這里多說幾句Brad LightCap的背景。

Brad生于91年，畢業(yè)于杜克大學(xué)，16年到18年在YC做專注人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的投資人，投資組合包括Airbnb、Stripe、Instacart 和 Coinbase等。18年底開始任職OpenAI 的CFO，憑借其專業(yè)金融背景為OpenAI在組織運(yùn)營和財(cái)務(wù)結(jié)構(gòu)方面發(fā)揮了重要作用，包括處理微軟的10 億美元投資。而Sam Altman 14年起做了五年的YC總裁，有四年都兼顧OpenAI，直到19年全心轉(zhuǎn)業(yè)。也就是說Brad LightCap是從YC追隨奧特曼投身OpenAI相當(dāng)早的那批人。

2020年，Brad LightCap晉升為COO，職責(zé)擴(kuò)大到完善OpenAI整體的業(yè)務(wù)和商業(yè)戰(zhàn)略。去年11月OpenAI高層最混亂的時候，也是他第一個站出來發(fā)表對內(nèi)聲明，告訴員工“Sam Altman 并非因‘不當(dāng)行為‘被解雇”，出面穩(wěn)定公司上下軍心。

在這場大概50分鐘的對話中，Brad LightCap分享了自己對現(xiàn)有模型能力的思考、對未來模型演進(jìn)方向的預(yù)測，GPTs和定制化服務(wù)的業(yè)務(wù)思路，OpenAI分別面對企業(yè)、開發(fā)者和普通消費(fèi)者時的使命及角色定位，OpenAI企業(yè)級規(guī)模合作的最新進(jìn)展，并基于親身經(jīng)驗(yàn)給想要部署AI技術(shù)的中小型公司提出實(shí)際建議。

他還“凡爾賽”了一把，稱團(tuán)隊(duì)內(nèi)部根本沒預(yù)料到GPT-3會大火，所有計(jì)劃都是根據(jù)“GPT-4是第一個現(xiàn)象級產(chǎn)品”預(yù)測來安排的，導(dǎo)致后面不得不加快節(jié)奏。而面對Manuvir Das提出的“OpenAI正在忙著的未來大動作”問題時，Brad也做出了巧妙、但讓人充滿遐想空間的回答。

以下是硅星人在GTC現(xiàn)場為大家?guī)淼膶υ拰?shí)錄：

一、OpenAI的自我定位，與企業(yè)合作策略、數(shù)據(jù)部署和技術(shù)建議

Manuvir Das：Brad，告訴我們一些關(guān)于你在Open AI的角色，你日常的工作內(nèi)容，以及有什么事情讓你夜不能寐？

Brad Lightcap：當(dāng)然。很高興能來到這里。我是OpenAI的首席運(yùn)營官，我花了很多時間思考如何將我們在研究實(shí)驗(yàn)室里構(gòu)建的東西帶給客戶、用戶和合作伙伴。通常人們會問，這包括哪些內(nèi)容？我會回答，除了實(shí)際研究之外的所有事情。他們不允許我接觸計(jì)算機(jī)。我多數(shù)時間都和客戶一起，試圖解決如何把這項(xiàng)技術(shù)融入到世界中。至于什么讓我夜不能寐，現(xiàn)在我可以說沒有什么，除了Slack（笑）。

但我覺得接下來幾年會非常有趣。我們現(xiàn)在還處于曲線的平坦部分，就像是第一局的邊緣。隨著技術(shù)的構(gòu)建、發(fā)展和系統(tǒng)擴(kuò)展，我們認(rèn)為它的能力將會非常驚人。

Manuvir Das：有趣的是，許多人將OpenAI等同于ChatGPT，并把它看做給普通消費(fèi)者體驗(yàn)的技術(shù)。但你們現(xiàn)在跟許多企業(yè)合作了。我們NVIDIA在和客戶交流時，發(fā)現(xiàn)多數(shù)客戶都建立了一套自己內(nèi)部的rag系統(tǒng)，并稱是通過OpenAI實(shí)現(xiàn)的。所以我非常好奇你和企業(yè)客戶合作的經(jīng)驗(yàn)是怎樣的？

