首页 > 人物

周鸿祎:发展大模型要有AI信仰

2023/12/12 17:39      投资界   


  2023(第二十一届)中国企业*年会与12月9日-10日在北京举行,360公司创始人、董事长兼CEO周鸿祎在会上精彩发言。

  以下为部分发言实录,投资界(ID:pedaily2012)整理:

  1、长期主义

  提起企业家精神,*,永远在创新,通过创新在市场上寻找新的机会;第二,把一件创新的事长期主义坚持下去。

  2023年最创新的事是人工智能大模型的突破,大模型绝不只属于少数做大模型的公司,而是在我们各个企业家生意里的各个场景,未来这些场景和大模型的结合会带来很多红利。

  此次大会的主题叫“致敬长期主义”,为什么大模型和OpenAI诞生在美国?OpenAI用到的技术都是开源的技术,很惭愧地说,国内包括我在内的很多企业家,还是有点缺乏长期主义,我们都比较现实地用人工智能模型解决自己广告的点击率问题,解决自己很多眼前现实的问题。

  OpenAI是真正拥有长期主义。他们就想到底人类能不能做出通用的人工智能,到底能不能把人类知识训到一个大模型里。其实这个大模型原来早就有,谷歌、Facebook也有,但是从来没有人想过把人类的所有知识训练到一个大模型里,后来他们去尝试了,结果大力出奇迹,用很暴力的方法把很多人类的知识训练到一个大模型里就产生了GPT。

  尽管ChatGPT已经问世一年了,依然有很多人不相信大模型是一次真正的突破,质疑大模型它不是真的人工智能。我们做了20年的搜索引擎、做了很多自然语言处理的工作,如果你真正去用这些大模型会发现,这次确实是狼来了,确实是通用人工智能一个拐点,因为它是人类*次让电脑能够把人类所有的知识理解、存储、推理,对人类的语言有了完整的了解。

  语言为什么这么重要呢?因为我们人类和动物*的差别,是我们用语言在描述这个世界,所以一旦机器理解了人类的语言,跟人类能够自如地对话,就意味着机器也理解了这个世界的模型,在此基础之上很多问题就会迎刃而解。

  在这个突破之前我们人工智能做的不叫人工智能,叫人工智障,很多人都深受其害,比如你跟家里的智能音响或者跟苹果手机里的siri较劲半天,稍微复杂的话他就不理解,因为没有很多先验知识的储备。这次大模型真正实现了这个突破,我觉得这是长期主义成功的例子。

  2、不要低估大模型未来发展的潜力

  很多人走了另外一个极端,说我们做一个养猪大模型吧,大家对大模型充满了无限的向往和不切实际的膜拜。我认为不要高估现在大模型的能力,但是也不要低估大模型未来发展的潜力。大模型的技术路线突破也就短短几年,我觉得还存在着很多缺点,比如很多领域的知识依然缺乏,最典型的就是经常会胡说八道,其实人*的特点也是胡说八道。

  希望大家对大模型有一个正确的认知,现在已经可以开始和你的业务相结合,但是它还不能完全全面去接管业务,我们还要扬长避短,发挥大模型的长处。人类大概从上世纪60年代研究人工智能,到现在花了60年的时间,实际这个曲线是很平的,但是到了2023年一旦到了突破的拐点,未来的发展是指数型的。

  今天所有来的企业家都很聪明,但我们今天没有办法把我们的大脑连在一起进行叠加,而大模型可以,只要你有钱买英伟达更多的显卡、芯片、内存、算力,它的能力就可以不断提升。

  反过来,今天大模型对知识学习的能力也快突破了一个拐点,比如说人类有史以来创造的知识,如果用书来做比喻,大概1亿种书,现在大模型应该已经学习了5000万本到8000万本,所以很多人就开始担忧,大模型很快将无书可读了,怎么超越人类的智慧呢?

