重磅：盘点7大方向，谁将诞生ChatGPT领域的尤里卡时刻
在ChatGPT领域，哪个方向是它的未来趋势，能更快地“接近真相”呢？本文作者从商业的角度，对7个方向进行了总结分析，希望能给你带来一些启发。
小科普：尤里卡，希腊词汇，是发现真相时的感叹词，在游戏文明6中，当你触发尤里卡，你的科技会缩短40%的研究时间（中国文明缩短50%）
再小科普：AI绘画的尤里卡时刻有两个，Stable Diffusion让成本下降到可用，ControlNet让绘画可控性大大提升，踏入更广阔的应用领域。
在前面的系列文章中，我们讲了LLM的技术原理、商业应用、社会影响等方面。但这些都是聚焦当下或较近的未来，那么更遥远的趋势呢？
就像Diffusion的ControlNet模型一样，如果你更早发现他的趋势，你就不会花费精力在语义理解、稳定控制等方面，而是直奔可控性（我与很多朋友聊天，发现他们的团队或多或少都有可控性方面的尝试，但因为趋势错判，而没有全力All IN）。
或者哪怕你不是做技术的，你提前预判到，你也能在产品角度、商业角度做前置的思考和布局。
不过接下来我的分析不会那么偏技术（因为不懂），而是从更商业的角度来看这些方向。毕竟商业利益催生应用，应用催生技术涌现，有时候跳出技术思维（刚好我没有），或许更能看到一些盲生的华点。
希望对大家有所启发，也欢迎拍砖讨论。
以下是全部内容：
降低门槛 ⭐️⭐️ 万物终端 ⭐️⭐️⭐️ 思维链CoT ⭐️⭐️ 反作弊 ⭐️ 文本外应用 ⭐️ 私有化 ⭐️⭐️ GPT4来了？⭐️⭐️⭐️ 下面每个方向的介绍都比较简洁，不会穷举所有案例，也不会长篇大论讲解原理。
方向一：降低门槛 ⭐️⭐️ 我说过技术涌现是需要“人数基础”的，参与的玩家越多，这个领域的发展才会越快。同时我们本身也需要关注门槛的降低速度，以预判更多玩家涌入对商业生态的影响。基于这两个因素，重要性2星。
第一个例子 以FlexGen为例，目前GitHub 5K Stars，实现了大模型推理中的显卡平替（推理就是回答问题）。
简单介绍：
1）用更大的吞吐量掩盖低延迟（你可以慢，但做多一点）；
2）工程上优化了效率，不仅可以用16GB T4 的显卡去替代又贵又稀缺的80G A100。并且实现了这种方式相较以往框架的100倍效率提升。——说白了，推理的时候你不一定要用A100了！喜大普奔！
如果需要比较通俗的科普，看这个：https://zhuanlan.zhihu.com/p/608279479如果需要看GitHub原链接，看这个：https://github.com/FMInference/FlexGen
第二个例子 是ColossalAI（看名字就知道，专门对付大模型） ， Github上17.5K Stars ， 他在解决训练成本、推理成本的问题。他的实现方案太复杂了，大概是更高效的并发策略、更好的工程结构等我还没深入研究的东西哈哈。大家感兴趣follow下面链接做深入学习。科普性报道（可能有PR成分）如下：https://zhuanlan.zhihu.com/p/606397774GitHub链接如下：https://github.com/hpcaitech/ColossalAI#GPT-3
第三个例子 是各类开源组织，例如EleutherAI（Stable Diffusion，GPT-3的开源组织），LAION（数据开源组织）等，他们对模型或者对数据的开源，推动了更多参与者加入这个方向的研究。
整体来看，有非常多关于降低门槛方面的努力，包括模型开源、模型优化、工程优化、算力降低、显卡平替等，说不定有一些我没发现但正在进行中的（例如定制芯片、稀疏化模型等等）。
方向二：万物终端 ⭐️⭐️⭐️ 我们现在使用ChatGPT可以让帮我们生成视频脚本，甚至按API字段要求生成一个可执行的入参命令。但是这种生成 永远停留在文字程度 ，我们要做最终的生产，只能自己打开其他的应用（如PS、如其他APP的API接口）才能将生成结果转变为最终产物。
如果ChatGPT能够使用工具呢？ 当我让他帮我收集海外SaaS公司2022年财报，他将结果整理为列表，同时标识引用的财报PDF，并将PDF下载到我的桌面（且新建文件夹并自动重命名）。你觉得如何？想要吗？
甚至更复杂一点（短期不太现实哈哈），你跟他说帮我画一张“醉后不知天在水，满船星梦压清河”的水墨画（用AI绘画），并在右上角用草书写上这两句古诗（用PS）。你想要吗？
