第38章 关于ChatGPT的一些解读上(1/2)
关于ChatGPT的一些解读
阅读蕴藏着无尽可能,有益于明理、增信、崇德、力行,让人生绽放光彩。
在近 10 年 AI 发展的前两个阶段,人工智能的进展更多体现在基于规模的技术突破,如 2015-2020 年,用于模型训练的计算量增长了 6 个数量级,同时随着规模的增大,输出结果的质量亦迎来质变,在语言文字、书写、图像识别等领域皆表现出超越人类的水平。但在实用层面,由于所需要的算力巨大,往往需要特殊的 GPU 配置,同时训练过程相对封闭,大多数人并无法使用,因此技术无法被多数人触达。而人工智能的第三个阶段,随着更新的技术、更优的算法、更大的模型出现,算力的成本越来越低,使得模型训练与运行所需成本持续下降,
而算法从封闭测试到开放测试、开源的逐渐普及,亦降低了使用门槛。由此人工智能无论在经济性与可获得性上都达到了支持普及的水平。得益于 AIGC 基础设施可获得性的逐步提高,平台层变得更加稳固,算力成本持续下探,模型逐渐趋于开源与免费,应用层爆发式发展的节点正在靠近
目前我们正经历从 Web2.0 开始向Web3.0 转型的启航阶段,我们已经看到内容创造从专业创作(PFC)转型为了用户创作(UGC)。而 Chat-GPT 的出现以及中短期内的产业化落地将会为从用户创作(UGC)到 AI 创作(AIGC)的转型提供关键的辅助支持。结合 Chat-GPT的底层技术逻辑,我们认为 Chat-GPT 中短期内产业化的方向主要分为四大板块。1)Chat-GPT 对于文字模态的 AIGC 应用具有重要意义,在归纳性的文字类工作中展现出了其优异的表现。中短期内 Chat-GPT 能在办公辅助类工具中迅速落地,例如会议总结、文件翻译、例行报告等,提升办公效率并节省人力成本。
代码开发相关的工作更加规整也非常适合 AI 辅助生成。2021 年中与Github、微软合作上线的 Copilot 是目前最成熟的 AI 代码补全工具,根据 Github数据,测试一年来已有 120 万用户,这些用户编写的代码中 40%是由 Copilot自动生成,而截至 2022 年 10 月,Copilot 已经融资 2200 万美元。Chat-GPT在目前测试中表现出的代码生成能力相比于 Copilot 更加灵活,但欠缺一些底层的稳定性。在进行针对性的优化后,基于新 GPT 模型的 AI 代码辅助工具也有望在中短期内落地。3)图像生成领域成为了 2022 年下半年一级市场公司布局的热点,随着 Dalle2 的热度,在商稿方面用 AI 取代人类画手的思路基本明确。
本章未完,点击下一页继续阅读。