Brad Lightcap：是的，當(dāng)我們推出GPT時，使用率顯然飆升，那時這并非是一個面向企業(yè)的產(chǎn)品。我們花了六個月時間試圖弄清楚到底發(fā)生了什么，并確保我們有足夠的GPU來滿足用戶。實(shí)際上去年的后半年我們才真正意識到，企業(yè)中也存在著不斷增長的應(yīng)用需求，公司開始引入ChatGPT。這就是為什么我們最終推出了GPT企業(yè)版和團(tuán)隊(duì)版。

但我們確實(shí)看到了來自不僅是中小型企業(yè)和中等市場，甚至是財(cái)富500強(qiáng)的需求量。我們有超過90%的財(cái)富500強(qiáng)公司以某種形式在使用ChatGPT。我們正在努力將他們?nèi)恳氲狡髽I(yè)版產(chǎn)品中。因?yàn)樗_實(shí)具有真正的吸引力和適用性，而且非常橫向。據(jù)我們所知，公司的每個職能部門都能找到這項(xiàng)技術(shù)的用武之地，我們并不需要構(gòu)建很多垂直應(yīng)用，它就是有效。

比如，如果你在財(cái)務(wù)團(tuán)隊(duì)，需要做大量數(shù)據(jù)分析，進(jìn)行對賬和稅務(wù)統(tǒng)計(jì)，你可以將大型電子表格丟進(jìn)Chat GPT中，然后要求對賬，它就會自動完成了。它甚至可以把HR團(tuán)隊(duì)轉(zhuǎn)變成數(shù)據(jù)科學(xué)家。因此你會發(fā)現(xiàn)，是人們自然而然地找到了它的適用性。OpenAI也正在努力去構(gòu)建更優(yōu)秀的工具版本給他們。

Manuvir Das：這確實(shí)令人驚嘆。我們在與企業(yè)客戶交談時發(fā)現(xiàn)，最受歡迎的用例就是作為「助手」。你知道Brad，就像擁有一個免費(fèi)實(shí)習(xí)生，不管是什么工作職能，你都可以構(gòu)建一個聊天機(jī)器人來協(xié)助你完成工作，并且可以得到80%的答案。你是不是也這樣認(rèn)為？

Brad Lightcap：是的，確實(shí)有一些關(guān)鍵用例。其中之一是“最后一公里工程”。我們有一個團(tuán)隊(duì)負(fù)責(zé)解決這個問題，試圖手把手地來幫助客戶完成工作。我認(rèn)為隨著模型變得更好，一些這樣的需求將開始減少。因此我看到的有兩個方面，一是解決模型在能力上仍然存在的缺陷，二是嘗試為模型配置所有需要的上下文以便完成任務(wù)。我不認(rèn)為第二部分會消失，世界非常廣闊且混亂。但我認(rèn)為隨著模型的改進(jìn)，人們將真正感受到加速，第一部分的問題將會得到解決。

Manuvir Das：顯然，你們有這些偉大的模型為GPT提供動力。圍繞Open AI，已經(jīng)涌現(xiàn)出一個完整的工具生態(tài)系統(tǒng)，幫助人們使用這些技術(shù)。我很好奇對于你們來說，把自己的使命和角色定位成「開發(fā)人員使用技術(shù)的全平臺」，還是僅僅想成為「核心模型服務(wù)的提供者」？

Brad Lightcap：我認(rèn)為兩者都有，好理解嗎？我們的看法是一切都是對智能的提取，關(guān)鍵在于我們想構(gòu)建多少層。但我們會構(gòu)建任何能加速世界開始廣泛使用這項(xiàng)技術(shù)、將智能引入到應(yīng)該到達(dá)的每一個角落的東西。