  最近OpenAI闹宫斗,他们内部说有了突破,像阿尔法狗一样,自己跟自己下棋,每天左右互搏,进步很快。ChatGPT发明了一种方法,人工智能产生内容对人工智能进行训练,如果这个是真的,那就是自产自销,自己产生自己的资料。

  最近谷歌双子座*的突破是什么?我印象最深的是多模态的能力,它已经不仅能读书了,已经跟我们人一样开始迷恋看短视频了,能看得懂图片、听得懂声音、看得见电影。谷歌手里有YouTube,现在年轻一代孩子可能已经不看书了,直接看视频学习知识。他有了多模态的能力,把视频里人类拍的电业、所有视频再学习一遍,我们将来的摄像头再被它接管了,我们每天在这儿开会,机器就能学习。

  这里指数跃进,试想今天大模型,无论是Gemini,还是GPT4,我觉得已经超过了我们人类的个体人,他的知识广度和深度都超越了个人,下一步进一步能力提升我认为就是时间问题。

  3、大模型技术发展的三个方向

  大模型在理解了自然语言之后,下面很重要的能力是多模态。我刚刚讲到了对图片、声音、视频音乐直接的处理和产生。我为什么要讲三个方向呢?很多人老以为大模型只在语言方面能产生作用,语言就是生成网页、搜索引擎,这是一个误解。

  首先,帮助机器理解了我们这个世界之后,他对机器人的工作会带来巨大的推动,因为过去你给机器人做没法训练,比如你跟机器人说,到*排把一个杯子给我拿过来,机器人很多知识不具备的时候,他不懂什么是*排、他不懂什么叫杯子,就没有办法执行这个操作。

  第二,智能驾驶一直没有获得突破,是因为自动驾驶大家一直在争论装几个摄像头、装几个激光雷达,还是工作在感知层面,但是人在开车的时候是在认知层面的,前方出现一个盒子,我就毫不犹豫的把它撞过去,前方有一个婴儿车,我就得把车停下来。所以下面一两年可以看到,用大模型加持的自动驾驶会让人类自动驾驶真正实现突破,这也是为什么埃隆·马斯克一方面说大家不要干人工智能了,一方面买了1万块卡做了一个人工智能公司。

  第三,最终大模型的重要发展方向是成为科学研究的工具,无论在生物、化学、新物质、物理方面都会成为人类科学家的好助手,因为人类只有在基础科学上获得突破,我们才能走向星辰大海。

  最近我趁着APEC的东风跑美国溜达两圈,四年没去了,见到很多投资人、创业者,实际上投资人都认为这个不亚于1995年互联网的诞生,不亚于1982年个人电脑的出现,所以美国的投资人现在投项目非AI不投,所有的创业者无论做什么业务,都至少要说我用OpenAI的API加持,都得有AI的含量,没有AI含量的公司大家就觉得你out了。

  我跟很多同学吃饭,很多同学在美国待了二三十年,在美国一些大公司打工,他们公司内部现在都在储备英伟达的显卡,为什么?未来人工智能的工业革命这就是你的武器、这就是你的门票。

  美国人把它称为工业革命级别的技术创新,如果美国赌这次人工智能是新的革命,很多矛盾就会迎刃而解,其他国家对它的竞争就不在一个维度上。

  这让我联想起,当年的广场协议,说美国跟日本竞争世界经济*名的时候,美国强迫日本签了一个广场协议,日本就一蹶不振。我也不知道故事是不是真的,但是我看到的是,日本*错过了PC和互联网的产业升级机会。所以我觉得对我们国家来说,不发展才是*的不安全。

  关于大模型的定位,国内有一种方法论,认为大模型是操作系统,未来只有两三套,让我想起来1950年、1960年代IBM说,全世界需要电脑5台就够了,事实证明今天全世界人均不止一台电脑。

  我认为大模型真正的发展是产业化、垂直化,所以大模型会无处不在,会成为数字化系统的标配,你一定希望拥有私有的对自己更了解的个性化的垂直化的大模型。

  高通、苹果最近出了新的CPU,就是支持大模型可以部署在电脑上,两年内我认为所有的网联车都会布一个车载的大模型,所以以后每一个大一点规模的公司、大一点的政府机构都会有自己的大模型。

