io.net是基于Solana区块链的DePIN项目，连接GPU打造去中心化AI算力网络。文章整理了io.net的运作原理、参与

io.net是基于Solana区块链的DePIN项目，连接GPU打造去中心化AI算力网络。文章整理了io.net的运作原理、参与出租GPU的方式以及IO代币经济学等方面。了解更多：https://www.blocktempo.com/what-is-depin-project-io-net/#DePIN#io.net#去中心化AI#Solana#GPU#IO代币https://www.blocktempo.com/what-is-depin-project-io-net/

ChatGPT造孽 中国高校因它算力荒

ChatGPT造孽中国高校因它算力荒现在，校企合作也更偏爱大模型。去年11月ChatGPT发布后，与非大模型团队合作的企业骤减，近期找上门的，也是张口就问：“你们做大模型不？”做，有高校和企业的通力支持；不做？那就只能眼睁睁看着算力花落别家。哪怕某量化私募基金的有10000张A100卡，还对高校研究团队开放申请，也不见得能落一张到你头上。“要是我们组能分到一些就好了。”看到这条微博，非大模型团队带队的数据科学方向博士小哥羡慕不已，因为缺算力，他都愁得快仰天长啸了：我们也值得投资啊！！！现在，大伙争先恐后扑向ChatGPT背后GPT-3.5般的各种大模型，算力流向亦然。其他AI领域本就不足的算力更荒了，尤其是国内学界手里的算力分配下来，贫富差距肉眼可见。一整个实验室就4块3090卡巨大规模算力以月为单位的租用成本，对研究团队来说不是小数目。大模型正当其道，学界研究大模型的实验室或团队拥有算力资源的优先分配权。就拿小哥在学校的亲身体验来说，在他们研究室，大模型小组10个人有10块A800卡可用，而另一个研究传统机器学习方向的实验室，整个实验室只有4块3090卡。拥抱主流趋势是一重原因，另一重原因是实验室需要运转和维护的经费，获得拨款的一种形式是申请国家项目，但必要步骤是提供论文成果。双重原因下，本就不多的算力资源，不得不优先分配给大模型这样热门且相对容易出成果的研究。哪怕对学界来说，训一个大模型其实练不太动——因为数据、算力和资金都有些捉襟见肘。为了获得更多的资源，有的非大模型实验室甚至额外专门成立研究大模型的团队。当然，想要获得资金和资源，校企合作也是不可或缺的一种方式。这种推动产研融合的重要支撑形式持续已久，2020年，KDD中校企合作论文占比超过50%，这个比例在ICCV中达到45%。举例来说，2021年，清华大学KEG、PACMAN（并行与分布式计算机系统）、NLP等实验室着手推进训练千亿参数的稠密模型，但团队用于训练模型的计算资源并不充足。最终，校外企业智谱AI租用了近百台A100的服务器，免费提供所需算力，这才有了双语预训练语言大模型GLM-130B的诞生。GLM-130B的任务表现但在众人争先恐后扑向GPT-3.5般大模型的当下，非大模型团队开始不太好谈这类合作了。去年11月ChatGPT发布后，与小哥所在团队洽谈校企合作事宜的公司数量急剧减少。在其他高校，AI领域的非大模型团队也总是面临企业询问，“要不要/会不会做大模型”。本就稀缺的算力，在学界有成为追逐热点的砝码的倾向，算力资源分配的马太效应由此逐渐扩大，带给学术研究很大困扰。ChatGPT加剧算力分配贫富分化算力是AI飞速发展必不可少的指标，2018年，OpenAI发布的报告中点出一个算力趋势：自2012年以来，AI训练任务所运用的算力每3.43个月就会翻倍。到2018年，AI算力需求增长了30万倍。产学研对算力需求暴增，我们能提供的算力有多少？据中国算力集团统计，截至2022年6月底，我国数据中心机架使用总规模超过590万标准机架，服务器规模约2000万台，算力总规模排名全球第2。这个排名还算不错，但摊开来看仍旧远远不够，毕竟放眼全球，没有哪个国家不是嗷嗷待哺，等着更多的算力资源“投喂”。再退一步讲，买得起显卡，拥有的算力上去了，电费也是天文数字。