团投资有限公司投资

6、高端半导体光刻胶厂商「徐州博康」完成数千万元新一轮融资，由清枫资本投资

7、人工嗅觉传感器研发商「中科微感」完成千万元级天使轮融资，探究资本担任独家财务顾问

8、人机交互产品研发商「元籁科技」完成数千万元天使轮融资，由蓝驰创投独家投资

9、人民币资产跨境交易科技服务商「亚丁金融」完成数千万元A轮融资，由斯道资本投资

10、时空智能大数据服务公司「箩筐」获得2.2亿美元战略融资，投资方为CHINA ORIENT SMART ECOTECH IN【【微信】】

openai这些年做了什么事 openai 训练结果

openai项目,openai公司上市了吗,openai可以做什么,open ai lab 这家公司好不好

原标题：老黄20问OpenAI联合创始人：ChatGPT得益于数据爆发，让AI说“不知道”是难点

智东西（公众号：【【微信】】）

作者 | 李水青

编辑 | 心缘

智东西3月23日报道，昨夜，在GTC大会主题演讲后，英伟达创始人兼CEO黄仁勋化身一名记者，与OpenAI联合创始人兼首席科学家伊利亚・萨特斯基弗（Ilya Sutskever）进行了一场50分钟的深度对话。

这是一场两位风口浪尖的科技圈大佬的巅峰级对话。就在昨天GTC大会上，老黄刚刚推出了ChatGPT专用推理GPU，针对生成式AI、大型语言模型等进行了大优化。他在会上盛赞ChatGPT“震惊世界”：“崭新的计算平台已经诞生，AI的「iPhone时刻」已经到来”。

而OpenAI这边，伊利亚已推动GPT-4和ChatGPT快速落地到搜索引擎、Office工具等微软多个产品，并用开放的API，引爆千行百业和数亿人的生产力革命。

在采访中老黄提到，大约十年前的一次会面中，伊利亚就如同先知般对他说：“GPU会影响接下来几代人的生活”、“GPU可能会对深度学习的训练有所帮助”。而伊利亚也回顾，ChatGPT诞生的源头则要追溯到更早的20年前，而后数据的爆发让质变到来。

伊利亚说ChatGPT实际上做的就是“预测下一个字符”，他坦言现在GPT-4还不及预期，存在逻辑死板、编造信息、不懂装懂等问题，下一步让模型更加可靠，同时学会说“不知道”是一大技术难点。

此外，老黄还与伊利亚探讨了关于摩尔定律、多模态、强化学习、自监督等更多关键问题。本文将两位大佬的对话内容呈现如下，内容做了不改变原意的编辑。

一、溯源：20年前畅想机器像人一样学习，模型只有上百个神经元

老黄：作为打造ChatGPT的最引入注目的顶尖科学家、工程师，你对深度学习技术有什么样的直觉？这一技术为什么会取得如此巨大的成功？

伊利亚：由于深度学习，我们的世界发生了巨大变化。我自己开始的初心是对各种问题有想要的直觉性理解，同时对于人类意识的定义，以及我们人类的智力是如何完成这样的预判，这是我特别感兴趣的地方。

在2002~2003年，当时的我认为“学习”是只有人类才能完成的任务，计算机是无法做到的。当时就想，如果能够让计算机去学习呢？可能会带来更多改变，但当时没有任何进展看起来是有希望的。

很幸运的是，当时我正在上大学，我研究的专业刚好是研究神经网络学习方向。我们希望了解如何通过神经网络去研究深度学习，以及神经网络如何像人类的大脑那样工作。当时的我其实并不清楚我们的工作路径是什么样的，只是觉得这会是有前景的行业。

老黄：那个时候的神经网络的规模是多大？

伊利亚：那个时候神经网络还没有讨论到规模的概念，我们只是有一百或者几百个神经单元，没想过现在居然能发展到现在如此之多的神经单元、以及如此多的CPU单位。

当时我们选用的是一个数学实验室，预算是非常有限的。我们先开始只做了各种各样不同的实验，并收集了各种不同的问题去测试准确度，一点一点去训练神经网络，这也是第一个生成式AI模式的雏形。我们不清楚下一步的方向是什么样的，但后来一想，发展神经网络、深度学习是一个重要节点。

二、节点：2010年明确深度学习研究方向，让老黄准备好GPU

老黄：在2012年这一节点，你就在神经网络领域有所建树。所以你是在什么时间点开始觉得计算机视觉、神经网络和人工智能是未来方向的？

伊利亚：在2012年之前大概两年左右，我逐渐意识到深度学习会获得很多关注。背后坚定的理论基础是：如果神经网络足够深、规模足够大，它就能够解决一些硬核内容问题，关键是需要神经网络兼备深度和规模，这意味着我们必须有足够大的数据库。

