联系我们 - 广告服务 - 联系电话:
您的当前位置: > 热点 > > 正文

【全球聚看点】中海基金姚晨曦:ChatGPT具备颠覆性 人工智能发生质变

来源:互联网 时间:2023-04-14 08:57:55

嘉宾介绍:姚晨曦,复旦大学金融学专业硕士。曾任上海申银万国证券研究所二级分析师。2009年5月进入中海基金管理有限公司工作,历任分析师、分析师兼基金经理助理,现任权益投资部权益投资副总监、基金经理。

ChatGPT爆火,科技巨头争相布局业务,大量资本跟进投入,受欢迎程度和应用前景潜力深受认可。A股市场上,“ChatGPT概念股”也是风生水起,股价飙涨下出尽了风头。那么ChatGPT到底有何出彩之处,其颠覆性体现在哪里,该如何去看待?


(资料图片)

中海基金姚晨曦表示,ChatGPT有两大突破,首先是通用性,可以实现非常复杂的功能;其次是通过大量数据进行无监督的学习模式,具备快速迭代的能力。ChatGPT在三个维度具备颠覆性,第一,人机交互方式改变;第二,AI成为通用型助手;第三,实现人力无法完成的内容生产模式。

以下为文字精华:

1、中海基金姚晨曦:ChatGPT现两大突破 人工智能发生质变

姚晨曦:ChatGPT的使用效果确实非常惊人,如果这种效果能够落地真正实现商业化,会给很多领域带来颠覆性的变化。

第一个,人机交互方式会发生很大的改变,因为ChatGPT首先是一个语言模型,它可以完成语言的自然理解,这样我们跟机器的交互方式就会改变。以前的人机交互,首先底层可能是程序代码的方式,上面一层是图形界面,不管是电脑的PC操作系统还是手机的操作系统,都是以图形界面为主,以后可能就会变成完全自然语言的无障碍交流,这个可能比最初从DOS系统到Windows图形用户界面的切换会产生更大的影响。

以后不仅是操作系统可能会发生变化,智能终端的形式也可能发生改变。现在PC需要借助鼠标和键盘,手机需要有触摸屏,如果是直接的自然语言交互,像现在的一些手表、智能音箱包括智能耳机,这些可穿戴设备就能发挥更大的作用。

其次,现在人机交互的底层是通过程序代码的方式来实现的,现在已经出现只要输入语言,然后AIGC可以自动产生程序代码,自己去完成运行,程序软件的开发领域也会发生巨大的变化。

一方面可能一些基础的代码不需要自己去写了,另外一方面,软件层面可能会发生很大的变化,以前每个软件是完成一个特定的功能,编写好了程序以后,如果大模型能够完成的话,我们就不需要这么多软件了,所以整个行业都会发生很大的变化。

第二个,AI可以帮助人类完成很多相对比较简单的任务,一个模型如果它是多模态的话,其实可以做很多的任务,会成为人类非常重要的通用型助手。

现在大家看到微软发布的Copilot了,可以帮助做文档的归纳整理,也可以协助写作,包括创建PPT,创建Excel里的一些可塑可视化的图表,包括Bing搜索整合GPT以后,不再需要一个个网页打开去看搜索的结果,再重新把信息整合,现在只要问一个问题,AI直接会反馈好整理归纳以后的文字和结果。

再例如谷歌展示的多模态模型结合机器人,机器人可以直接接受语音指令,去完成一对来说比较复杂的任务,可以帮人从抽屉里面拿东西,可以去干各种各样的事情,所以以后很多简单的工种真的有可能会被人工智能取代。

第三个,内容生成方面,AIGC通过人工智能去生成内容,可以帮助一些内容创造产业降低成本,例如文字的创作,一些图片和视频的制作。现在AI制图的效果就已经非常惊人了,更重要的是它可以创造一些单纯靠人力无法实现的内容生产模式。

比如说前几年一直讲的VR和元宇宙,之前很难实现,原因是一个虚拟世界里面其实涉及大量的3D场景的制作,而且是天量的,如果单纯做一个三A级的游戏,这里面的成本就很高了,需要大量的人力堆积,如果是元宇宙和虚拟世界的话,靠人力这里面的场景创造几乎是不可能实现的。

但是人工智能发展起来的话,它可以代替人类去实现场景的搭建,VR和元宇宙就可能成真。如果乐观预期的话,我们的生活可能会因为人工智能的发展发生天翻地覆的变化,包括很多电影中我的幻想场景可能会成真。孕育的投资机会是非常大的,可能比上一轮的“互联网+”影响更大,这也是市场为什么会这么关注,会有这么高的期待,包括股市里这么大反应的原因。

当然路还是要一步步走,饭要一口口吃,我们可能还是要跟踪行业的发展,看看海外的模型迭代以及各个领域应用落地的情况,包括国内模型的跟进发展情况,可能需要一个逐步的过程。

2、中海基金姚晨曦:ChatGPT不断演变发展 三维度具颠覆性

姚晨曦:ChatGPT的使用效果确实非常惊人,如果这种效果能够落地真正实现商业化,会给很多领域带来颠覆性的变化。

第一个,人机交互方式会发生很大的改变,因为ChatGPT首先是一个语言模型,它可以完成语言的自然理解,这样我们跟机器的交互方式就会改变。以前的人机交互,首先底层可能是程序代码的方式,上面一层是图形界面,不管是电脑的PC操作系统还是手机的操作系统,都是以图形界面为主,以后可能就会变成完全自然语言的无障碍交流,这个可能比最初从DOS系统到Windows图形用户界面的切换会产生更大的影响。