况且我国还有特殊情况——开放原子开源基金会业务发展部部长朱其罡在本月举办的CCFYOCSEF上发言阐述现状称，超算领域的核心技术，一个是IBMLSF超算系统，一个是开源系统。目前，国内多数超算中心都基于开源系统做封装，但这个版本调度资源的效率和能力都有很大的提升空间。以及，因为众所周知的原因，A100、H100这俩目前性能最强的GPU，还没找到可规模替代的方案。英伟达A100显卡综上，算力不够已是积弊，但ChatGPT时代，算力需求剧烈扩张，除了大量训练算力，大量推理算力也需要支撑。所以现在的情况是，因为ChatGPT显示出大模型的推理能力，训练和研究大模型的算力需求增加；同时因为大模型热度爆棚，蜂拥至大模型的算力资源也增加。分配给大模型领域的算力资源丰富起来，其他AI领域缺衣少食的情况逐渐加剧，研发能力受到掣肘。可以说，ChatGPT成为如今的AI届白月光后，加剧了算力分配的贫富分化。这般“富”甲一方的大模型，是不是AI研究路径上最好的？还没人能够回答。但值得引起注意和重视的是，GPT系列为首的大模型不应该吸引全部目光，整个AI领域还有各种各样的研究方向，还有更加细分的垂直领域，以及带来更多生产力的模型和产品。当ChatGPT的热度趋于平缓，学界的算力资源分配差距会缩小吗？所有非大模型方向的实验室和团队，恐怕都在期待之中。...PC版：https://www.cnbeta.com.tw/articles/soft/1349115.htm手机版：https://m.cnbeta.com.tw/view/1349115.htm

放弃造车，苹果能在AI界开天辟地吗

放弃造车，苹果能在AI界开天辟地吗世人都谓苹果全面转向AI姗姗来迟，但苹果只是“起大早赶晚集”。从乔布斯古早时期在雅达利的《打砖块》游戏初尝试，到2016年给所有语音助手上了一课的Siri，苹果在AI历史写下过浓墨重彩的几笔。而今，苹果终于无法再容忍OpenAI和Google的“双簧式”表演，选择集中精力重投AI。作为可能是唯一拥有算力层、中间层、模型层、应用层等全栈式能力的科技公司，苹果的入局，会在AI界开辟新天地（breaknewground）吗？在这场席卷全球的AI战争中，后来者苹果有哪些得天独厚的优势？纵览环球AI，微软携OpenAI以令诸侯，然群狼环伺；Google紧追OpenAI，却亦步亦趋；国内众厂摸着OpenAI过河，但拥天堑之利。此三分天下而格局未定，广阔天地大有可为，若假以时日，则霸业可成，苹果可兴。古早的AI布道者在AI领域，苹果起得多早？追本溯源，起始时间遥遥领先目前任何一家AI巨头。1975年，乔帮主大业未竟而苹果未立，尚在雅达利游戏公司升级打怪。彼时雅达利在游戏界正值如日中天，堪比80年代中后期的任天堂和90年代的PlayStation。20岁的乔布斯与史蒂夫·沃兹尼亚克（苹果联合创始人）用了4个晚上的时间完成了《打砖块》游戏的硬件设计。《打砖块》一经推出就获得玩家欢迎，名垂游戏设计青史，也成为了DeepMind团队训练深度学习的游戏系统。从人工智能开山祖师图灵和香农写的下棋程序开始，早期的人工智能就致力于创造一款在游戏中打败人类的程序。因此DeepMind将强化学习与深度神经网络结合，创造了能够学习雅达利游戏的系统。在上千次训练后，在《打砖块》游戏中深度学习网络的平均得分达到了人类的10倍。DeepMind得以名声大噪，并在一年后获得Google收购，而后诞生了开启上一波AI浪潮的AlphaGO。而在人工智能的重大突破——自然语言处理的语音识别领域，苹果曾经走在任何一家手机企业前面。2010年，苹果收购Siri。2016年，苹果在iPhone上推出的智能语音助手Siri，相比其他手机语音助手性能提升显著。“有时候，一种性能的提升太过显著，以至于你会再次进行测试以确保没有漏掉一个小数点，Siri的出现就是这样的情况之一。”苹果工程师如此评价。与AI新浪潮失之交臂？虽然苹果间接催生了上一次AI浪潮的诞生，而在OpenAI掀起的AI新浪潮下，措手不及的苹果虽然动作频频，却始终步伐谨慎，行事低调。