我们在优化数据模型上做出很多努力，我们的一个同事基于“秒”做出了神经网络的反馈。你可以不断训练神经网络，从而使得神经网络的规模更大，获得更多数据。有的人会说当时这个数据集大到不可想象，如果当时的算力能够处理这么大的数据，那么一定能触发一场革命。

老黄：当时是我们第一次相遇，你告诉我说，GPU会影响接下来几代人的生活，以及GPU可能会对深度学习的训练有所帮助。你是在什么时候意识到这一点的？

伊利亚：GPU在多伦多实验室中第一次尝试，我们并不清楚到底如何使用GPU、如何让GPU获得真正的关注。后来我们获得越来越多的数据集，我们也清楚传统的模型会带来更多优势。我们希望能够加速数据处理的过程，训练过去科学家从来没有训练过的内容，这是当时触发GPU使用的要点，促进我们不断培养训练神经网络。

三、里程碑：从预测下一个字符，到AI界的iPhone时刻

老黄：我们看到ChatGPT和OpenAI目前已经打破了过去计算机编辑图像的生成方式。

伊利亚：我觉得不是打破了计算机图像的生成方式，也不是打破了一种记录，而是：这样的数据集是显而易见而往往被忽视的，大部分人都是用传统的思维模式去处理数据集，但我们的处理方式“超越式”的，一旦超越就是几步的超越。当时非常艰难，但如果我们能做好，就是帮助人们跨越了一大步。

老黄：我觉得ChatGPT是“AI界的iPhone时刻”，你是如何达到这样的转变时刻的？

伊利亚：当我们开始时也不太清楚如何进行整个项目，而且，我们现在所得出的结论，和当时使用的逻辑完全不同。大家现在已经有这么好用的ChatGPT工具，来帮助大家创造出非常好的艺术效果和文本效果。但在2015年、2016年我们开始时，我们做了100多步实验和对比，当时看达成现在效果是很惊人的。当时大部分同事来自谷歌的DeepMind，他们有从业经验，但思想相对比较狭窄、受到束缚。

我们在OpenAI一开始有两大想法：一是让机器具备一种无监督学习能力，虽然今天我们认为这是理所当然的，但在2016年没有任何科学家有过相关的经验和洞见。“数据压缩”是技术上的瓶颈，ChatGPT实际上压缩了我们的训练数据集。最后我们还有一种数学模型，通过不断训练让我们压缩数据，这其实是对数据集的挑战。这个想法在Open AI最后展示中显示了成果，训练出了神经网络。

我们希望能够去训练神经网络预测下一个单词。我觉得，下一个神经元单位会和整个视觉神经网络密切相关，这重新证明了，下一个字符的预测、下一个数据的预测能够帮助我们去发掘现有数据的逻辑，这个就是ChatGPT训练的逻辑。

老黄：ChatGPT在全球揭开了一个工作的原理，就是只要我知道了这个工作的基本逻辑是什么，就能够观察学习下一步工作。（背后数据处理逻辑是什么样的？）

伊利亚：我可以用另一种方式描述这一过程。未受监管的数据不是更关注数据来源，而是关注你一开始为什么要寻找这些数据。关键你要意识到，训练这些神经网络识别文本是值得努力的目标，因此要用更多信息、语法预测下一个字符，这就是我们最想做的事情。

四、原理：海量数据是ChatGPT基础，人类反馈更重要

老黄：这么多年来，你一直说扩大数据规模能帮助提高AI能力。你认为GPT-1到GPT-4的演变过程，是否符合摩尔定律？你对数据集的扩大是否有预期？

伊利亚：OpenAI的一大目标是如何正确地扩大数据集，如何提升数据的高精准度。

比较明确的是，我们当时在做Open AI项目的时候，希望它能做一些策略*，比如一个竞争性的体育游戏，它必须足够快、足够聪明，还要和其它队竞赛。作为一个AI模型，它其实是不断重复了这样一个基于人类反馈的强化学习过程，我们希望AI得出的结果和全球冠军队进行对比，从而进行继续迭代学习。

老黄：人们有一定误解，ChatGPT只是一个很大的语言模型，但我相信背后是有一个系统。你是如何精准调控给予人类反馈的强化学习的？是不是有其它附属系统支持ChatGPT的表现？