一個我認(rèn)為需要謙遜的部分，就是開始意識到世界有多大，有多少地方可以應(yīng)用到我們的技術(shù)。這樣當(dāng)我花費(fèi)每一分精力去考慮是否應(yīng)該構(gòu)建某個特定的第一方應(yīng)用時，我會提醒自己外面有人對這個特定問題比我們更加關(guān)心。那么，我們?nèi)绾谓⒁惶坠ぞ呒?，讓他們能夠自己?gòu)建他們想要的技術(shù)、工具和應(yīng)用程序？然后我們專注于哪些事情呢？就是那些原始的、基礎(chǔ)的層面，這將使人們受益，并且創(chuàng)造出偉大的用戶體驗(yàn)。

Manuvir Das：你知道這很有趣，因?yàn)樵谀撤N程度上，你們經(jīng)歷的旅程和NVIDIA在過去幾年中的歷史相似。那就是，我們在NVIDIA有一種模式，我們喜歡花時間做沒有其他人能做的事情，讓其他人做能做的事情。因?yàn)槟愀杏X到自己有一種責(zé)任，你的工作是讓這個工具盡可能好，盡可能廣泛地影響其他人圍繞它構(gòu)建東西。我確信OpenAI感受到了一種責(zé)任感，就像你說的，可以用這個工具影響整個世界，這是一件非常強(qiáng)大的事情。

我還在想的另一件事是—— Jensen昨天在他的演講中也提到了，在100萬億美元的行業(yè)中，科技界一直是關(guān)于成本的。每家公司都必須有一個IT部門，有預(yù)算，都是關(guān)于如何減少成本。新技術(shù)的顛覆性是因?yàn)樗苁鼓承┦赂阋?。我相信我們所處的位置，真正關(guān)于的是為公司創(chuàng)造新的機(jī)會、新的價值。你們是不是也這樣看待這個問題？

Brad Lightcap：確實(shí)，如果你從根本上看看這項(xiàng)技術(shù)到底是什么，它其實(shí)就是一種能力的規(guī)?；嵘軌?qū)⒛承┤蝿?wù)外包給具有通用學(xué)習(xí)能力，并能夠預(yù)測性地改善的模型，無論是通過規(guī)模擴(kuò)大還是通過更多信息、更多上下文和更多能力。這是對我們來說激動人心的部分。

從企業(yè)的角度來看，你會想到大型企業(yè)實(shí)際上有多復(fù)雜，以及有多少低掛果實(shí)可以讓你說，“你知道嗎，對于這個特定的事情，我們實(shí)際上可以將工作流的部分外包給一個AI，它不僅能在基線水平上執(zhí)行，而且還會隨著時間的推移做得更好，并逐漸掌握整個價值鏈?！边@就允許人們專注于其他事情。所以我們在實(shí)踐中看到的是，你不必花兩個小時坐在那里急到薅頭發(fā)，試圖把收入對賬。一個AI可以為你探索并解決問題，你只需要提出問題，突然間就被解決了。而本來要花那些時間的人，現(xiàn)在可以去思考更重要的事情——我之所以這么說，是因?yàn)槲乙补芾碡?cái)務(wù)部門（笑）。

Manuvir Das：Brad，今天這個房間里有很多來自企業(yè)背景的人。我想很多人心中都有這個問題，你們的模型已經(jīng)非常出色地吸收了世界和互聯(lián)網(wǎng)上的各種知識。而每家公司也都有自己存儲在各種地方的知識庫。顯然，不同的人對于如何利用這些數(shù)據(jù)有不同的角度和方法。我很好奇，對于OpenAI來說，你們?nèi)绾巫屵@些公司真正將他們擁有的所有數(shù)據(jù)納入到流程中？

