ChatGPT は、AI 株の歴史の中で最もクレイジーな市場価値の急上昇を引き起こしました。
春節以降、ChatGPTのコンセプト株は暴走し始め、わずか半月でHaitian RuishengやCape CloudなどのChatGPTのコンセプト株の価値は1400億近く増加しました。
このような爆発的な効果があるのは、ChatGPTが示した事業化の大きな可能性によるものです。ご存知のように、これより前に、10 年間で 1000 億ドル以上を AI に投資した Baidu であろうと、ハードウェアに閉じ込められた AI の 4 頭の虎であろうと、彼らはすべて AI の商用化の難しさの話を繰り返しています。 .
ChatGPT の出現により、AI は生産性イネーブラーから生産性を生み出すツールに直接変わりました。サブスクリプション モデルの開始により、ChatGPT は、AI テクノロジーを中核として直接収益化される最初の消費者向けアプリケーションになりました。
このホワイト ペーパーには、次のコア アイデアがあります。
1. ChatGPT は AI テクノロジーの反復の恩恵を受けています。これまでAIは技術力が限られていたため、分析、判断、予測などの機能しか持っていませんでした。技術パラダイムがアップグレードされた今、AI はコンテンツを作成する能力を持ち、その適用範囲と適用可能なシナリオは大幅に拡張され、消費者側での ChatGPT の普及の基礎を築きました。
2.ChatGPTは持続可能なビジネスモデルの確立が期待されています。これまでAIは効率化のツールとして活用されており、企業の収益を直接生み出すことは困難でした。しかし、ChatGPT はそれ自体でコンテンツを生成できます。これは本質的には生成ツールです。以前から、プロダクション ツールは新しいビジネス モデルを拡張し、ビジネスの秩序を変える可能性さえあります。
3. ChatGPT の価値は、第 2 産業革命の発電機に似ています。第 2 次産業革命では、電気が発見されてから 30 年間、大規模な使用は行われず、発電機が電気を機械エネルギーに変換するまで、電気革命は爆発しませんでした。今日、ChatGPT は AI の分野における「ジェネレーター」になりつつあります。AI を生産性に直接変換し、AI 産業の発展を加速させることが期待されています。
／01／三度の紆余曲折が残した「遺産」
ChatGPT が登場するまで、AI は 3 つの浮き沈みを経験しました。
1964 年、STUDENT と呼ばれるマシンが数学の問題を証明することができ、AI の最初の波が始まりました. 当時、AI コミュニティは、そのような開発速度に応じて、AI が人間に取って代わることができると信じていました. しかし、すぐに冬が訪れ、1970 年代初頭には、ほとんどすべての機関が AI の採用をやめました。
ハードウェアのパフォーマンスが不十分な場合、AI は失速します。当時、コンピュータの限られたメモリと処理速度では実際の問題を解決するには不十分であり、AI は理論にとらわれていました。この AI の急増は現実的ではありませんが、拡張学習のプロトタイプ (Google の AlphaGo アルゴリズムの核となるアイデア)、パーセプトロン (ディープ ラーニング モデルの基礎) など、多くの世界クラスの発明がアルゴリズムの面で出現しています。など、その後の AI 研究基盤の基礎を提供します。
1980 年、日本は 8 億 5000 万ドルを費やして、スーパーコンピューティング能力と人間の知性を備えたコンピューターを作成しました。コンピューターのパフォーマンスが劇的に向上し、AI がエキスパート システムを作成できるようになりました。エキスパート システムは、人間の専門家の知識と経験をシミュレートして、特定のドメインの問題を解決できます。企業の生産に一役買うとすれば、DECとカーネギー大学が共同開発したエキスパートシステムは、AIを使用して技術者に最適なシステムコンポーネントを選択し、ミニコンピューターを組み立てることができます。
実用化で新たな盛り上がり 1988年のAIへの投資額は1984年の3倍に しかし、すぐにエキスパートシステムに問題が生じました.非常に狭い分野にしか適用できず、開発と保守のコストが高くなります.企業が商業的に使用することは経済的ではありません.エキスパートシステムはすぐに衰退し、冬ここに来た。2 番目の盛り上がりは商業化にとどまりましたが、人工知能を理論から応用へと押し上げました。