以后不仅是操作系统可能会发生变化,智能终端的形式也可能发生改变。现在PC需要借助鼠标和键盘,手机需要有触摸屏,如果是直接的自然语言交互,像现在的一些手表、智能音箱包括智能耳机,这些可穿戴设备就能发挥更大的作用。

其次,现在人机交互的底层是通过程序代码的方式来实现的,现在已经出现只要输入语言,然后AIGC可以自动产生程序代码,自己去完成运行,程序软件的开发领域也会发生巨大的变化。

一方面可能一些基础的代码不需要自己去写了,另外一方面,软件层面可能会发生很大的变化,以前每个软件是完成一个特定的功能,编写好了程序以后,如果大模型能够完成的话,我们就不需要这么多软件了,所以整个行业都会发生很大的变化。

第二个,AI可以帮助人类完成很多相对比较简单的任务,一个模型如果它是多模态的话,其实可以做很多的任务,会成为人类非常重要的通用型助手。

现在大家看到微软发布的Copilot了,可以帮助做文档的归纳整理,也可以协助写作,包括创建PPT,创建Excel里的一些可塑可视化的图表,包括Bing搜索整合GPT以后,不再需要一个个网页打开去看搜索的结果,再重新把信息整合,现在只要问一个问题,AI直接会反馈好整理归纳以后的文字和结果。

再例如谷歌展示的多模态模型结合机器人,机器人可以直接接受语音指令,去完成一对来说比较复杂的任务,可以帮人从抽屉里面拿东西,可以去干各种各样的事情,所以以后很多简单的工种真的有可能会被人工智能取代。

第三个,内容生成方面,AIGC通过人工智能去生成内容,可以帮助一些内容创造产业降低成本,例如文字的创作,一些图片和视频的制作。现在AI制图的效果就已经非常惊人了,更重要的是它可以创造一些单纯靠人力无法实现的内容生产模式。

比如说前几年一直讲的VR和元宇宙,之前很难实现,原因是一个虚拟世界里面其实涉及大量的3D场景的制作,而且是天量的,如果单纯做一个三A级的游戏,这里面的成本就很高了,需要大量的人力堆积,如果是元宇宙和虚拟世界的话,靠人力这里面的场景创造几乎是不可能实现的。

但是人工智能发展起来的话,它可以代替人类去实现场景的搭建,VR和元宇宙就可能成真。如果乐观预期的话,我们的生活可能会因为人工智能的发展发生天翻地覆的变化,包括很多电影中我的幻想场景可能会成真。孕育的投资机会是非常大的,可能比上一轮的“互联网+”影响更大,这也是市场为什么会这么关注,会有这么高的期待,包括股市里这么大反应的原因。

当然路还是要一步步走,饭要一口口吃,我们可能还是要跟踪行业的发展,看看海外的模型迭代以及各个领域应用落地的情况,包括国内模型的跟进发展情况,可能需要一个逐步的过程。

3、中海基金姚晨曦:算力与数据并重 大模型门槛高企

姚晨曦:ChatGPT发展的背后有大量的数据还有算力的推动,数据和算力都比较重要。

数据主要是影响模型训练阶段的效果,当然目前更多还是通过一些通用的数据去做训练,这些数据相对来说是公开可得的。比如说像一些知识类的数据,大家基本上都会问大英百科全书的数据,但是数据质量可能会有一些高低,比如说大家觉得英语类的数据质量会更高一些,像一些搜索引擎公司,它的数据背后还有用户搜索点击访问的跟踪。所以它可以从中筛选出来更高质量的一些数据,去给模型做训练,提高模型训练的效率,节省前期的一些算力的成本。

如果模型需要在一些专业化的垂直领域去做应用的话,其实你还需要用这些行业的一些数据去做二次训练,这里面很多数据可能相对来说就不是那么好,可能只有行业垂直领域的一些公司才拥有,像法律医学这些比较专业的领域,就会有数据的门槛。

算力对大模型来说是非常重要的,目前大模型更多还是靠提高参数,大力出击的方式来实现人工智能的质变,对于算力的要求是非常高的。这里面分成两个阶段,第一个是模型的训练阶段,这个时候就需要有足够的算力去做保证。

目前来看,可能至少要小几百台AI服务器的数据中心才能实现训练,现在大模型的训练主要基于海外开源的算法,这些算法更多还是基于英伟达的GPU去做调试和优化,需要使用英伟达的AI服务器,成本就很高。可能现在单台的AI服务器就要约20多万美元,如果搭建小几百台的话,基本上投资规模接近10亿人民币,这是基础门槛,可能也不是很多公司能够承受的。

在后期的推理阶段,还需要大量的算力,这个跟用户的访问使用量直接相关,访问使用量越大,算力需求就更大,需求量其实是没有上限的。即便是像OpenAI和微软,基于微软的运营算力,目前算力也是有限的,所以在用户的访问上面,也需要设置访问量的限制,最近我们可以看到,GPT的访问经常出现宕机的情况,也是因为算力遭遇了阶段性的不足。

更重要的是,算力本身的成本是非常重要的,当整个大模型真正进入商业化的运营和落地阶段,这个时候就必须要考虑商业成本的问题,它的单次访问成本和使用成本,能不能通过你的商业模式去覆盖。所以这个方面我们可能还得指望摩尔定律发挥作用,让算力成本可以不断下降。

责任编辑:

标签:

相关推荐:

精彩放送:

新闻聚焦
Top