「颠覆」北京邮电大学王敬宇教授：ChatGPT正在迅速颠覆传统搜索引擎，未来或成为新一代信息入口(2)

◎不可以因为AI替代了一部分劳动力就给它带上造成失业的大帽子，任何新技术、新产品都终将服务于社会大众。
以下为对话全文：
金融界：请您谈一下最新风口上 ChatGPT带来什么启示？将发生怎样的变革？
王敬宇：如果说AlphaGo当年跟李世石的人机大战还只是一场技术秀，可以写剧本、写代码的ChatGPT则像一把火，再度点燃了AI行业。ChatGPT这只“蝴蝶”掀起的“飓风”，最终让各大互联网企业也坐不住了，纷纷宣布了自己在ChatGPT所用的技术领域的相关布局。资本市场则以更大的热情来拥抱所有宣布与之相关的企业。从技术上来看，相较于小模型，ChatGPT依赖的是大模型，不仅能给出更准确的结果，还有更强的通用性和泛化能力。
ChatGPT背后依托的语言处理大模型（LLM）本身并非新算法技术。ChatGPT的核心是“算法 数据 算力 系统化”，前三点都谈得比较多了，而常常被忽略的恰恰是算法背后的“系统化”。从理论上看，穷尽所有的测试数据和训练材料，AI就会呈现出恐怖的准确率。而OpenAI正是沿着这个“理论上”的路径一路狂奔，它阅览了互联网上几乎所有数据，并在超级复杂的模型之下进行深度学习。OpenAI引入了人类监督员，对AI的回答进行打分，使得它在众多可能的回答中选择那些更加符合人类预期的答案。在涉及一些有关步骤的问答当中，让这个模型的语言前后逻辑更加明晰、有因果关联。高质量的数据加上充分的训练，人工和算法的有机配合，共同造就了今天的结果。ChatGPT被认为可能是迈向通用型AI的一种可行路径——作为一种底层模型，它再次验证了深度学习中“规模”的意义。
同时，重视人工智能的“系统化”或许也是给科研工作者带来的重要启示。
运行ChatGPT需要比较高的算力，GPT3的参数规模则达到1750亿，利用45万亿字节文本数据进行训练的人工智能算法模型，而GPT-4的参数可能将比它高出几个量级。这么高的算力投入也就意味着更强的聚焦性，核心技术向大公司、大团队倾斜，其他中小公司做应用级生态。一款产品出圈，表面上是短跑竞赛的结果，但实际上，任何竞赛背后都是长期性系统性的比拼。尊重规律、持续积累，如果能发挥出中国的集约化政策和资金等优势，催生出“量变引发质变”的结果，也可能创造出属于中国的人工智能领先级产品。
金融界：如何看待 ChatGPT 的应用趋势？会影响到哪些行业？如何来应用好这一新产品？存在的瓶颈会是什么？