ChatGPT-4的未来潜力：强大的神经网络、未竟的推理梦与无限可能性？

🌟【深度解析】ChatGPT4：未来智能新标杆？🔥于3月23日凌晨的科技盛宴中，GPU巨擘英伟达掌门人黄仁勋与AI领域的先驱者伊尔亚·苏茨克维携手，对ChatGPT的革新进行了深入剖析。这款备受瞩目的ChatGPT-4，以其神经网络技术的显著升级，展现出强大的逻辑推理能力，仿佛拥有了预见未来的超凡智慧。然而，正如苏茨克维所揭示，尽管ChatGPT-4已迈出了坚实的一步，其目前的推理精准度仍待突破。若能如他所说，通过扩大数据集这一关键环节，保持商业运营模式的稳健，ChatGPT-4的潜力将被进一步释放，引领智能新潮流。让我们期待ChatGPT-4如何在数据与技术的双重驱动下，逐步完善并超越自我，成为人工智能领域的又一里程碑。🚀#ChatGPT4 #神经网络 #未来预测 #AI发展

黄仁勋认为，ChatGPT是AI界的“iPhone时刻”，但这一时刻的到来并非一蹴而就。

以下为中国电子报记者整理的本次对话内容精华：

黄仁勋：近期，ChatGPT的热潮让AI获得了全世界的关注，OpenAI作为研发者备受行业关注。为什么会决定聚焦AI深度学习领域？

伊尔亚·苏茨克维：人工智能通过不断的深度学习，给世界带来了巨大的改变。对于个人而言，主要体现在两方面：

🌟人工智能领域的探索始于我们对世界无尽的好奇——那些深藏在直觉中的理解和解决问题的独特方式。💡探讨大脑如何构建预知，以及意识与经历的精妙定义，一直是我的热情所在。🔍这些复杂的议题不仅挑战我们的认知边界，也激发了对技术未来可能性的深度思考。🌱

🌟在2002-03年的求学路上，我曾坚信教育的奥秘唯有人类能独占鳌头，机器的智慧尚处于摸索阶段。然而，一念之间，一个创新的火花照亮了我前行的道路——倘若赋予计算机自我学习的能力，那将对AI世界开启前所未有的革新篇章。🎓

作为一名专注于AI神经网络的专家，我对这项技术的发展深感着迷。神经网络作为AI的核心驱动力，其在深度学习中的应用无疑是科技进步的一大亮点。我们热衷于探索如何让这些网络仿照人类大脑的智慧运作，以及如何将数据处理的强大功能融入计算逻辑中。虽然当时对于未来的走势充满不确定性，但基于对行业的洞察，我坚信这个领域的前景光明且充满无限可能。🚀

黄仁勋：你曾说过，GPU将会影响接下来几代人的生活，GPU可能会对深度学习的培训带来帮助。你是在何时意识到这一点的？

伊尔亚·苏茨克维：我们在多伦多实验室中，第一次尝试使用了GPU来培训深度学习，当时并不清楚如何使用GPU，以及如何让GPU获得真正的关注。但随着我们获得的数据集越来越多，我们也越来越清楚，这将会为传统模型带来的优势。我们希望能够加速数据处理的过程，培训出过去科学家从来没有培训过的内容。GPU的使用，给我们带来了一个转变性的革命，让我们能不断地去培训神经网络，训练神经网络的图像处理能力。

黄仁勋：ChatGPT和OpenAI是否已经打破了过去计算机编辑图像的模式？

伊尔亚·苏茨克维：我认为不是打破了计算机图像的编辑，而是用另外一种处理方式。大部分人都是用传统的思维模式去处理数据集，但我们的处理方式更先进，是“超越式”的。曾经，我们也认为这是一件艰难的事情，甚至觉得几乎不可能完成，但如果我们能做好，就是让人类生活有了一大进步。

黄仁勋：担任Open AI的首席科学家，你认为最重要的工作是什么？我觉得Open AI在不同的时间点，关注焦点并不相同。我认为ChatGPT是“AI界的iPhone时刻”，你是如何实现这样的跨时代转变的？

伊尔亚·苏茨克维：最开始，我们也不太清楚如何开展整个项目，而且，我们现在所得出的结论，和当时使用的逻辑完全不同。无法想象现在的用户已经有这么好用的ChatGPT工具，来帮助大家创造出非常好的艺术效果和文本效果。但在2015年、2016年时，我们还不敢想象能达到当下的程度。

🌟原想法大揭秘：💡2016年，我怀揣着一个革命性的愿景——推动机器实现无监督学习的突破。虽然今天这看似寻常，得益于自然语言模型的强大，但彼时，它还是个遥不可及的梦想。无人探索过，没有科研先例，那是个技术上的棘手难题。我坚信数据压缩是关键，却未曾料到ChatGPT以其创新，悄然打破了僵局。🔍探索之路曲折：我们顶着压力，一步步前行。尽管面临挑战，但ChatGPT的出现确实启发了我们，它证明了数据集可以被高效地“压缩”，为我们的数学模型找到了新路径。最终，通过不懈的努力和数学的力量，我们成功地减少了训练数据量。🏆技术迭代见证：时间见证了我们的成长与突破，从那时起，机器学习的进步就像一场接力赛，ChatGPT只是其中的精彩一棒。让我们期待未来，那些未竟的梦想将在更多创新中变为现实。记得关注哦！🔍