来到AI新时代，苹果只做三件事，但每一件都没有做到极致。第一，收购多家AI初创公司。据市场调查机构Stocklytics公布的最新报告，苹果在2023年共收购了32家AI公司，并将获取的AI技术应用于产品改进。如在2020年苹果收购了都柏林的语音AI技术公司Voysis，用以改善Siri人机对话的体验。第二，研发大模型和AI对话机器人。2023年7月，苹果就被爆正在开发大模型Ajax和内部聊天机器人AppleGPT。Ajax系统构建在Google机器学习框架GoogleJax之上，并作为内部ChatGPT风格工具AppleGPT的基础，但它更多是作为内部产品的内驱力，不面向消费者开放。但也有苹果员工称其本质上复制了Bard、ChatGPT和BingAI，并且不包含任何新颖的功能或技术。第三，被认为最可能接入大模型的Siri。2018年，原GoogleAI负责人Giannandrea加入苹果，领导公司的人工智能和机器学习团队，拉接管了苹果智能助手Siri的领导权。此前Siri一直因停滞不前而受到批评，Siri联合创始人DagKittlaus曾表示，Siri在被苹果收购后，可能没有充分发挥其潜力。在ChatGPT颠覆了个人智能助手的体验后，Siri受到了更大威胁。不难看出，虽然苹果在人工智能上已经花费了大量时间、精力，但也一直有些迟疑。对此，库克曾婉转地表示，苹果将在其更多产品中添加人工智能，但会“经过深思熟虑”。而在此前，当被问到苹果在生成式AI的工作内容时，库克的回答是“敬请期待”。“苹果确实还没有在AI领域大展拳脚，”苹果股东的投资经理BrianMulberry说。在AI新浪潮时代，我们并未感受到苹果如微软、Google、OpenAI般对AI的狂热。苹果AI的用武之地被爆出放弃造车转投AI的次日，库克一改往日态度，在2月29日的股东大会表示，公司将在2024年在生成式人工智能领域“开辟新天地”，他强调：“我们相信这将为用户带来变革性的机遇。”那么，后来者苹果有何优势？会如库克所说，在AI界开辟新天地（breaknewground）吗？华映资本海外合伙人邱谆认为，苹果的优势在于：它可能是唯一拥有算力层、中间层、模型层、应用层等全栈式能力的科技公司，在自有人工智能芯片、云计算、算法和数据的多层降本增效优化叠加下，带来的模型系统优化效果将会非常显著。因此，重投AI的苹果，完全可以靠得天独厚的优势走出一条苹果特色AI道路，在硝烟四起的AI竞赛雄踞一方。接下来，让我们展开来看看，苹果在上述各个层面的优势。算力层：目前AI训练侧高度依赖英伟达，苹果在中国、欧洲、美国都有自己的数据中心，因此囤积了大量英伟达GPU，至少不会面临算力短缺的问题；在推理侧，苹果在AI芯片设计研发领域和全栈工具链的持续投入，使得苹果完全有能力，基于自研芯片推出推理加速方案，并且可以适配自研基座大模型。GoogleTPU和初创公司Groq已经在这个领域做出了比肩英伟达的成绩。数据层：拥有庞大用户基数的IOS系统可以给苹果提供大量的语料与用户行为，自2011年被集成到了iPhone4S的Siri，积累了十余年时间跨度的用户对话数据。应用层：现有的IOS系统给面向C端用户的文字、图片、音视频等内容生成服务提供了平台和受众。邱谆认为，如果苹果从上述底座大模型和自研芯片入手，软硬件结合，同时做OpenAI和英伟达专注的两件事，所需成本仍然很高，因此要暂时放弃造车集中资源。苹果业务调整后的优先级，前后次序很可能变为：MR→大模型→无人车→具身智能。凭借上述优势，全面转投AI的苹果又会在哪些领域给用户带来变革性机遇？先从时下大热的AI手机谈起，虽然国产友商在一年前早已入局端侧大模型，但苹果在芯片方面的持续投入与自研能力，可以相比其他手机厂商更高效地调用设备CPU、GPU、NPU等计算资源。另外大模型在端侧运行对内存速率、内存资源的要求极高，苹果可以利用强大的研发和供应链整合能力，最大程度解决硬件技术问题。但根据苹果以往的宣传调性，很可能不会提及AI手机与端侧大模型，而是将重点放在应用上。苹果会找出什么不同于友商的解法？