观点 / 刘润 主笔 / 尤安 责编 / 李桑
这是刘润公众号的第1841篇原创文章
昨天，一觉起来，美国的OpenAI正式官宣了大模型GPT–4 。
距离上次基于GPT–3.5的ChatGPT的推出，才刚刚过去105天。
科技进步的速度和力度，再一次让人震撼。
好像刚感叹完GPT–3.5通过谷歌程序员面试，GPT–4就已经把美国的模拟律师资格考试都考到前10%了。
转战到考场，也能把美国高考题（SAT考试），做出可以进哈佛的成绩。
甚至，还展现出了识图方面的巨大潜力。
我们总认为，不着急，还有很多AI做不到。
但是，AI一项一项，都做到了，而且是以超乎人们想象的水平做到。
于是，很多人开始着急，急着寻找机会。
但是在寻找机会之前，建议你，一定沉下心，再看一看。
看懂这个席卷了我们一次又一次的GPT，到底是什么？
GPT-4
已知，GPT–4，应该比GPT–3.5厉害。但是，到底厉害在哪儿？
GPT–4正式发布前，有2个猜测：
1，GPT–4的机器学习参数，将从1750亿个，增加到100万亿个。能力差距，堪比一个月薪1750元的人，和一个月薪100万元的人。
2，GPT–4将支持多模态，也就是文字、图片、音频，甚至视频等。能力差距，堪比一个聋哑且盲的人，和一个耳聪目明的人。
相当震撼的猜测。
而openAI的老板Sam对此的回应是：一派胡言(complete bullshit)。
真的是一派胡言吗？
实际发布的结果是：GPT–4的能力，看起来确实提升了。
但是：
1，具体学习参数，没公布。OpenAI只给这次迭代定了个性： “GPT–4比GPT–3.5更可靠、更有创造力，并且能够处理更加细致复杂的指令”。
2，支持多模态，但是就多了一个图片，并且只支持你输入图片，轮到GPT输出时，依然只打字回你。
进步的步子迈多大，不明确，但大方向，却是大致准确的。
要真正理解GPT，这2个大方向，建议你真的看懂：大模型，多模态。
先说说，这次GPT–4最亮眼的更新：多模态。
多模态，很了不起吗？
多模态
多模态是什么？
想象一下，同事忽然发你一句微信消息：“嘘，王总在你后面。”
你收到后马上回头，看到王总，打了一声招呼：“王总。”
这件事，要做到，很了不起吗？
很了不起。短短几秒钟，你一口气处理了文字、声音、图像等多种信息数据。
多模态，就是多种信息数据的模式和形态。
而这些种类不同的信息数据，比如你在消息里认出的文字，回头看到的一个图像，嘴里说出的一段声音，有时还指向同一个信息：“王总”。
对你来说，在多模态中识别和对应出同一个“王总”，很简单，好像没什么了不起。
但对GPT来说，却是一个远大的理想：跨越多个模态，处理更复杂的任务。
这个理想，为什么远大？
因为，要做到，你首先得有眼睛和耳朵。
升级前的ChatGPT，只能摸索着，用文字和你交流。
但升级为GPT–4后，ChatGPT从此有了“眼睛”。
你发它一张图片，它能“看到”，还能“看懂”，并以此为基础，帮你处理更多任务。 比如，帮你P掉“王总”。
这，就是多模态之于GPT–4的意义：进化出了眼睛。
了不起。但，这还不是GPT–4进化的全部。
大模型
另一个被频繁提起的进步，是GPT–4的基本功——语言能力。
短短105天 ，GPT的语言模型，又得到了新一轮的进化。
一方面，“单词最大输出限制”，提高到了 25000 个单词。
原来，给它处理一篇文章，稍微字多点都不一定能发完整，现在，很多人甚至直接丢网页、PDF给它处理。
并且，在理解和回答问题，尤其是比较复杂的问题时，GPT–4也显得更聪明了。
怎么变聪明的？
简单来说，就是GPT-4的“大脑”变得更大，“神经元”变得更多了。
2018年的GPT，参数量是1.17亿。
2019年的GPT–2，参数量是15亿。
2020年的GPT–3，乃至后来基于GPT-3.5的ChatGPT，参数量是1750亿。
昨天发布的GPT–4，虽然官方没有公布具体参数量，但也没人会小看它的参数量。
GPT一出手，就是以亿为单位的参数量。而且每年还在疯狂翻倍。
这，就是提到GPT时，总会提到的“大模型”。
大量的参数，就像大量的神经元，这往往也意味着，更大概率能“猜中你想要的答案”。