Brad Lightcap：是的，這確實(shí)是我們被問最多的一個問題。我想可能也是目前最不成熟的問題，不過是可以預(yù)期的。我們正處于這種范式轉(zhuǎn)變的早期階段。人們能夠探索和使用這種核心技術(shù)，但將所有基礎(chǔ)設(shè)施和系統(tǒng)與之掛鉤還需要一些時間。現(xiàn)在能看到的是，人們能夠?qū)⒂腥さ臄?shù)據(jù)庫與明確的用例相結(jié)合，并讓模型應(yīng)用于這兩者。你將這三個因素聯(lián)系在一起，就能獲得非常好的效果。

最近我們與Klarna的合作就是一個很好的例子。Klarna是一家非常重視AI的公司。他們在這方面已經(jīng)做了一段時間。但他們采取了正確的策略，即真正從特定的技術(shù)實(shí)施入手，將問題范圍限定在一個小范圍內(nèi)。他們研究了工作流程中一個很小的部分，使用了一個非常具體的數(shù)據(jù)集，并對模型進(jìn)行了特定的微調(diào)。先讓這一部分工作起來，然后再從此擴(kuò)展?，F(xiàn)在已經(jīng)處理了大量工作并節(jié)省了大量時間。

我認(rèn)為這就是我們應(yīng)該采取的策略,不要從一開始就力求過大,也不要志向不高，而是從一個可以限定問題范圍的事物入手，讓它工作起來,然后再擴(kuò)展。不要試圖從第一天就吞下整個海洋，但也不要缺乏雄心。

Manuvir Das：我看過你在很多采訪里提到這一點(diǎn)，你和一些公司開會時，他們似乎認(rèn)為GenAI能夠奇跡般地讓公司變好，改變市場地位。但事實(shí)上，更好的做法是從具體的用例入手，從中獲取價值，然后再推而廣之。

作為給那些剛開始嘗試這項(xiàng)技術(shù)的公司的建議，你會怎么說？當(dāng)然像英偉達(dá)這樣，現(xiàn)在已經(jīng)有上百個聊天機(jī)器人在內(nèi)部運(yùn)行于不同場景，這固然是一種有機(jī)生長模式。但對于新手來說，你會建議他們首先花些時間思考一下如何統(tǒng)籌規(guī)劃，選擇一種初始路線，還是廣泛嘗試，任其自然發(fā)展？

Brad Lightcap：在2023年的大部分時間里，我常對我們團(tuán)隊(duì)說，我們其實(shí)不是在做銷售，我們是在做“心理治療”。公司進(jìn)來，通常是一個C級的人坐在我們的會議室里，進(jìn)行到五分鐘左右時，他們就會開始傾訴所有問題和他們擔(dān)心的事情，問我們是否能解決這些問題，比如“董事會希望我下個季度推出哪些新品”…通常我們得稍微勸勸他們，給他們一點(diǎn)水喝，讓他們冷靜下來（笑）。

Manuvir Das：這個治療環(huán)節(jié)你們收費(fèi)嗎？

Brad Lightcap：那倒沒有哈哈。但一旦我們進(jìn)入真正的談話部分，我們的觀點(diǎn)就是，真正考慮一下，你的業(yè)務(wù)中哪些地方有機(jī)會讓運(yùn)營方式，管理方式得到改進(jìn)。對很多人來說，最頭大的往往是客戶支持，這是我們聽到的最頻繁的抱怨：“沒有人喜歡他們客戶體驗(yàn)的質(zhì)量、這上面花了很多錢、從來都不太有效，這些事他們收到最多的客戶投訴。”

Manuvir Das：這恰好是一個非常橫向的領(lǐng)域?qū)?？因?yàn)樗婕霸S多行業(yè)。

Brad Lightcap：沒錯。所以我們傾向于推薦多管齊下的方法。首先要確定兩三個確實(shí)存在棘手問題的領(lǐng)域，但同時又能對問題范圍進(jìn)行一定限制。