接下来iOS18与iPhone16的发布，将会揭晓谜底。对于被苹果给予重望的下一代移动终端平台VisionPro，AIGC对于其3D场景搭建的降本增效将会大大降低。通过传感器和内置摄像头等获取的现实世界和用户数据，也可以结合AIGC进行大数据分析和建模，获得更好的实时交互和用户体验反馈。接近苹果人士向虎嗅透露，苹果放弃造车，很可能只是暂时延缓造车计划，等待自动驾驶技术突破后再推出更为成熟的无人驾驶汽车产品。而Sora对现实世界物理规律的学习拓展，和对物体运动轨迹的判断能力，将给困境中的自动驾驶的带来新思路。苹果并不是完全放弃造车，而是没必要做没有自动驾驶的车。要做自动驾驶，AI是必经路径，这也是苹果放弃造车全面转向AI的原因。...PC版：https://www.cnbeta.com.tw/articles/soft/1422140.htm手机版：https://m.cnbeta.com.tw/view/1422140.htm

OpenAI再陷宫斗：理想主义者是如何被击碎的？

OpenAI再陷宫斗：理想主义者是如何被击碎的？GPT-4o发布会之后，伊利亚突然更新推文，宣布从OpenAI离职。首席科学家的退出，加速了OpenAI的分裂。伊利亚（左三）与奥特曼（左四）3天后，另一位“超级对齐”的科学家简·雷克（JanLeike），也宣布提桶跑路。简·雷克公开爆料称，两人与奥特曼等高层存在严重分歧，安全团队举步维艰。OpenAI的文化正在“变质”，忽视安全主义而转向“闪亮的产品”。陆续有技术大牛选择离开。一位OpenAI员工对着媒体说道，“注重安全的员工已经对他失去了信心。信任正一点点崩溃，就像多米诺骨牌一张一张倒下一样。”众所周知，OpenAI是一家由理想主义情结捏合起来的机构。然而，对于如何实现这一理想，OpenAI内部却渐渐衍生出了两条不同的路线。伊利亚的离开，意味着他所代表的理想主义，已经彻底败给了另一种理想主义。科学家与狂想家2005年的一个周日，多伦多大学教授辛顿的办公室门外，来了个不速之客。来者是一位数学系的学生，操着一口东欧口音，表情似乎总是愁眉苦脸。彼时，辛顿是极少数仍在研究深度学习的学者，并在多伦多大学组建了一个实验室。这个学生说，他整个夏天都在快餐店兼职炸薯条，现在他更想来这个实验室工作。辛顿打算考考这位急于展现自己的年轻人，给了他一份反向传播的论文。这篇论文写于上世纪80年代，是辛顿最知名的研究成果之一。几天后，这个学生回来了，问他，“你为什么不求导并采用一个合理的函数优化器？”辛顿倒吸了一口气，“我花了5年时间才想到这一点。”这个学生，就是伊利亚。辛顿发现，伊利亚有种非常强大的原始直觉，能靠“第六感”找到正确的技术路线。因此，辛顿将伊利亚视作唯一一个比自己更“天才”的学生。并且，辛顿很快发现，“技术天才”只是伊利亚身上的一个特质。与伊利亚长期共事过的研究员谢尔盖·莱文（SergeyLevine）曾说道，他喜欢大的想法，并且从不惧怕相信。“不怕的人有很多，但他尤其不怕。”2010年，伊利亚在阅读了一篇论文之后，便大胆宣称，深度学习将改变计算机视觉——只需要有人来推动这项研究。在那个深度学习等同于民科的时代，伊利亚这番发言，显然是有些倒反天罡的。然而，他只花了2年，就打了所有人的脸。2012年，辛顿、伊利亚以及克里哲夫斯基三人打造的AlexNet，以高达84%的图像识别正确率，让世界看到了深度学习的潜力，并引发了产业界的狂热追逐。那一年，Google花了4400万美元的天价，只为了将AlexNet的3位作者收入麾下。伊利亚、克里哲夫斯基与辛顿（从左到右）Google工作期间，伊利亚又开始相信一件更宏大的事情：超越人类的超级智能，已经近在眼前。一方面，是因为他发现深度学习的游戏规则变了。此前，研究深度学习的只有一小撮人，资源捉襟见肘。2009年时，辛顿曾短暂地在微软做过一个深度学习项目，连一张价值1万美金的显卡都申请不下来，气得他一顿阴阳怪气，“微软显然是家资金短缺的软件销售商。”然而，自AlexNet之后，无数聪明头脑与热钱涌入，未来被加速了。