インターネット時代は AI に 3 番目の盛り上がりをもたらし、データの爆発的増加とビッグデータ技術の成熟により、AI はディープ ラーニングの時代に突入しました。ディープラーニングにより、AI はビッグデータに基づいて餌を分析し、区別することができます。最もよく知られている事例は、AlphaGo が人間の専門家がゲームで学習したチェスの記録を組み合わせ、チェスで強化学習を実行し、最終的に Li Shishi を倒したというものです。
AlphaGo は AI を新しいレベルに押し上げました。AlphaGoが誕生した2016年には、わが国だけでAI企業への融資額が倍増し、融資額は年間1000億を超えました。しかし、振り返ってみると、投資のほとんどは「無駄」でした。AI の 4 つの小さなドラゴンは、多額の投資と低収入の泥沼に集合的に陥っています。
商用化の難しさは、現段階での AI 開発の主な問題です。効率的なツールである AI は、企業の収益を直接生み出すことは難しく、その価値は製品に埋め込まれ、パッケージ化されて販売される可能性が高くなります。その結果、多くの企業がハードウェア企業に変わり、ハードウェア収益が 70% 以上を占めるフォー タイガース社のように、ハードウェア収益の割合が拡大し続けました。
商用化の問題はまだ解決されていませんが、ディープラーニングはAIモデルの精度、計算効率、一般化などの指標を大幅に最適化し、「ビッグモデル+スモールシーンモデル」の技術ルートを確立し、 ChatGPT.Base の出現の基礎。
AI開発の歴史を振り返ると、ハードウェアの性能にとどまった最初の盛り上がりを除けば、最後の2回の盛り上がりは本質的に商品化の難しさに悩まされました。では、ChatGPT は前の波の肩の上に立つことで、AI の冬を終わらせることができるのでしょうか?
／02／ミサイルと弓の違い
国際学術界から見れば、ChatGPT の登場は画期的な製品です。これまでの一般的なAIとの違いは、ミサイルと弓の違いに近い。この違いは主に、ChatGPT が AI を生産性イネーブラーから生産性を生み出す直接的なツールにしているという事実に反映されています。
ChatGPT が登場する前は、すべての AI は意思決定 AI、つまり既存のデータに基づいて分析、判断、予測が行われ、主にレコメンド システムやリスク コントロール システムなどの補助的な意思決定に使用されていました。情報フローの推奨、自動運転など
本質的に、分析 AI は生産性として直接カウントされるのではなく、むしろ生産性を向上させるイネーブラーとしてカウントされます。たとえば、分析 AI は、e コマース企業がユーザーとアイテムの関係を深く調査し、製品や店舗をユーザーに正確にプッシュするのに役立ち、e コマースのトランザクション量の増加を促進します。サポーターという役割は、AIの価値を様々な産業に従属させるものであり、産業としての商業的価値は限定的であるため、AIの開発においては、事業化が困難な状況が繰り返されてきました。
ChatGPTはジェネレーティブAIの代表的な製品です。ジェネレーティブ AI は、生産ツールとして直接使用できます. 創造はジェネレーティブ AI のコアです. アルゴリズムの学習により、従来の AI の分析と判断を実現できるだけでなく、従来の AI の能力を超えた創造的な機能も実現できます.知識と創造性を生み出すためのコンテンツ、テキストの回答、ゲーム コードなどの出力など。
生産ツールの革新は、多くの場合、新しいビジネス モデルにつながります。このように、ChatGPT が徐々に AI の商用化を進めていることがわかります。ある程度, ChatGPT は、AI 技術をコアとして直接収益化された最初の消費者向けアプリケーションです. 現在、ChatGPT はメンバーシップ サブスクリプション サービスを開始しました. 各ユーザーには、限られた数の無料回答があります. メンバーシップにサインアップしたユーザーのみ無制限に楽しむことができます。
現在の観点からすると、ChatGPT の出現は、技術パラダイムのアップグレードの結果です。長い間、人工知能は小さなモデルに支配されてきました.小さなモデルは、垂直シーンの問題を解決するための専用のモデル最適化アルゴリズムと精度として理解できます.