以客戶支持為例，這是一個由多任務(wù)組成的工作流程，涉及不同程度的人參與和介入。擁有大量數(shù)據(jù)和上下文信息會有所幫助。所以你可以回顧之前提到的數(shù)據(jù)、流程和模型能力這三個層面，找出最初的實(shí)施方案是什么樣的，然后從那里開始不斷擴(kuò)展和推廣。選擇幾個這樣定制化、基于平臺的項(xiàng)目來推進(jìn)。

另一個建議是，讓你的整個團(tuán)隊(duì)接觸ChatGPT。這是我們?nèi)ツ曛衅跊]有太多考慮的，但隨著我們部署了GPT并與一些使用它的公司交流后，才意識到要讓員工能夠平等地接觸和使用這項(xiàng)技術(shù)是很重要的。無需過于復(fù)雜或成熟的形式，只是讓員工有機(jī)會說“我知道我的工作內(nèi)容，可以多方嘗試，了解它的能力范圍，看看它如何幫助我更好地完成工作”就夠了，而且這種探索過程會自發(fā)地發(fā)生。公司有時會過于追求一種很規(guī)范的AI戰(zhàn)略，做一次大規(guī)模推廣，推出專屬的聊天機(jī)器人等。但我認(rèn)為至少目前，90%的價值都來自于簡單地讓員工接觸和使用這些工具，不必過多思考。

二、關(guān)于消費(fèi)級GPTs和完全定制模型，“企業(yè)用AI就像老板用人”

Manuvir Das：我非常同意。因?yàn)楫?dāng)人們第一次嘗試使用這種技術(shù)時，它帶來的價值是如此明顯，以至于你會愿意努力去解決遇到的任何問題。所以Brad，在與企業(yè)客戶合作并為他們提供不同使用場景的過程中，你們還推出了可以讓人們輕松構(gòu)建的GPTs，對嗎？可以為觀眾簡單介紹一下這是什么，為什么要走這條路線，以及目前的進(jìn)展如何嗎?

Brad Lightcap：好的，我會試著將其放在我們戰(zhàn)略的更大背景中加以解釋。我們擁有GPT-4和不管下一代出來的是什么，這些核心的通用智能模型，我們花費(fèi)了大量精力思考如何讓人們能夠根據(jù)自身需求對這些技術(shù)或模型進(jìn)行個性化定制，使其更加專注于特定任務(wù)，提高在特定領(lǐng)域的表現(xiàn)。所以在過去幾個月里，我們在GPTs、定制模型方面所做的大部分工作都是朝著這個方向的。

你可以將GPTs和定制模型看作是光譜的兩端：GPTs就是一種非常簡單、輕松的方式。從ChatGPT的功能中裁剪出一小部分，專注于給定任務(wù)的使用。比如，如果你想讓模型記住某些特定信息、能夠調(diào)用外部數(shù)據(jù)、訪問PDF或電子表格、擁有某種特定個性、以可預(yù)測和可重復(fù)的方式使用某些工具，你只需描述一下需求，GPTs 就能相應(yīng)地自動配置出來。而且我們發(fā)現(xiàn)企業(yè)對此也有巨大需求，這并不奇怪，因?yàn)槿藗冮_始意識到可以將這種技術(shù)應(yīng)用到哪些工作流程中，所以他們只需對每個需求進(jìn)行正確編碼并調(diào)用即可。

而定制模型則是光譜的另一端，是一種全方位的定制化服務(wù)。我們會針對特定使用場景,充分調(diào)整和優(yōu)化GPT-4或其他模型，以最大限度發(fā)揮它在該領(lǐng)域的性能表現(xiàn)。這種服務(wù)我們提供的范圍相對有限，因?yàn)樗鼘ξ覀儊碚f是資源和時間密集型的。但在早期階段,我們已經(jīng)取得了巨大的成功，雖然仍在不斷探索和試驗(yàn)，但已成功提高了模型在大量領(lǐng)域的能力表現(xiàn)。

