文因互联创始人鲍捷：真正的人工智能就是社会本身｜AI 商业化回答

发布时间：2023-03-23 12:46:51 所属栏目：动态来源：

导读：｜ Agree To Disagree.不求共识，尊重不同视角。

主持人 : ChatGPT 爆火之后，鲍捷老师有什么感想？

鲍捷：我们一直致力于知识工程，旨在实现全球知识的统一表达，以至于每个人都能够拥有一个助手。这个愿景始

｜ Agree To Disagree.不求共识，尊重不同视角。

主持人 : ChatGPT 爆火之后，鲍捷老师有什么感想？

鲍捷：我们一直致力于知识工程，旨在实现全球知识的统一表达，以至于每个人都能够拥有一个助手。这个愿景始于十多年前。ChatGPT的问世让我们意识到这一目标真的能够实现。在此之前，我们经历了漫长的探索之路，从知识图谱、IBM Watson对话机器人，到AlphaGo，再到近几年的大型语言模型。几乎所有的技术进步都让我们感觉到差一口气。突然有一天，“啪“第7块烧饼就掉下来，吃饱了的感觉。

第一，从危机的角度来看，我们在过去的10年甚至20年所做的所有工作好像都没有多大意义。

第二，从机的角度来看，我们突然发现过去用10年的时间，将该领域的成本降低了一个数量级，再往下做已经非常非常困难了。我们本来以为已经压榨了技术的极限。但是，突然有一天出现了一个新的框架，可以将成本再次降低一个甚至两个数量级。以前许多不可能去做的应用现在也变得可以实现了。新的商业模式和商业机会也出现了。因此，这是我们感到非常幸福的地方。

主持人 : 您早期是做知识图谱， ChatGPT 出现了之后，对你有什么影响？有没有客户找到你，怎么跟他们解释这个事？

鲍捷：解释 ChatGPT 的基本原理是一件相当困难的事情。但是，可以用一个简单的比喻来帮助理解这个复杂的技术。

现在的 ChatGPT 就像一个非常聪明的能够读它不认识语言的表现工具。它能够学习语法、单词和句子的使用方式，从而产生有意思的文本。就像之前在 GPT-1 或 GPT-2 时期，我认识的一个教授曾经开过一个玩笑，称 GPT 是一个鹦鹉学舌的模型，叫 Giant Parrot Talking。

主持人 : d uck typing 这个事情，应不应该这么做？我们怎么看这个问题？你赞同“你走起来像个鸭子，叫起来像个鸭子，游泳起来像个鸭子，你就是个鸭子”这个说法吗？

鲍捷：不赞同，因为 ChatGPT 出来之后让我很高兴，很兴奋，但并没有动摇我的基本的信念。我依然相信，在实际应用中，仅仅使用 ChatGPT 作为工程工具是不够的，我并不认为算力和数据是它成功的最关键因素。

主持人 : ChatGPT 的实验细节里面有一些关于数学实验的训练，您怎么看？

鲍捷：在某些方面，ChatGPT 仍然存在一些限制。其中之一是目前还无法完成四则运算。例如做小数的乘法或者除法，会发现它在进行数字内插。但我们任何具有小学文化程度的人都会知道，做四则运算不应该做数据内插的。所以它很明显实际上是在把这些枯燥的数字本身不动声色地变成表情达意的一组象征性的符号。

主持人: 您觉得，人工智能发展10年或者20年之后，可能会出现什么样的情况？

鲍捷：我先给大家推荐一本书，它的名字叫做《War》（战争），作者是伊恩·莫里斯（Ian Morris），这本书的最后，莫里斯谈到了人类未来的两种命运。其中一种就是人工智能接管社会治理，为人类带来一种新的和平方式。当然，莫里斯是一位历史学家，没有具体指明是哪一种算法、哪一种方式的人工智能。

人负责 creation，就是创造的一部分；机器负责 administration，就是负责管理。

在自然语言处理技术出现之前，即2012年之前，几乎所有的知识都是由人工手写的。在过去的十年中，即2012年至2022年，我们发现了许多隐式的知识，这些知识可以通过数据来模拟。尽管我们不知道它的边界在哪里，但是 ChatGPT 给了我们一比特的信息--这件事是有可能实现的，但并不意味着 ChatGPT 已经实现了。尽管 ChatGPT 目前还未达到这一点，但它未来可能会实现。

主持人 : ChatGPT 的发展，很多不在这个行业内的人可能感觉会更强烈一点，所以它出圈儿的情况比较明显，对吧？但是对在业内的我们而言，你觉得 ChatGPT 这件事情对你而言最重要的特征、最惊心动魄的、最突破天际的两点是什么？