另一方面，早在学生时期，伊利亚就坚信Scalinglaws。“第六感”告诉他，超级智能并没那么复杂，只需要更多的数据与算力。并且，伊利亚又一次证明了自己是对的。2014年的NIPS学术会议上，伊利亚公布了他最新的研究成果：Seq2Seq（序列到序列）模型。Transformer诞生之前，它曾是Google机器翻译的灵魂。只需要足够的数据，Seq2Seq模型就能表现得很好。伊利亚在路演中提到，一个弱模型永远不可能有好的表现。“真正的结论是，如果你有一个非常大的数据集和非常大的神经网络，那么成功是有保证的。”伊利亚在NIPS2014科学家与狂想家这两张面孔，在伊利亚身上迸发了神奇的化学反应。随着伊利亚对超级智能愈发笃信，他对安全问题的重视也与日俱增。没过多久，伊利亚便遇见了知己。理想主义的天花板2015年，伊利亚收到投资机构YCombinator掌门人萨姆·奥特曼的邀请，前往硅谷的瑰丽酒店参与一场秘密聚会。然而，奥特曼并非这场秘密聚会的主角。马斯克突然现身，告诉现场所有人，他打算成立一间AI实验室。瑰丽酒店促使马斯克这么做的导火索，是数周前的44岁生日派对。当时，马斯克邀请了GoogleCEO拉里·佩奇等一众好友，去度假村玩了3天。晚饭过后，马斯克与佩奇围绕AI展开了激烈争吵。马斯克认为AI会毁灭人类，而佩奇则不以为然，嘲讽他是个“物种主义者”，对硅基生命有偏见。从那之后，马斯克就不怎么和佩奇说话了。在秘密聚会的现场，马斯克等人提到，很少有科学家会考虑自己研究的长期后果。如果任由Google这样的大型企业垄断AI技术，很可能会在无意间造成巨大伤害。因此，他们提出了一种全新的形式：成立一间不受任何人控制、非盈利的实验室。他们同样会去追逐AGI（通用人工智能）的圣杯，但不以盈利为导向，且放弃大多数研究成果，转而面向社会公开（opensource）。马斯克与奥特曼认为，如果所有人都能获得强大的AI，那么“恶意AI”的威胁将大大降低。“我能想到最好的事情，就是让人类以更安全的方式构建真正的AI。”另一位组织者布罗克曼（GregBrockman）说道。伊利亚被这个浪漫的想法打动了。他为此放弃了年薪200万美元的诱惑，毅然加入OpenAI。成立的头15个月，OpenAI并没有设立具体的战略方向。Google科学家达里奥·阿莫迪（DarioAmodei），当时曾拜访过OpenAI，询问在研究什么，OpenAI的管理层竟一时答不上来，“我们现在的目标...是做点好事。”几个月后，阿莫迪跳槽去了OpenAI，一起做点好事。达里奥·阿莫迪2017年3月，奥特曼等领导层意识到该更专注了。然而，在规划AGI路线图的时候，他们却发现了一个严重的问题：算力跟不上了。大模型所需要的算力，每隔3-4个月就会翻一倍；非盈利机构的形式，显然不足以支撑。当时，马斯克提出了一个提案：OpenAI并入特斯拉，由他完全掌管[8]。然而，马斯克低估了奥特曼的野心。奥特曼一直在寻找重大的科学突破，希望凭此打造出一家价值万亿美金的企业。过去，YC最为人熟知的投资案例，是Airbnb。随着奥特曼掌权之后，YC开始挤破脑袋寻找各种研究核聚变、人工智能、量子计算的公司。a16z创始人、风险投资家马克·安德森曾表示，“在奥特曼的领导下，YC的野心水平提高了10倍。”2018年2月，奥特曼将OpenAI管理层都拉拢到了自己的阵营。马斯克从此离开了团队，不再和奥特曼说话，并取消了对OpenAI的后续资助。奥特曼与马斯克两个月后，奥特曼发布了OpenAI的公司章程。在不起眼的角落，他对公司愿景的表述，做了些小小的修改，“我们预计需要调动大量资源来完成使命。”至此，曾经那个高度理想主义的OpenAI，渐渐踏入了另一条河流。第一次分裂2019年2月，OpenAI对外宣告了GPT-2，却没有第一时间对外开源。而后来的GPT-3，更彻底走向了闭源，OpenAI变成了CloseAI。一个月后，OpenAI又改变了“非盈利”的性质，成立了一个营利部门，并接受了微软10亿美金的投资。突然的180度大转向，使得OpenAI内部开始分裂成两个对立的派别：以达里奥·阿莫迪、伊利亚为代表的安全主义，认为必须先确保AI不会威胁人类，再公开发布产品；而以奥特曼、布罗克曼为代表的加速主义，则希望加速AI的普及，从而让更多人使用AI造福世界。从中可以看出，两个派别的行事方式完全相反：安全主义主张先验证安全，再发布；而加速主义主张先扩大市场，再根据测...PC版：https://www.cnbeta.com.tw/articles/soft/1432568.htm手机版：https://m.cnbeta.com.tw/view/1432568.htm