Manuvir Das：這確實(shí)非常迷人。因?yàn)轱@而易見，你們最初開啟這一旅程時，是從一個大型通用模型出發(fā)的，這個模型在諸多領(lǐng)域表現(xiàn)出令人驚訝的出色能力，并且在不斷變得更好。同時，如果回顧過去一年，我們也看到了模型生態(tài)系統(tǒng)中涌現(xiàn)出眾多其他模型。雖然它們的能力可能并不像OpenAI內(nèi)部的模型那樣強(qiáng)大，但在某些特定領(lǐng)域，它們也在不斷進(jìn)步。所以你認(rèn)為在企業(yè)內(nèi)部，是否大型模型和小型專業(yè)模型都將扮演角色？或者你認(rèn)為只需要一個大型模型就可以用于不同場景?

Brad Lightcap：是的，我們確實(shí)認(rèn)為所有規(guī)模的模型都將發(fā)揮作用。我個人的心智模型是，盡可能將企業(yè)AI部署的方式映射到現(xiàn)代企業(yè)構(gòu)建人力資本的角度。就像你不會聘請25000名博士來運(yùn)營公司，因?yàn)槟菍⑹沁^度配置，你可能只需要5到10個左右。同樣，你也不會將“GPT-X”或最新的大模型都應(yīng)用于每個單一的問題。你可能需要一系列在不同領(lǐng)域具有專業(yè)化的多樣化模型，它們針對不同的使用場景經(jīng)過了微調(diào)和優(yōu)化。

我猜想，隨著時間推移，這些模型的整體性能將越來越好，因此對它們進(jìn)行迭代、微調(diào)并努力使之在任何特定領(lǐng)域表現(xiàn)出色的需求將會減弱。但你當(dāng)然不需要一個一體化模型來解決所有問題。所以我們目前正在努力的一件事，是設(shè)法讓人們能夠根據(jù)具體使用場景動態(tài)調(diào)用不同的模型，這樣就可以更好地分配智能資源。

但是，我認(rèn)為你可以將這種多樣化的模型想象成公司內(nèi)不同級別和角色的人，有實(shí)習(xí)生級別的模型、中層管理者級別的模型、高級管理者級別的模型、以及某些專門領(lǐng)域的專家級模型，每個級別和角色都有其存在的位置和價值。總的來說，這種多樣化是必要的。

三、現(xiàn)有模型能力、未來模型方向、OpenAI下一代模型隱藏信息

Manuvir Das：你提出了一個有趣的問題，考慮到你的身份和工作，我相信觀眾也在思考要問你：如果說模型能力在1到10的范圍內(nèi)，你認(rèn)為我們現(xiàn)在處于什么水平？是1分嗎，還是7分，你怎么看？

Brad Lightcap：是的，我想對剛剛說的再補(bǔ)充一點(diǎn)，我們所做的工作以及我們?nèi)绾卧谄髽I(yè)部署這項(xiàng)技術(shù)的挑戰(zhàn)中有趣的一點(diǎn)是，我們需要將模型能力映射到人力資本的結(jié)構(gòu)上，但不斷變化的是模型能力本身，基本每6個月就會獲得提升。所以曾經(jīng)被視為實(shí)習(xí)生級別的模型，6個月后就開始看起來有點(diǎn)像中層副總裁級別的模型了；而之前的中層副總裁級別模型也開始像高級總監(jiān)級別模型。

Manuvir Das：你剛剛是不是diss了一大批VP？

Brad Lightcap：只是粗略類比（笑）。但這確實(shí)是一種有趣的現(xiàn)象，企業(yè)需要動態(tài)管理這種情況，我認(rèn)為總的來說這是件好事，是一種富余。因此，我們花了大量時間與公司思考，在任何給定的問題上，我們應(yīng)該投入什么資源？隨著模型能力的提高，我們是否應(yīng)該重新考慮這些組合?