这将是颠覆式的开始，就像当初IOS诞生一样，围绕一个终端，全世界的应用都会按照他的标准接入，并涌现出无穷的智慧。 GPT不再是一种工具，而是新时代人人都离不开的终端——替代手机/电脑，更强大的虚拟终端 。
在这种刺激下，巨头对LLM的争夺会进入一个更剧烈的，更白热化的阶段：新时代的诺亚方舟，不上船者必死。
这一切的开始， 来自Meta AI发布的Toolformer ，他让LLM连接工具成为可能 。
简单介绍：
1. 让AI明确有些问题，可以调用工具（例如知识，计算，查询日程）；
2. 让AI合理地转化自然语言命令为API命令（即调用工具的入参）；
3. 让AI在组织回答时，正常回答，但部分需获取的答案，去调用API获得结果后再嵌入回答中。
下面是一个论文中的例子（括号内即API命令+调用后的结果）：
Q：拜登在哪里出生
A：拜登在（调用搜索引擎查询“拜登在哪里出生”，获得答案斯克兰顿）斯克兰顿出生。当然论文中的例子还较为简单，离我的狂想还有一段距离。但这种思路揭示了一种未来：我们可以训练LLM模型对工具使用的理解，包括何时应该使用工具，自然语言如何转化为使用工具的API命令。
等他进一步完善之后，所有的应用都必须按照LLM定义的标准提供接口，并跪着求LLM收录他们作为可调用工具（例如都是查询日历行程，我是查Google日历，还是查滴答清单呢？）
科幻未来就在眼前，三星好评！
简单科普看这个：https://www.zhihu.com/question/583924233/answer/2900129018论文看这个：https://arxiv.org/pdf/2302.04761.pdf
方向三：思维链CoT ⭐️⭐️ 第一个例子 有点搞笑，但我发誓是真的：
第一步，让AI回答最终答案之前先拆解问题：“Think step by step”第二步，然后再让AI基于这个推理结果给出最终答案：“so the answer is ?”拆成两步后，准确率从17.1%飙升到78.7%
无图无证据，论文《LargeLanguage Models are Zero-ShotReasoners》原图
第二个例子 来自小冰的X-CoTA。
直接上图，大家仔细看看：
在图中，小冰面对问题“北京到苏州相当于跑了多少个马拉松”，他拆解成了“北京和苏州的距离”，“一个马拉松有多长”两个问题进行推理。并最终基于两个小问题的答案给出最后答案。
一方面，复杂问题拆解为多个子问题提升了最终回答的正确率，另一方面，更加关键的是——这让AI的推理过程可视化。而可视化，就意味着人类可以进行过程纠错，接下来请看第三个例子。
第三个例子 ：LangChain 的memory功能。
下图中右侧，模型弄错了Similar to的意思，被用户教育校正。这个校正会存入Memory中，当AI下次在遇到累死问题，他就会来寻找曾经的memory并避免犯错。
这个功能本身是和CoT思维链毫无关系的。
但是如果你把LangChain的这个功能，与第二个例子结合起来。
你就会发现，所谓的用户反馈（即大名鼎鼎的RLHF）不仅仅能够出现在训练/微调环节，更能直接在用户使用过程中发挥作用，快速积攒大量的优质人类反馈，从而进一步提升模型效果。
这个方向一方面本身就可以提升模型效果，另一方面为强化版的用户反馈机制提供了可能，因此给2星。
方向四：反作弊 ⭐️ 大家可能看到过最近的这个新闻：《科幻世界禁止使用ChatGPT投稿》，或者更早之前的大学禁止ChatGPT的一些新闻。还有针对GPT监测的工具，例如GPT-Zero，OpenAI自己开发的AI-Text-Classifier等。
我的看法是：政治噱头。
第一，AI生成的本质是什么？就是洗稿，例如我写作中会阅读大量的报道、文章、论文，然后总结归纳后转写出来——是的，技术侧的知识我毫无产出，一行代码也没敲过，我只是在学习总结而已。
但这种洗稿问题，在内容时代从来没被解决过，不要说我这种高级洗稿，就算是低级洗稿也是毫无办法。
第二，目前的检测方式是基于模型有监督学习的文本分类模型，在现在LLM模型起步初期，行文还有点生硬时，准确率都不高，何况更进步更拟人的未来？
第三，还有一些从源头控制的方法，例如添加密码水印（例如h字符的出现率比平均值高11%~13%），例如应用侧主动标识“来自LLM”的证明。但这些手段仍然可以通过多段拼凑，黑市LLM，离线二次处理等方法绕开。
这个领域是政治、商业上推行下去必须解决的问题，但他的解决方式很可能是表面解决——LLM公司出存在性手段（AI-Text-Classifier），应用侧公司做保证性声明，政府拟定生成类内容法规，但一切对现实毫无影响。