奥特曼专访自曝全新GPT-5细节：性能跃升超想象

奥特曼专访自曝全新GPT-5细节：性能跃升超想象外媒就又曝料了，Altman首次公开表示：GPT-5提升将非常大！任何低估这一点的人和公司都将被碾压。Altman前段时间发推暗示今年OpenAI的产品将会改变人类历史。他硅谷出席一个活动时在现场表示：GPT-5的性能提升的程度将超出预期。GPT每次开发下一个模型时，都强调需要更多新特性，因此，日常生活的各个领域以及商业中的很多板块都不可避免地被取代和消失。GPT的局限是什么？我会很自信地说“没有局限”。我们相信，GPT模型没有任何限制，如果投入足够的计算资源，构建超越人类的AGI并不困难。而这一观点，似乎和前段时间也同为“LLM乐观派”DeepMindCEOHassabis采访时的表态有分歧。在Hassabis看起来，在达到AGI之前，在算法上还需要有突破，并不是靠Transformer就能解决一切问题。GPT-5提升巨大，力大砖飞就能达到AGIAltman在硅谷和韩国记者采访团交流时说：许多初创公司很高兴地认为GPT-5只会取得微小的进展，而不是重大的进步（因为这样认为似乎会有更多的商业机会），但我认为这是一个很大的错误。就像技术剧变降临时会经常发生的那样，这些低估GPT-5能力的初创公司将被下一代模型“碾压”。这是Altman第一次在公开场合对GPT-5的性能如此明确而自信地发表评论。Altman现在眼里只有AI而且，Altman个人似乎除了“构建通用人工智能”之外，对于其他技术没有任何兴趣。他说自己对人工智能以外的其他技术的兴趣似乎已经减弱，包括区块链和生物技术。过去，我对世界上发生的一切都抱有广阔的视角和开放的心态，因此能看到聚焦视角下看不到的事情。不幸的是，现在我完全专注于人工智能，因此很难有其他的兴趣点了。除了思考下一代人工智能模型之外，我最近花最多时间的领域是“算力建设”，因为我越来越相信计算将成为世界上最重要的货币。然而，世界还没有为足够的计算做好规划，并且未能面对这个问题，思考如何以尽可能低成本的构建大量算力，是人类想要达到AGI过程中需要面对的重大挑战。AI是人类未来的最强抓手而Altman表示，在达到AGI之后，可能算力就不是一个特别大的问题了。AI几乎可以解决一切和发展有关的问题。AGI最令我兴奋的是，我们通过科学发现开发人工智能的速度越快，我们就能越快找到解决方案，使核聚变发电成为现实。通过AGI进行的研究将带来可持续的经济增长。我认为这几乎是人类社会未来唯一的驱动力和决定因素。当被问到，如果人类产生的数据跟不上AI开发速度，数据短缺会不会阻碍AI的进步。Altman说：从长远来看，人类产生的数据可能会变得不足。我们需要一个能够用更少的数据学习更多东西的模型。不过，Altman说，他现在无法确定GPT-5发布的具体时间。Fridman访谈Altman在Fridman的博客中，又透露了很多和这一年来他在领导OpenAI追寻AGI的感悟，内容都是干货，大家千万别错过。我相信，在未来，计算能力将成为一种新的“货币”。我预见它将成为世界上最珍贵的资源之一。在Fridman问他OpenAI宫斗是不是未来AGI权力斗争的缩影：通往AGI的道路肯定会充满激烈的权力角逐。世界会……嗯，不是会，我是说我预计这就是未来的景象。关于Ilya在哪里？那么关于Ilya的问题，我可以问你吗？他是不是被关在某个秘密核设施里作为人质？-No那么普通的秘密基地呢？-No是一个不涉密的核设施？