伊利亚：我可以给大家解释一下，我们的工作原理是不断训练神经网络体系，让神经网络去预测下一个单词。

基于过去我们收集的文本，以及看上去像在学习。实际上ChatGPT不仅是表面上的学习，而是预测的单词和过去的单词之间达成一定的逻辑上的一致。过去的文本其实是投射到接下来的单词的预测上了。从神经网络来看，它更像是根据世界的不同方面，根据人们的希望、梦想和动机得出的一个结论。神经网络体系了解了我们的情况，做出了一些展示。

但模型还没有达到预期的效果。

作为一个大语言模型，真正想做的是从一个随机写作的文本，如何随便摘几个句子做前言，在此基础上，不需要做额外的训练就能让ChatGPT写出一篇符合逻辑的论文。所以，我们不是简单地根据人类经验完成AI学习，而是根据人类反馈进行强化学习。我们是在教AI，和AI交流。人类的反馈很重要，越多的反馈会使AI更靠谱。

所以除了第一阶段让AI具备预测下一个单词，第二阶段的人类反馈更加重要，这决定了世界是什么样的。

老黄：你可以让AI做某些事情，那么能不能让AI不做某些事情？比如说告诉AI界限在哪里？

伊利亚：可以的。我觉得第二个阶段的训练，就是和AI、神经网络去进行交流。我们对AI训练得越多，AI的精准度越高，就会越来越符合我们的意图。所以我们不断地提高AI的忠诚度、准确度，它就会变得越来越可靠、精准，而且越来越符合人类社会的逻辑。

五、挑战：ChatGPT逻辑思维较死板，“不懂装懂”也是大问题

老黄：GPT-4的表现非常让人震惊，它接下来会有什么样的改善？

伊利亚：GPT-4基于过去ChatGPT的性能做了很多改善。

我们对GPT-4的训练大概是从6-8个月之前开始的，GPT-4和之前版本GPT最重要的区别，就是GPT-4是基于更大精准度去预测下一个单词的，因为有更好的神经网络帮助预测，让人有更清楚的理解，与过去的直觉有所不同。

比如说你自己在读一篇推理小说，小说中有各种不同的人物和情节、密室、有谜团，你在读推理小说的过程中完全不清楚接下来会发生什么。在最后一页，你知道谁是凶手。通过小说不同的人物和情节，你会预测凶手有几种可能性，GPT-4所做的内容就像一本推理小说一样。

老黄：GPT-4展现出了逻辑推理能力，语言模型是如何学习到推理和逻辑的？它现在还有什么样缺陷，需要接下来的版本上更进一步优化？

伊利亚：神经网络或许会面临一些挑战，逻辑和推理无法更精准定义。神经网络或许有一些缺点，比如让它打破固有思维模式，这就是神经网络能走多远的问题。

我们认为GPT的推理确实还没有达到我们之前预期的水平，我们希望推理和逻辑达到更高水平。如果我们更进一步扩大数据库，保持过去的商业运转模型，它的推理的能力会进一步提高，我对这个比较有信心。

老黄：ChatGPT有一种自然而然的属性，它能够不断去理解。

伊利亚：神经网络确实有这些能力，但是有时候不太靠谱，这也是神经网络接下来推广面临的最大障碍。

在很多情况下，神经网络会夸张、犯很多人类根本做不出来的错误。现在我们需要更多的研究来解决这些“不可靠性”，这会帮我们比较精准的结果，或者让神经网络去学会说“我不知道”，这是当下面临的一个瓶颈。

（老黄：编造也是ChatGPT面临一个问题。）

现在GPT-4的模型已经被公开发布了，它其实没有追踪数据模型的能力，它是基于文本去预测下一个单词的能力，所以是有局限性的，是数据调节出来的结果。

有些人可能会让GPT-4去找出某些数据的来源，然后会对数据来源做更深入地调查。

总体而言，尽管GPT-4并不支持内部的数据收集，它肯定会在持续的数据深入挖掘之中变得更加精准。GPT-4已经能够从图片中进行学习，并且根据图片和内容的输入进行反馈。

六、趋势：为什么要做多模态？图片理解比文字高效

老黄：多模态学习如何加深GPT-4对于世界的理解？为什么多模态学习定义了GPT和OpenAI？

伊利亚：多模态为什么如此有趣，有两个原因：

第一，多模态是确实有用的。它在视觉和图像识别上特别有用，因为整个世界是由图片形成的，人们和动物都是视觉动物，人脑1/3的灰质都是用来处理图像的。GPT-4也能够去理解这些图像。