鲍捷：我一方面是在做 ToB 的服务，另一方面我又是一个技术人，所以这两个性格迥异的角色给我的一个感触可以说得上是相辅相成的完全不一样的。

从技术人的角度来讲，我感受到了两点突破。去年9月份，我们知识计算专委会在秦皇岛开会的时候，大家在问大模型的问题和比如类似 Bert 这样的东西，那个时候我们依然觉得这东西没啥用，我们用它的基本的动作，是判断一下这个数据集的极限在哪里。比如我用 BERT 算了一下是 91%，我用 Naive Bayes，优化到了90%，我就不再优化它了，因为再优化也不会好到哪里。其实把它变成了一种内部边界的探视工具，但我一般不太会把它真正用到用户终端的系统里面，因为成本非常非常非常的高，而且迭代的速度又非常的慢。但是在过去几个月内，新的方法元素加入后，这个路线终于有用了。

因此，我认为 ChatGPT 爆火并不仅仅是由数据本身的规模带来的，我认为这是两个新的计算范式所带来的。

就是提示学习方法和强化学习方法。在2021年中期，我们注意到了提示学习，然后开始提醒我们的技术同事跟进。我记得在2022年1月，我们在上海举办了一个论坛，那时讲了二维文法的学习方法。但是，我们没有想到将这种强化学习方法更好地融入内部。

但是无论是提示学习还是强化学习，我认为它基本范式依然还是怎么更有效地把人类知识，就是人类脑子里面所拥有的结构化的知识以一种比较好的，机器能够统一的低成本的方式注入。所以最终点石成金的那一点佐料虽然很少很少，但它可能改变了几乎整个茶饮料配方的味道。

是人类知识，而不是机器数据，是关键点，这是我的观点。

当最后这一点催化剂投入体系中，化学反应立即加速，使得我们在客户服务中可以把许多以前不可能做到的事情，变成可能。例如，我们在2016年进行的智能投顾，到2018年就放弃了这个方向。原因是，无论是1.0版本还是2.0版本，所谓的纯资产配置内容最终都被证明不可行。因为你永远无法深入了解客户，你的投资建议配置生成无法真正科学合理。

现在，有了ChatGPT，我们至少可以做两件以前无法做到的事情：

第一，用非常低的成本为客户提供长期陪伴，这是场景兼容性的发展；

第二，我们可以利用机器自动化撰写资产配置说明书，为客户提供更好的服务。

主持人 : 您觉得长期陪伴在金融场景当中意味着什么？它最后怎么能够从业务上反哺到效果当中？通过陪伴，它实际进一步的发生了什么？您觉得它可以增强的是更了解客户吗？还是建立信任？之前也有支付宝、券商的同学，问我这些类型的问题。

鲍捷：KYC（Know Your Customer）即了解您的客户，是非常重要的一个环节。通过使用更低的成本获取用户的个人信息和概述是至关重要的。

我们不断地利用 AI 生成各种各样的报告或对话，以比之前低10倍或100倍的成本去试探各种不同的可能性。例如，我们目前正在帮助一些客户自动化撰写研究报告。在过去，全中国的券商研究员一年只能够编写30多万份研究报告，但现在我们可以利用机器自动撰写给上亿投资者每人一份量身定制的研报。这些报告可以精准地自动生成，而非胡说八道。在遵守一定规则的约束下【IC（intergrity constraints），即加入完整性约束】，我们可以让机器不一本正经地胡说八道，生成更加准确的报告。

通过这种方法，我们可以极大地生成各种各样的观点、数据整合和用户友好的交互方式，从而大大增加用户的粘性和获取的用户数据量。因此，在获客、风险控制、预警和投资研究等场景中，会出现大量的新需求。

鲍捷：它最后可能是一种非常人畜无害的方式出现的，但实际上它最终会成为你的一个非常重要的工具，甚至可能劫持了你人生的一个工具。

有人估计，一个人的一生能够创造5000万个单词的内容。如果你能够提供用户需要的这么多个符号，用户就会觉得你比任何人要了解他。以前我们提供的个性化服务基本上都是通过打标签的方式实现的。但这种方法的数据量太小，数据维度太少，而且对个人的理解非常有限。未来的技术将更加工程化，但不仅限于 ChatGPT 这种模型。ChatGPT 只是巨大机器中的一个引擎，肯定还有很多其他东西需要结合起来才能发挥作用。这种技术将导致每个人都处于一个信息茧房中，所有服务都是为你量身定制的。这是好事还是坏事呢？

主持人 : 假如每个服务提供者都为同一个用户建立一个模型，或采用其他方式对其进行画像，这个人对每个服务提供者的喜好都是相同的，因此，我们是否可以借鉴您的导师之前所提出的想法，即创建一套可供所有服务提供商共享的【去中心化系统】，让用户拥有其数据的所有权？

鲍捷：这牵涉到我们当前的另一个重要讨论，即人类社会是向左还是向右发展？向左是指人工智能将统治一切，建立一种集中式的统治。而另一种是建立更加分权的，数据资产市场经济，我们将其称为 Web 3。

2009年有一本名为《PULL》的书，后来被翻译为 Web 3.0。主张未来的我们每一个人应该有一个属于自己的 Personal Data Locker，就是数据仓库。为什么没有做起来？那时候最大的问题是所需要的成本太高。

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!