方向五：文本外应用 ⭐️ 经过很长一段时间的狂欢后，大部分人（或许只有我哈哈），可能都忘记了LLM的一个颠覆性变革——AGI通用人工智能的雏形。
这个雏形怎么往下推进呢？他势必要将当前集中在文本领域的能力向更大范围辐射。
典型的例子如 ProGen ，用大规模语言模型来定向预测蛋白质结构
简单介绍：
1.复习一下预训练语言模型，把N多语料喂给他，让它自己学习世界知识、语法知识、代码知识。2. 好，模仿这个过程，现在我把蛋白质的结构喂给ProGen，让它自己学习，让它明白原来要具备杀菌性，结构是这样的，具备耐寒性，结构得是这样的；
3. 现在我可以要求他定向预测蛋白质结构了——例如我要杀菌性好的蛋白质。
这个模型现在的参数规模是12 亿，使用包含2.8 亿个蛋白质序列的公开数据集——如果他像GPT一样不停地往上堆数据呢？是不是也会像GPT模型一样实现能力的涌现？
科普性文章看这篇：https://zhuanlan.zhihu.com/p/603784945
那么其他领域呢？图像、视频、3D？很抱歉，我觉得很难看到突破。
我的判断和技术一点关系都没有（我不懂），纯粹从商业角度、利益角度看这个事情。
第一，Diffusion在多模态领域狂飙突进，他的爆发远不到停止的时候，在这个阶段，由于他的前景明确、介入成本低，集中了大量的研究人员在推进技术发展。
第二，GPT为代表的LLM，他现在也不太关心文本外应用，他有更着急的事情要去做（例如我前面说的那几个方向）。——并且，由于他的介入门槛高，在这个领域能够实操的研究人员还远远比Diffusion少。
这就像特斯拉的交流电遇到爱迪生的直流电一样，当你有一个还不错，甚至很不错的竞争对手时，你不能只是优秀一点，你必须优秀非常多！
在产品领域有一个公式描述这种现象：产品价值=（新体验-旧体验）-迁移成本。
综上，对于广阔的图像、视频等领域，我不是特别看好LLM短期内在这个方向的发展。
方向六：私有化 ⭐️⭐️ 我之前有一个判断，LLM的诞生不会摧毁小模型公司，这里的小模型公司指以前靠卖模型服务吃饭的企业，因为他们的模型比起1750亿参数实在太小了，就叫小模型公司哈哈。
这方面的考虑来自几个方面：实时性（车载/直播等），安全性（金融），成本敏感（客服），答案稳定（金融），道德风险（心理咨询）。
但是，新闻来了！OpenAI将考虑允许企业私有化部署模型，最低26W美元/年
如果这个消息不是FakeNews（建国兄摇头.JPG），那么至少安全性问题解决了，成本、实时等问题可能也会缓解，小模型公司将迎来前所未有的冲击。
但是私有化也有好处：
首先，私有化大概率是部署小参数规模的LLM居多（比1750亿参数少一个量级），那么这将导致后续LLM的优化方向不仅仅只是参数规模的追逐（例如传说中的万亿参数GPT4），也会回头关注小参数级别LLM的表现。
其次，更多的应用催生更多的技术升级，并且小参数级别的LLM也降低了进入门槛，会让这个领域更加百发齐放（其实又和门槛降低方向有点关系了）。
因此，基于对现有商业环境的扰动+技术的有益促进，这个方向的重要程度是2星——哪怕他一点技术含量也没有（或许还是有一些的）。
方向七：GPT4来了？⭐️⭐️ 各种传言说GPT4已经在路上了，23年就要出来了，但都没啥证据。而Twitter这位小哥不仅爆料了私有化信息，还提供了GPT4可能到来的一种猜测。
首先，我们看这张图，text-davinci-003就是目前OpenAI开放的最先进的模型，可以看到图中只支持4Ktokens。（告诉大家一个冷知识，ChatGPT是不开放商用API的，只有GPT-3开放）
而Twitter小哥爆料的图中，大家看这张图中，DV就是davinci——目前OpenAI真正开放商用的GPT3系列名词。
在图中，DV最高支持32K的上下文长度，是当前的支持的4K的8倍。
这个莫名其妙的DK（32K max context）是不是传说中的GPT-4呢？或者哪怕不是，至少也是个GPT-3.6、3.7吧？毕竟翻了8倍的上下文理解能力，实在有点离谱——他从19年到22年也就翻了2倍。
不过，毕竟只是猜测，所以只给2星，安慰一下自己的小心脏。
本文由@马丁的面包屑 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自 Unsplash，基于 CC0 协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
给作者打赏，鼓励TA抓紧创作！
{{{path> 赞赏