第二，随着我们对世界理解加深，通过图片或文字理解是一样的。这也是我们的一个论证，但不那么显而易见。对于一个人而言，我们可能一生之中只会说10亿个词。

老黄：也就是说我脑海中闪过10亿个词？居然有这么多。

伊利亚：是的，我们可以计算一下人一生的时间有多久，以及一秒能处理多少词，如果再减去生命中睡觉的时间，就能算出一生处理了多少单词。

人和神经网络不同之处，就是有些过去对于文本而言的话，如果我们有一个十亿级的词汇无法理解的话，可以用万亿级的词汇来理解。你问ChatGPT两张图片哪个是紫色和橘色，它能够回答。这就是我们对于世界的知识和信息，可以通过文本慢慢渗透给AI的神经网络。但如你加上视觉图片等更多的元素，神经网络可以更精准地学习。我不是想说神经网络学习图片、文字上更倾向于学习图片，一个人，如果在十亿级图片学习是更高效的。

老黄：我们想要人工智能智能去理解事物背后的深层含义，比如日常一句话语调差别可能导致不同含义。这些模态会不会对AI去理解文本有一定帮助呢？

伊利亚：是的，你说的这类场景非常重要。对于语音和语调，包括声音的大小和语气，可能它们对图像、文本没那么重要，但也是非常重要的信息来源。

七、展望：加强可靠性，不懂的事情要说“不知道”

老黄：根据你们公布的任务，GPT-4在哪些内容上比GPT-3做出了更多的进步？

伊利亚：比如说在一些数学竞赛上，如高中数学竞赛，很多问题是需要图表来解答的。GPT-3.5对于图表的解读做得特别差，而GPT-4只需要文本，准确率大约能从2%提升到20%。如果加入视觉进行推理和交流，能得到更好效果。或许在ChatGPT的新版本，我们会推出更多视觉交互模式。

老黄：AI是否可生成专属于AI的数据来自我训练，形成一个闭环的模型？就像我们人类通过自己不断地去学习外部的世界、通过自我反思、通过解决问题来去训练我们自己的大脑。

伊利亚：我不会低估这个部分已经存在的数据，甚至比我们意识到的数据更多。

老黄：你是否可以总结一下现在AI所的发展阶段？展望大语言模型的未来是什么样的？

伊利亚：预测未来是很困难的。我们希望提供更多令人感到惊艳版本的系统。我们希望提高数据的可靠度，让系统真正能够获得人们的信任；如果系统不能完成预期，就说“不知道”，这是我们现在最大的问题。

如果让生成式的AI去总结某一些文本，然后得出一个结论。在AI在解读这个文本过程中，不会去验证文本的真实性以及文本所说的信息的来源，这一点是很重要的。我们让神经网络必须要意识到所有数据来源的真实性，让神经网络意识到用户每一步的需求，这是我们对未来的展望。

老黄：你第一次使用ChatGPT-4的时候，有哪些性能让你觉得特别惊艳和震惊的？

伊利亚：简而言之是它的可靠性。

对比之前的ChatGPT版本，神经网络只会回答问题，有的时候也会误解问题，但是GPT-4基本没有再误解问题，会以更快的方式去解决数学难题，能够去处理复杂的艰难的任务，这个对我来说特别有意义。

还有另一个例子，它能够写押头韵的诗，也能够写押尾韵的诗。并且它能够去解释笑话，能明白这个笑话背后到底是什么样的原理。

总体而言，我在这个行业从业差不多二十多年了，特别让我震惊的是，它是有用的，可以给人类带来帮助的。它从最开始毫不起眼的工作领域，慢慢变得越来越强。同样的一个神经网络，通过两种不同的方式来训练，能够变得越来越强大。

所以我会有一个惊叹时刻：退后一步看，这些神经网络是如何去成长如此之迅速的？我们是不是需要更多的训练？它是不是会像人脑一样不断成长？这让我感觉到特别惊讶的方面。

结语：算法算力数据20年迭代，推动今天ChatGPT引爆全球

一项引爆全球的技术背后，是20多年的一个小畅想“火种”的不断进化迭代。技术创新的逻辑也并不复杂，“让机器预测下一个单词”听起来简单，但最终产品走向世界却经过了长达20年一批又一批人的研究努力。

通过老黄和伊利亚两位大佬的对话，我们看到ChatGPT已经能够满足不少理解和问答需求，多模态也将增强模型的效率。下一步，如何让模型更加可靠，保证信息真实性，同时让机器意识到自己“不知道”，这些问题都将成为研发重点。

可以预测的是，这一波ChatGPT带动AI的又一次跃进。不论上层应用能否蓬勃发展起来，智能算力需求无疑都将大大释放，老黄无疑又成了背后稳稳的赢家。返回搜狐，查看更多

责任编辑：