Manuvir Das：這在某種程度上成為了一種新形式，就像你開始談到的，讓我想起iPhone問世時的情況 ——當(dāng)時有一種普遍觀念認(rèn)為，iPhone對消費(fèi)者來說很好，但公司將很難采用iPhone，因?yàn)樗狈@方面或那方面的控?，F(xiàn)在回頭看，這聽起來似乎也很可笑。

讓我們稍微轉(zhuǎn)換一下話題，談?wù)劷酉聛頃l(fā)生什么。我在與一些已經(jīng)走在前沿的客戶交談時注意到，他們開始從過去“某種形式的信息檢索”轉(zhuǎn)移到使用這種技術(shù)作為一種代理，試圖在公司內(nèi)部執(zhí)行操作、運(yùn)行流程、調(diào)用功能，產(chǎn)生行動。你是否也看到了這一點(diǎn)，你認(rèn)為目前的技術(shù)水平如何？因?yàn)槿绻矣幸粋€助手，只是查看它的輸出那很好，但如果我讓它為我執(zhí)行操作，我就必須更加信任它對嗎？

Brad Lightcap：是的，這正是讓我感到興奮的地方。這在很大程度上也體現(xiàn)了我們在OpenAI是如何看待這項(xiàng)技術(shù)的用途以及應(yīng)該如何使用它的。某些方面來說，我們有點(diǎn)嘲笑當(dāng)下AI系統(tǒng)實(shí)現(xiàn)的常見方式，那就是以某種信息檢索為基礎(chǔ)。從某種意義上說,它們就像是世界上最糟糕的數(shù)據(jù)庫 —非常緩慢、成本很高、又不100%準(zhǔn)確。雖然它們正在變得越來越好，但為什么要將它們用作數(shù)據(jù)庫呢？為什么要將它們用于需要高精度召回的場景？如此使用這些系統(tǒng)似乎有點(diǎn)奇怪——我不是在批判。

但我們真正希望看到這些系統(tǒng)朝推理智能體的方向發(fā)展。所以，關(guān)鍵是如何利用模型從某種數(shù)據(jù)源提取信息的核心能力，思考這些信息，然后基于對這些信息的見解進(jìn)行綜合，并采取行動。要實(shí)現(xiàn)這一點(diǎn)，需要兩個條件：一是提高模型的推理能力，二是賦予它某種執(zhí)行器，使之能在現(xiàn)實(shí)世界中采取行動。我認(rèn)為這將成為接下來的兩個發(fā)展趨勢。

我們預(yù)計(jì)，推理能力將成為模型改進(jìn)的下一個重點(diǎn)領(lǐng)域，提升將加速進(jìn)行。同時,我們還需考慮如何賦予模型解決多步驟問題的能力。

我給你舉一個醫(yī)療保健領(lǐng)域的例子。如果你讓一個模型查看病歷，目前它能夠提取出病歷信息，執(zhí)行一些基本操作，比如總結(jié)信息、根據(jù)輸入更新信息。但能否讓它進(jìn)一步思考這些信息呢？如果能思考,它是否能從中得出某些見解，從而為之后的第二步或第三步行動提供啟示？它可以幫助后續(xù)隨訪患者、協(xié)助疾病診斷、協(xié)助開具處方、實(shí)際與患者溝通并告知何時何地取藥、給出用藥劑量和服用時間，并在數(shù)周后再次提醒患者服藥。

這就是我們從幾年期內(nèi)來看待這些系統(tǒng)的方式。

Manuvir Das：那你認(rèn)為這種情況會發(fā)生嗎，是因?yàn)楹诵哪Ｐ驮谶@方面的能力會變得更強(qiáng),還是看到一種方法，即會有一個獨(dú)立的模型或系統(tǒng)專門用于推理，以補(bǔ)充現(xiàn)有模型？

Brad Lightcap：我認(rèn)為現(xiàn)有系統(tǒng)實(shí)際上已經(jīng)相當(dāng)不錯了。如果你去問GPT-4關(guān)于你假設(shè)的那種情況，要求它一步步解釋它的思考過程，它會以那種方式向你解釋。所以模型已經(jīng)知道了行動路徑，現(xiàn)在的問題是它是否能夠執(zhí)行每一個行動步驟，識別出應(yīng)該執(zhí)行的具體操作，并且是否能訪問到執(zhí)行所需的資源。