人们常常把这种特点，称为：“聪明”。
想想这种量级的参数量，再看看GPT–4那些“碾压”人类的考试成绩单，似乎也能心理平衡了。
虽然，还是不太好接受：难道，要聪明到可以碾压90%的人类，只需要参数量够“大”就行了吗？
没那么简单。
你有没有想过，当你打开ChatGPT的对话框，打出一个问题时，屏幕那边的ChatGPT，是怎么做这道题的？
比如你在对话框里问: “床前明月光，下一句是什么？”
作为一个人工智能，而不是人，ChatGPT从一开始，答题的路子，可能就和你完全不一样：
它根本不回忆，而是转头就去网上抓数据。看看都有哪些地方出现了“床前明月光”。
再用它那同时“考虑”上亿个参数的“脑子”算一件事：
排在这句之后的字，都有哪些？根据上下文，这些字是正确答案的概率都有多高？
然后转头就把算出来概率最高的文字，选出来，在对话框里回复你。
找组合，算概率，比大小。
你问的是语文题，它做的是数学题。
因为做数学题，才是模型的本质。
那，会不会做错呢？
会。如果，它从网上找的数据样本，刚好是一些错误很多的盗版书，最后通过计算，回复你的是“洒了一碗汤”，怎么办？
显然，模型并不在乎对错，但是人类在乎。
这时，人类就会做一件事：优化它，训练它。
怎么训练?
不如回想下，你是怎么做出这道题的？
首先你先在课本上看到过这首诗。
然后，再做过一些练习题。做完后对答案，有人告诉你对还是错。
对了，加分，你开心，从此记住答案是这个。
错了，扣分，你难过，再去找正确答案。
GPT，也差不多。
先“看书”，输入庞大的数据。
然后“做题”，并得到“反馈”。
做对，加分。做错，扣分。
和你不一样的是，AI不会开心和难过。
但，谁不喜欢分数高呢？
几亿个参数和相应的权重值都会根据这种分数反馈，再调整，再调整。
直到无限趋近于准确。
听起来是不是很完美？但，却有一个重大的难点。
训练，是需要成本的。
参数量有多惊人，成本就有多惊人。
当一个需要同时“考虑”上千亿，甚至更多参数的“大脑”运转起来时，会需要哪些成本？
首先，每次训练，都能花掉上海几套房。
有数据显示，训练一次以GPT–3.5为模型的ChatGPT模型的成本，都要460万到500万美元。
此外，要入局GPT这种级别的产品，“入场券”也非常昂贵。
比如要达到相应的算力，光更早的GPT–3在训练中，都需要用到1万枚英 伟达GPU芯片。
以目前比较主流的英伟达A100芯片为例，一颗价格约8万元。
每颗8万元，1万颗，一开局光是芯片的花费，都要8亿元以上。
如果看到这还有勇气考虑，不妨参考ChatGPT的公司OpenAI。
OpenAI在之前基于GPT–3.5的ChatGPT上，就至少付了2大笔钱：
交给“机房”的钱，比如算力和数据，就要近20亿元。
交给“人”的钱，比如科学家、工程师的工资，也要近5亿人民币。
这，还不算每天可能高达几万美金的电费。
而新出来的GPT–4, 作为“更聪明”的“大脑”，算力成本可能又是一个新的台阶。
这些，都是“聪明”的价格。
如此昂贵，却总有人愿意付。
最后的话
比如，陆续投资了ChatGPT近900亿人民币的微软。
微软的必应搜索，在目前的全球搜索引擎市场中，份额占比为个位数，排在它前面的，是份额占比超90%的Google。
但是，在搭载了ChatGPT后，必应在它的搜索框里，昂首挺胸地设置了这么一句话：
Ask me anything…
昨天，GPT–4发布后，微软更是骄傲地宣布：
新版必应搜索，已经在更早，就用上了GPT–4，过去五周中很多人体验的必应就是GPT–4加强过的。
今天，百度也正式发布了文心一言。
它会成长为中国的OpenAI吗？
现在，还不知道。
中国，会有属于自己的GPT–4吗？
现在，也还不知道。
但是可以明确知道的是：不容易。
数据不容易，芯片也不容易。
但是，我们面对这种不容易的情况，还少吗？
以前怎么办，现在就怎么办。
祝福。
2023年，确定性在哪里？3月20日，下周一晚八点
点击下方按钮预约，分享一些我的感悟
原文链接：https://c.m.163.com/news/a/HVVJVAU705199MO5.html