たとえば、スマート スピーカーは小さなモデルを使用しており、そのシステムには、チャット用、詩生成用、コード生成用、マーケティング コピーライティング用など、いくつかのエージェントが含まれています。新しい機能を追加する必要がある場合は、新しいエージェントをトレーニングする必要があります。
この小さなモデルは、AI テクノロジーの拡張性を大きく制限するため、AI は特定のエージェントの下でしか分析および区別できず、エージェントの断片化により、コンテンツを包括的に生成することが困難になります。したがって、スモールモデルでは、ユーザーの問題が既存のエージェントの範囲を超える場合、人工知能から人工精神遅滞に変化します。
大規模モデルの出現により、AI の普及と応用が加速しています。大きなモデルは、ユーザーのすべての問題を解決するためにその背後にあるエージェントが 1 つだけであることを理解できます。大きなモデルのパラメーターはより大きく、AI はさまざまなモジュールの機械学習を包括的に実行し、最終的に新しいコンテンツを包括的に生成できます。
過去から、多くのビジネス価値は生産性の革新から生まれています。同じことがChatGPTにも当てはまり、その潜在的な商業的価値は主に生産性の向上によるものです。
／03 ／コンピューティングパワー時代の「ジェネレーター」ChatGPT
生産ツールは、生産手段において主導的な役割を果たし、生産力の変化と発展に反応します。特定の業界では、生産ツールの革新が新たな産業機会をもたらすことがよくあります。
第二次産業革命を例にとると、電力産業の活発な発展は発電機の誕生から始まりました。1831 年に英国の科学者ファラデーが電磁誘導現象を発見しました。しかし、その後 30 年間、電気は広く使われませんでした。
1870年代までは発電機が出てきました。発電機は本質的に新しい生産ツールであり、電気エネルギーを機械エネルギーに変換できるため、電気が機械を駆動し始めて、蒸気動力を補ったり置き換えたりする新しいエネルギー源になることができます。その後、電灯、路面電車、電気ドリル、電気溶接などの電気製品が、雨上がりのキノコのように急増しました。人類は次第に「電気の時代」に足を踏み入れ始めた。
AI は、電気と同様に、本質的に生産性を向上させます。ChatGPT はジェネレーターに似ており、AI を生産性に直接変換する生産ツールです。
実際には、発電機が蒸気エンジンに取って代わり、機械に新しい動力源を提供するのと同じように、ChatGPT は反復的な精神的 (知識ブルーカラー) 作業を解放する可能性を示しています。
実際のアプリケーションでは、ChatGPT は、過去の電力のように、さまざまなビジネス シナリオでより広く使用されています。たとえば、米国版の「Today's Headlines」BuzzFeed は、OpenAI と協力して記事を書くことを発表しました。Microsoft CEOのナデラ氏はまた、OpenAIツールを商品化し、ChatGPTなどの人工知能ツールをすべてのMicrosoft製品に統合すると述べた。ChatGPT は、広く利用される過程で、AI を刺激してより多くのビジネス モデルを導出し、生産関係のパラダイム シフトを推進し、さらには世界のビジネス秩序を再構築することも期待されています。
そういう意味では、ChatGPTは「ジェネレーター」の役割を果たし、AI産業の発展を爆発させるシンギュラリティになるかもしれません。