  有了开源的大模型之后,*的挑战不再是对大模型的研发,最重要的任务是应该找到自己工作的场景,和大模型进行融合,找到合适的数据,如何训出属于自己的大模型。

  4、中国的机会是大模型的产业化

  老有人担心大模型威胁人类,我的观点是:*,大模型现在的发展还远远没有到达可以威胁人类的时间;第二,在大模型的发展过程中也有像360这样的公司,为什么要做大模型,就是我们要励志解决大模型的安全问题;第三,中国和美国还是有差距,包括大模型能力、算力以及对大模型认知的差距。

  今天国内大模型的能力已经做到GPT-4大概70分的水平,如果用各位的垂直领域,培养一个垂直的专家,这个能力已经够用。所以中国的机会是大模型的产业化、行业化、垂直化、深度定制。

  今天中国整个国家战略是数字化转型、产业数字化、产业互联网,我们拥有全世界最全的产业链,工业门类最全,我们拥有最多的企业场景红利,大模型是最典型的生产力工具,和产业相结合是大家应该关注的机会。

  这里面我提出一个观点,落地的颗粒度要非常细,目前笼统地说做一个金融大模型、教育大模型是无从下嘴、无从下手的,只有把金融场景分解成50个目标,把教育场景分成比如100个细微的场景,你才能做到对这个行业进行改变。

  美国有三家公司在AI上挣到了钱,分别是微软、Adobe和Salesforce,他们没有拿AI做任何新东西,他们是在自己已有产品的业务链条里用AI做了加持,让他的产品实现了更新升级换代。

  5、AI信仰

  现在仍然有很多人AI是一个玩具,但我认为:

  *,AI信仰。你相信不相信强AI是真AI?你相不相信AI是工业革命级的生产力工具?你相信不相信AI将重塑你所有的产品和技术?如果不拥抱的AI的公司和个人,可能在未来几年里就会被用AI的同行淘汰掉,所以你不会被AI淘汰掉,你会被那些善于用AI的对手淘汰掉。

  有AI信仰之后就All in AI,All in AI不在于你买了多少显卡、也不在于你挖了多少AI专家、更不在于你把公司所有钱都砸到AI上,我觉得是一种精神上的All in,就是你应该用你的核心团队思考几个问题:*,AI和其他很多数字化技术不一样,不是一个只给老板用的东西,而是企业从内到外、从上到下都使用的东西;第二,你的内部业务流程,哪些环节可以被AI改造,如果你不改造,你的对手改造了会有什么样的后果。

  举个例子,Salesforce是全世界*的客户管理公司,他不声不响的干了一件事,自己练了一个大模型之后,在他的客服系统中,可以帮你给客户写封邮件,他在非常细节的环节上进行了AI优化和赋能。

  下一个问题,对外提供的产品和服务哪些功能可以被AI加持、同行会怎么做?我自己感觉做了很多案例之后,大家不要觉得做AI就是要拿AI做一个全新的产品,做AI就是你现在不是在造新东西,而是把你企业从上到下你的组织结构,从内到外你的业务流程,你的客户到你的产品,不见得是全面的改造、不见得是大幅度改造,而是要找到一些小切口的点进行降噪。

  最后我提出一个衡量的指标叫含AI量,就是你有多少员工熟悉AI、你的产品、你的业务流程有多少细节能够为AI加持,可能刚开始的含量不是很大,但是随着你去不断考核这个指标,你的业务就慢慢被AI所改造。

  对很多大企业来说分三步走:*,部署私有化的通用大模型,先让自己内部的员工用起来;第二,在通用大模型的基础之上寻找一些特殊的场景,训练垂直大模型;第三,把垂直大模型通过智能体框架和公司的数字化业务相结合。

  我觉得企业家精神不是一句空喊的口号,我建议所有的企业不光蓄势拥抱AI,通过AI去做创新。中国要发展大模型,企业家才是创新的主体,创新要靠企业家精神,躺平和企业家精神是相违背的。

  榜单收录、高管收录、融资收录、活动收录可发送邮件至news#citmt.cn(把#换成@)。

相关阅读

    无相关信息