我对OpenAI，知之甚少

今天终于如常所愿。

在网上，我看过太多关于OpenAI的新闻，见过太多关于OpenAI的分析，我自己也根据这些新闻和分析，写过不少关于OpenAI的思考。

但是，说实话，我并不确定我的思考对不对。因为我从来没有和接近OpenAI的人，有过直接的交流。我对OpenAI，知之甚少。

所以，这次来硅谷，我一个非常重要的目标，就是能约到接近OpenAI的人。最好是OpenAI的员工。最好最好是OpenAI的早期员工。因为他们，最能理解这家公司如何崛起。如果能和他们做些深入交流，就能纠正自己的很多错误思考。

今天，问道全球的企业家朋友们和我一起，见到了Pieter Abbeel。

（Pieter Abbeel&刘润@硅谷）

Pieter，是加州大学伯克利分校的教授，机器人学习领域有重要影响力的科学家。他曾担任OpenAI的顾问。重点来了。2016年，他全职加入了OpenAI，是OpenAI最早的10名员工之一。后来，他离职创业。他联合创立的人工智能公司“Covariant”，今天的融资规模，已经超过2亿美金。

这是一个非常难得的机会。我忍不住问了很多问题。Pieter很有耐心地逐一回答。很多问题的答案，和我想的果然完全不一样。但是很受启发。

当然这些答案，并不能代表OpenAI官方。我想强调一下。下面这些，是Pieter的观点，不是OpenAI的观点。但我还是想分享给你。希望你能至少多听到一种，可能不同，也可能不对，但至少离OpenAI比较“近”的声音。

好的。我们开始。

一、AI，是不是过热了？

我们的第一个问题是：AI，是不是过热了？

是的，Pieter说，AI是过热（Hype）了。

2012年之前，我每天的工作，就是回回邮件，读读论文，教教书。很清静。因为校园外面根本就没有人关心，AI是什么。

但是，2012年之后，一切都变了。亚马逊的杰夫·贝佐斯邀请我，一起讨论AI可以做什么，微软的比尔·盖茨邀请我，一起讨论AI能做什么。一夜之间，所有人都在讨论，AI是什么，能做什么。

从这个意义上来说，AI是过热了。

但也许，AI事实上并没有过热。因为，AI并不需要这个“热度”。

你设计了一款虚拟货币，如果这款虚拟货币没有“热度”，大家都不用，它就不存在了。你设计了一款社交软件，如果这款社交软件没有“热度”，大家都不用，它就不存在了。

但是，如果有人说AI是过热，他们选择不用，没问题。不用就好了。因为他不用，丝毫不影响AI对我的价值。我用。那么，他的生产力就不如我。他会逐渐被淘汰。

这就是AI的美丽之处。它的价值，不依赖于别人。AI会越来越热。

而这一切，都从2012年开始。

二、这一切，都从2012年开始

为什么是2012年？

Pieter说，如果你走出这个房间，明天就要和某人分享什么是AI，我希望你记住，两个重要的时间点。

第一个时间点，就是1956年。

这一年，一些数学家和科学家聚集在达特茅斯（Dartmouth），讨论未来的计算机是否能像人类一样聪明。他们中间不少人，后来获得图灵奖和诺贝尔经济学奖。

在这次会议上，他们首次把这种想象中的“机器智能”，命名为人工智能（Artificial Intelligence，也就是：AI）。

因此，1956年，也被称为人工智能元年。

第二个时间点，就是2012年。

从1956年到2012年之间，AI有什么进展？

用三个字来形容，那就是：没进展（not much works）。大家尝试了很多方向，但都举步维艰。AI比想象中难太多了。直到2012年。

这一年，AlexNet横空出世。三位杰出科学家，用卷积神经网络技术，让AI对猫狗照片的识别率，首次超过人类。

这三位杰出科学家，除了AlexNet名字里的Alex Krizhevsky（亚历山大·克里切夫斯基）之外，另外两位，一位就是后来OpenAI的联合创始人、首席科学家，llya Sutskever（伊利亚·苏茨凯弗）。另一位就是谷歌副总裁、深度学习之父，Geoffrey Hinton（杰弗里·辛顿）。