-肯定也不是Ilya并没有在OpenAI内部看到了AGI：Ilya从来没有见过通用人工智能（AGI）。我们任何人都还没有。我们也还没造出通用人工智能。不过，Ilya身上有很多让我敬佩的品质，其中一个就是他非常重视关于通用人工智能及其广泛的安全问题，这包括它可能对社会造成的影响。随着我们不断地取得显著进展，这几年我最多的时间都是和Ilya一起讨论这将意味着什么，我们需要怎么做才能确保做得正确，以保证我们的使命能够成功完成。所以，虽然Ilya没有见过AGI，但他对确保我们在这个过程中行得正、走得稳的深思熟虑和忧虑，对人类来说是一份宝贵的贡献。关于和马老板的关系和最近的官司我真的不清楚这到底是怎么一回事。最初，我们只认为自己将成立一个研究实验室，对这项技术未来的发展毫无头绪。那是七八年前的事了，现在想回忆起当时的情况真的很难，那个时候语言模型还没成为热门话题。我们甚至还没想到要开发一个API或者卖聊天机器人的访问权限。我们也没有想过要将其产品化。当时我们的想法就是，“我们就去做研究吧，至于研究成果能用来做什么，我们并不清楚。”我想在探索完全新颖的事物时，你总是摸着石头过河，制定一些假设，而这些假设大多数最终都被证明是错误的。他觉得OpenAI快要失败了。他想要完全控制权来挽救局面。但我们想要继续沿着现在OpenAI所走的方向前进。他还想要特斯拉能够开展一个AGI（人工通用智能）项目。他在不同时间点有过多种想法，包括把OpenAI变成一个他能控制的盈利性公司，或者是让它与特斯拉合并。我们并不同意这样做，于是他决定离开，这也挺好的。看，我的意思是，在人们指出Elon这样做有点伪善之前，Grok是没有开源过任何东西的。然后，他宣布Grok将在本周开始开源一些东西。我认为对他来说，这件事并不仅仅是关于是否开源的问题。在谈论Sora时Altman说到了未来人类和AI互动的方式：人们总是在讨论，五年内人工智能会取代多少工作岗位。他们的出发点通常是，目前的工作中有多大比例会完全被人工智能所替代？但我个人的看法并不是围绕人工智能会做多少份工作，而是在未来某个时间点，它们能执行多少种任务。想一想，经济活动中的所有五秒钟、五分钟、五小时乃至五天的任务，有多少是人工智能可以完成的？我认为，这个问题比单纯问人工智能能取代多少工作要更加有意义、影响深远和重要。因为人工智能是一个工具，它将在不断延长的时间跨度内、以越来越高的复杂度来执行越来越多的任务，这让人类能够在更高层次上进行抽象思考。也就是说，人们在自己的工作中可能会变得更加高效。而这种变化，随着时间的推移，不仅仅是量的改变，它还意味着质的变化——我们能在脑海中构思何种问题。对于YouTube上的视频，我觉得情况也是如此。很多视频，或许是大多数视频，在制作过程中会运用到人工智能工具，但它们的核心仍然是由人来思考、构思、负责部分执行，并指导整个项目的运作。当被问到Q*等所谓的秘密项目时，Altman基本全盘否认了：OpenAI并不擅长保守秘密。如果我们能够做到的话，那就太好了。我们一直受到很多泄密事件的困扰，真希望我们能有这样的本事做出这些东西来。我们涉猎的研究领域五花八门。我们之前已经提过，我们认为增强这些系统的推理能力是一个重要的发展方向，是我们很想深入探索的。到目前为止我们还没彻底攻克这个难题，但我们对此充满了极大的兴趣。网友热议GPT-5：等到花儿也谢了而网友们对于Altman的言论似乎有着非常理性的看法：认为仍然认为GPT-5的发布将是有史以来最具影响力的事件之一。如果表现不佳，将会影响所有对大模型能力增长的预测，所有科技+指数+货币都会大幅重新估值。然而，如果它像GPT-3到4那样有很大的提升，人类将见证历史。也有好事的网友在Altman的报道下面@了马库斯，让他赶紧来评论一下。无数网友也在哭诉，GPT-5再不来人要熬没了...PC版：https://www.cnbeta.com.tw/articles/soft/1424239.htm手机版：https://m.cnbeta.com.tw/view/1424239.htm