Manuvir Das：聽你這樣說真令人振奮，因?yàn)槲覀兇_實(shí)開始看到這種趨勢的出現(xiàn)。很顯然,你們在OpenAI對此工作越多，對所有人來說就越好。所以Brad，我們剛才談到了智能體的概念，如果從你的角度來看，在接下來的一年、三年和五年內(nèi)，OpenAI會有哪些重大轉(zhuǎn)變，或者你們在做的工作，能真正改變?nèi)藗兪褂眠@項(xiàng)技術(shù)的方式？

Brad Lightcap：嗯，有些是我不能透露的，但我可以回答一些。我們并不認(rèn)為模型的核心能力提升已經(jīng)接近天花板，我們認(rèn)為未來的擴(kuò)展空間還很大，這讓我們很興奮。OpenAI正努力理解如何推動模型在除了純粹智力之外的其他維度上取得進(jìn)步，我們對這方面的工作進(jìn)展感到很好。

從我的角度來看，我們之前提到的一個問題是，對于使這些系統(tǒng)在生產(chǎn)和部署環(huán)境中發(fā)揮作用，將需要哪些標(biāo)準(zhǔn)、框架和工具來組織所需的信息。有一部分工作是構(gòu)建系統(tǒng)本身，另一部分則是確保我們有途徑來部署這項(xiàng)技術(shù)，使其在生產(chǎn)環(huán)境中真正發(fā)揮作用。

Manuvir Das：這確實(shí)是一個不太容易的問題，但你處理得很好哈哈。讓我換個方式問你吧。作為一家公司，你們可以專注于整體提升技術(shù)，就像你們現(xiàn)在所做的那樣。你們也可以專注于企業(yè)客戶、全球各行業(yè)以及整個商業(yè)領(lǐng)域，因?yàn)槟抢镉泻芏鄼C(jī)會。那么你們的思路和重點(diǎn)是什么呢？你們認(rèn)為自己的使命是要幫助全球所有企業(yè)實(shí)現(xiàn)民主化，讓他們都能獲得進(jìn)步嗎，還是你們更多關(guān)注個人消費(fèi)者的用例，因?yàn)檫@對世界來說也是一大利益?

Brad Lightcap：是的，我們的使命就是要確保這項(xiàng)技術(shù)的益處能夠被廣泛分享。那么我們?nèi)绾温鋵?shí)這一點(diǎn)？一方面是確保人們能夠在這個基礎(chǔ)上進(jìn)行建設(shè)，正如我之前提到的，這個世界是如此龐大和復(fù)雜，我們無論如何都需要這樣做。界面會發(fā)生變化，數(shù)據(jù)提取層次也會發(fā)生變化，但核心是我們將努力為人們提供有效使用這些工具的途徑，無論他們想在哪里使用。

我們的聯(lián)合創(chuàng)始人Greg Brockman有一個很好的比喻，那就是我們可以以這種方式去思考世界：人工智能被烘焙進(jìn)了經(jīng)濟(jì)之中。“烘焙進(jìn)去”的意思是，你需要將各種原料混合在一起，等待一段時間后就會開始發(fā)揮作用。我們也經(jīng)常這樣想，即我們?nèi)绾握嬲渴疬@項(xiàng)技術(shù)，并融入其他”原料”，以便一旦它們混合在一起，事物就會以不同的方式運(yùn)作。

這就是我們花費(fèi)大量時間來實(shí)現(xiàn)使命的方式。從消費(fèi)者的角度來看,我們也有類似的考慮，ChatGPT只是對我們自己API的一種提取。我們只是讓模型更擅長與人對話，并將其作為一種服務(wù)提供，而不是通過API的方式讓人們訪問它。