他们为人工智能，找到了正确的道路。之后，就是规模的事了（Scaling Law）。参数规模。数据规模。

有意思。

参数规模很重要。数据规模很重要。但是AI学习的大规模的数据，它们的知识产权，应该归谁呢？

三、AI学习数据的知识产权，到底属于谁？

好问题，Pieter说。

2023年，《纽约时报》起诉OpenAI及其投资方微软，称其未经授权，使用了其数百万篇文章来训练AI大模型。纽约时报要求赔偿以及销毁，其使用其版权材料的AI模型和训练数据。

这个指控有没有道理呢？

Pieter说，我认为是有道理的。AI学习你的数据，应该获得你的同意。如果用AI通过用这些数据训练的模型赚到了钱，也应该分给内容创作者。

为什么？

你花100美元买一本书。然后因为学习了这本书里的知识而赚了钱，是不用把钱分给书作者的。因为你已经付过钱了。你付了100美元。像你这样的人，可能有1000人，或者1万人，甚至100万人。每人付100美元，这位作者就能养活自己，然后继续创造更有价值的知识。

但是，AI不一样。AI学完这本书之后，很可能全人类就不用学了。他们问AI就行了。也就是说，理论上一本书的作者，未来可能只有一位读者，那就是AI。因此，这位作者写一本书，就只能赚到100美元。100美元养不活一位作者。于是人类将会失去创造知识的动力。而因此，人工智能也再无知识可学。

所以，AI应该给纽约时报分钱，应该给每一位内容创作者分钱。

但是，今天AI还没有这套机制，能算清楚每一条收费的回答中，有多大比率，用了哪些内容创作者的知识。如果这套机制被创作出来，因为过于复杂，可能会用2美分的计算成本，分给了作者1美分的内容收益，得不偿失。

但是，这确实是未来需要解决的一个问题。

理解了这个问题，你就会理解，为什么《纽约时报》会起诉OpenAI，却不起诉谷歌了。

四、流量生成器

你仔细想想，谷歌是不是也抓取了《纽约时报》的内容？

谷歌是搜索引擎。搜索引擎的工作原理，是先抓取整个互联网的内容（当然包括《纽约时报》），然后分析其中的关键词，以供用户快速搜索。

那么，为什么《纽约时报》会起诉OpenAI，却不起诉谷歌？

因为谷歌是一个流量生成器（Traffic Generator），而OpenAI不是。

你在谷歌上搜索“特朗普今年会当选吗”。出来很多文章链接。其中一篇来自《纽约时报》。你点了进去。谷歌生成了流量，然后转手送给了《纽约时报》。然后，你是在《纽约时报》上，看完这篇文章的。你可能也同时看完了《纽约时报》上的广告。《纽约时报》赚到了钱。

但是，OpenAI不一样。因为OpenAI给用户提供答案时，并不把用户引导回这个内容的源头。创造内容的人做出了贡献却没有回报，而与此同时，OpenAI，以及所有聊天机器人，却因此而获益。

所以，人们会起诉OpenAI，却不会起诉谷歌。聊天机器人和内容创作者之间的关系，是一个需要解决的问题。

醍醐灌顶。一直以来的困惑，终于被解惑了。

那么，你觉得，美国的AI会一直领先于中国吗？

五、美国的AI，会一直领先于中国吗？

Piete说，我认为不会。

作为人类，美国人和中国人之间，并没有本质区别。只要足够努力，我觉得没有理由，一个国家可以永远领先于另一个国家。

而且从历史上来说，美国在研发上，可能是更擅长于研发，可探索新方向。可是，一旦“北极星”（North Star）被找到，就到了中国更擅长的部分了。那就是向同一颗“北极星”，拼命奔跑。

