图文原创：亲爱的数据
你所热爱的，都值得拥有一个名字。
世界上里程碑式计算机，问世之时大多拥有自己的名字。
我认为，假如计算机的诞生是元年，下一个元年将会是“奇点”。
不是比特币，不是虚拟现实，不是AIGC（用人工智能技术来生成内容）。这些只是过程。
当然，过程足够重要，也要有名字。
很多人看到GPT-2，GPT-3， Switch Transformer，DALL·E 2 ，Codex，LaMDA，就头晕，看不懂。
它们都是模型的名字。以它们在信息技术发展史上的地位，高低得整个名字。
模型里有什么？
模型中的运算形式设计，和运算所需要的参数，都是模型的一部分。
近几年，大模型发展的有声有色，一个做得比一个大。
参数数量是模型大小的重要指标，但不是唯一指标。运算量也是指标之一。同样的参数量，你设计的运算的形式不同，计算量也不同。
运算形式设计是人类脑力精华。
参数，你可以简单理解为机器部件，部件越多，体量越大。但不见得部件越多，机器就越好，模型也一样。
参数量很直观，一度“参数比大小”成了关键。
2020年5月，GPT-3有1750亿参数。比它的兄弟GPT-1和GPT-2强大的多。GPT-3 发布仅几个月后，谷歌大脑团队就发布了Swin Transformer，参数量是GPT-3的9倍。
但是“比大小”不是目的，“效果好”才是目的。
这些“配有姓名”的大模型，规模很关键，但是创新更关键。
贾扬清说，不是别人做出大模型之后，简单跟进说“我们可以做得更大”，更重要的是，在前人基础上，做更多创新成果。
OpenAI也只是一家搞AI创业的“小公司”，在“转身”成为公司之前，是一家公益性质的科研实验室。
公司虽小，愿景却大：“让人工智能有益于全人类”。
从此，OpenAI他们矢志不渝地朝着通用人工智能（AGI）的方向不断尝试。
AGI是最有抱负的科技方向之一，拥抱AGI必须让机器展示出人类所拥有的各项智能，亲情，爱情，友情。
但怎么前往AGI，人类毫无头绪，也有人说，毫无希望。
情况就是这么一个情况。
把模型做大是不是通向人工智能的路？谁也不知道。
但是模型大了，效果确实好了。大模型的竞争从寥寥到陷入忙碌， 比方法，比技巧，比谁有效。
2022年3月，InstructGPT，加入了人类的评价和反馈数据，效果也很好。
参数降到了13亿，小也可以很能打。
Instruct的中文有吩咐，指令之意，就是说，按照人类的指示行事。
讲到InstructGPT，距离ChatGPT也不远了。
ChatGPT也按指令行事，方式是通过问答。
大模型超级难做，消耗无数系统工程师和算法工程师的智慧和精力，是个系统工程，而今看来，国之重器，毫不为过。
这擎天玩意让缺乏创新的模型看起来像夜市地摊上粗糙的塑料玩具。
这种规模的模型，用“做出来”这个动词已经不合适了，与其说是“开发”，不如说是“组织开发”。
为此OpenAI配套了上游数据团队，和下游芯片“大军”。
据 InstructGPT 的技术博客，从事高质量数据收集、挖掘、清理、增强等方面的工作的人数，从40人增加到1000人。数据团队有技术含量，收入可观，说是一家科创板上市公司也不过分。
作为ChatGPT的数据公司，那怕轮次融资，投资人会爱极了。
为了开发一个模型，配套一家上市公司，真是妙。
这还没有完。
芯片方面，据谭老师截获了一个信息：
“OpenAI公司为训练ChatGPT用了10万块英伟达A100的GPU。”
我也问了一个业内顶级大佬，他亦认为合理。
且不说价钱，而这一型号的高端GPU已经被美国限制，国内买不到了。
ChatGPT背后的一些信息来自InstructGPT的学术论文。
InstructGPT的核心思路由之前两条研究线路所带来。
也就是说，装在ChatGPT弹匣里的银色子弹中，一颗叫“自然语言理解的大语言模型 LLM”，一颗叫“带人类反馈的强化学习 RLHF”。
贾扬清的解释是，这一系列大预语言模型多少都采取了不带太强结构的统计方法：“根据周边的词语来预测中间的词语”，或者“根据前面的文字来生成后面的词语”。
当然，还有一些银弹叫，“外人不知道”。
叹服ChatGPT前沿科研的能力之余，思考它如何从一个科研成果变成人见人爱的科技产品？
OpenAI此前所推出了一种产品试用机制，用了两个工具。工具一Playground，工具二GPT-3 API。API必须要代码调用接口，并不是人人都可以轻而易举体验它的能力。
虽然GPT-3 API已经非常简单，代码复制粘贴也能试一下。
贾扬清认为，这种产品试用让产品和市场在做小范围的磨合，尝鲜者虽少，但本质上，产品试用为后续的科研带来了大量的数据输入。
科研没有停止，科研在不断走向产品。
计算机领域有一个短语叫做 “human in the loop”，有人翻译成“人机交互”，并没有揭示核心。也有人翻译成“人机回环”。
贾扬清的解释是，将一篇科研文章变成一个软件原型（prototype）。再将用户的体验、数据的回流、标注、再训练这个闭环做得非常精准。ChatGPT 在这一个领域中体现出了高超能力。
科技产品可以粗糙，也可以精美。
ChatGPT的科研背景非常强，满身都是商业机密的ChatGPT，虽然公布出来的技术大家都懂，但是为什么他们的效果这么好？
OpenAI团队做出来一个目前为止最接近AGI的东西，似乎证明了通用人工智能是存在的。
无论是不是，它离我们想象中的AI越来越近了。
（完）
One more thing
这里有一个谭老师发现的公众号，话不多说，立马推荐：
更多阅读
AI框架系列：
漫画系列
4. AI for Science这事，到底“科学不科学”？
5. 想帮数学家，AI算老几？
11. 强化学习：人工智能下象棋，走一步，能看几步？
14. 云计算Serverless：一支穿云箭，千军万马来相见
15. 数据中心网络：数据还有5纳秒抵达战场
16. 数据中心网络“卷”AI：迟到不可怕，可怕的是别人都没迟到
17. ChatGPT大火，如何成立一家AIGC公司，然后搞钱？
DPU芯片系列：
2. 永远不要投资DPU？
长文系列：
3. 售前，航空母舰，交付，皮划艇：银行的AI模型上线有多难？
最后，再介绍一下主编自己吧，
我是谭婧，科技和科普题材作者。
为了在时代中发现故事，
我围追科技大神，堵截科技公司。
偶尔写小说，画漫画。
生命短暂，不走捷径。
个人微信：18611208992
原创不易，多谢转发
还想看我的文章，就关注“亲爱的数据”。