现在AI的“北极星”已经被找到。下面的问题，就是更多的数据，和更多的算力了。所以，大家最终的水平可能会差不多，因为是同一颗“北极星”。

可是，不是听说，OpenAI已经开发出更先进的ChatGPT，即将甩所有人一大截，并遥遥领先了吗？

六、OpenAI，正在憋大招吗？

我不知道。

我已经不在OpenAI工作了。如果我还在OpenAI工作，我可能也不被允许评价此事。

所以，这是我个人的猜测。我猜测，现在OpenAI肯定是领先的，但可能没有“那么那么”领先。Anthropic正在迎头赶上。Google正在迎头赶上。在公开市场上，OpenAI并不“遥遥领先”。

而OpenAI喜欢保持“领先的姿态”。如果OpenAI确实已经有了一个“遥遥领先”的版本，他们可能已经发布了这个版本，以提醒所有人，OpenAI永远是领先者。

我并不真的知道。我只是高度怀疑。

另外，最近有不少人从OpenAI离职。如果OpenAI的下一个产品遥遥领先，他们的员工没有理由激动地加入其他远远落后的公司。

OpenAI绝对是领先的。但是可能没有“遥遥领先”。

了解。感谢Pieter。那么，是什么阻止AI继续获得突破性进展呢？

三个问题。算法、算力，和数据。

七、算法：Transformer，一定是最好的架构吗

2017年，谷歌提出了Transformer的算法架构。这是今天大模型的基础。也是ChatGPT里的“T”。

Transformer模型被证明非常高效。但是，它一定是最高效的吗？我想，在某个地方，一定有比Transformer更高效的模型。我们对人类的大脑的研究，还是不够的。

这是一个开放式问题。因为大家都在寻找答案。很多大学都在研究这个问题。但是今天，谁都没有答案。

再比如，能耗。

八、算力：AI能耗，是人类的上万倍

今天的AI，需要太多的算力。也因此需要太多算力背后的电力。也就是能源。

人类的大脑，耗能只有20瓦。但是今天的GPT，功耗是几万，甚至几十万倍于人脑。

那么，有没有可能，有一天我们的AI，不是基于“硅”来计算，而是基于类似于人脑的“化学反应”来计算？

这是一个很容易想到的，但却没有人做的事情。因为这不容易。

现在，已经证明规模是有用的。所以，把规模做大，是有确定的结果的。但是从0到1研究，基于“化学反应”的计算，结果完全不确定。所以没有什么人做。

另外，还有数据。

九、数据：只有思考结果，没有思考过程

今天我们用的所有数据，都是人类“写下来”的。

但是，你认真想想。人类是不是要先做很多的思考（thinking），才有可能写下（writing）一些结论？

AI没有看到我们的思考过程，它只看到了我们的思考结果。所以，也许只有人类把所有思考的过程都写下来，或者说出来，AI才能根据这些数据，具备真正的“推理”（reasoning）能力。

所以，我们的数据看上去很大，但是缺失了非常大的一个部分。

十、打开思维的疆界

算法。算力。数据。

脑洞大开。

2022年11月，这个世界彻底变了。这个月，OpenAI发布了ChatGPT 3.5。

ChatGPT 3.5，就像按下了一个“不可撤回”的开关，打开了一扇从未见过的大门。原来，门外还有比人类更聪明的物种：AI。整个世界为AI而兴奋，也为AI的挑战而焦虑。

但是，到底AI会如何改变这个世界？我很有幸，听到真正的顶级科学家的最前沿思考。虽然这些思考，也不一定对。虽然这些思考，在科学家界也有争议，但是打开了我思维的疆界。

感谢Pieter。收获巨大。

不管这个世界怎么变，我们要做的都是去理解这个变化，适应这个变化，拥抱这个变化，最终善用这个变化。

希望，AI最终能让全人类受益。