🌟通过训练神经网络来预测未来字符，我相信这与我们视觉中枢的复杂网络紧密相连，验证过程亦证实了这一假设。换句话说，ChatGPT背后的智能在于它能揭示数据间的内在逻辑，而这正是通过预测下一字符实现的洞察。这项技术目标的重要性不容忽视，因为它为我们挖掘现有信息的新路径提供了可能。🚀

黄仁勋：扩大数据规模能够提高AI的表现能力，更多的数据、更大的数据集能够帮助生成式AI获得更好的结果。你觉得GPT-1、GPT-2、GPT-3的演变过程，是否符合这样的“摩尔定律”？

伊尔亚·苏茨克维：OpenAI的目标之一，是解决扩大数据集的问题。刚开始面临的问题，是如何提升数据的高精准度。因此，我们在做Open AI项目时，通过让它做一些策略性的游戏，来提升精准度，比如，竞争性的体育游戏，训练它必须足够快、足够聪明，还要和其它队竞赛。作为一个AI模型，它需要不断重复基于人类反馈的强化学习过程。

我们的工作原理，就是通过不断培训神经网络体系，让神经网络去预测下一个单词。预测的单词和过去的单词之间，能够达成一定的逻辑上的一致。从神经网络来看，它更像是根据方方面面来得出一个结论。但我们的模型还没有达到这样的效果。人类的反馈很重要，越多的反馈能使AI更可靠。

黄仁勋：你可以让AI做一些事情，但是你能不能让AI不做一些事情？如何让AI知道自己的界限在哪里？

伊尔亚·苏茨克维：可以实现。未来，第二阶段的培训序列，就是和AI、神经网络去进行交流，我们对AI训练得越多，AI的精准度越高，就会越来越符合我们的意图。我们不断地提高AI的忠诚度和准确度，它就会变得越来越可靠、越来越精准，而且越来越符合人类社会的逻辑。

黄仁勋：相比较于以前的版本，GPT-4有怎样的升级？未来在哪些方面、哪些领域有更多的升级？

伊尔亚·苏茨克维：GPT-4基于ChatGPT的性能，做了很多改善。对GPT-4的训练大概是6～8个月之前开始，GPT-4和之前GPT版本最重要的区别，是GPT-4有更强大的神经网络预测功能，能够更精确的去预测下一个单词是什么，意味着能够对人们说的话有更精准的理解。

这与人们此前常说的直觉有很大不同，GPT-4采用的是推理能力。比如，在一篇推理小说中，小说中有各种不同的人物和情节，有密室、有谜团，人们在读推理小说的过程中，完全不清楚接下来会发生什么。但是能通过小说中不同的人物和情节，来预测结局。GPT-4也是如此，能够像推理小说一样预测结果。

黄仁勋：语言模型是如何学习到推理和逻辑的？GPT-4现在有哪些缺陷，在接下来的版本中将进一步完善？

伊尔亚·苏茨克维：想清楚定义逻辑和推理并不容易，但是未来可通过将逻辑和推理定义的更精准，来获得更确切的答案。

神经网络是有一些缺陷，用神经网络去打破之前固有的思维模式，那么就需要考虑这个神经网络能够走多远的问题

神经网络依旧面料一些挑战，比如，让神经网络去打破固有的思维模式，但这也就意味着人们要思考神经网络到底能走多远，也就是神经网络到底有多大潜力。目前GPT-4的推理能力确实还没有达到预期的水平，未来希望GPT-4的推理和逻辑能够达到更高的水平。但未来如果能更进一步的扩大数据库，保持过去的商业运转模型，未来推理的能力会进一步提高，对此也很有信心。

黄仁勋：ChatGPT是否有一种自然属性，能够不断地去理解新内容？

伊尔亚·苏茨克维：是的，神经网络确实有这些能力，但是有时候也并不准确，这也是神经网络接下来面临的最大挑战。在很多情况下，神经网络会出现很多奇怪的错误，甚至出一些人类根本不会犯的错误。针对这些“不可靠性”，需要进一步针对神经网络来进行研究，从而未来能够给人们一个更精准的结果，甚至能够纠正一些错误，让神经网络变得更可靠。

现在GPT-4的模型已经被公开发布了，它其实没有追踪数据模型的能力，它的能力是基于文本去预测下一个单词，根据数据调节来得出结果，所以是有局限性的。有人认为，可以让GPT-4去找出某些数据的来源，然后会对数据来源做更深入地调查，来不断提升能力。

总体而言，尽管GPT-4并不支持内部的数据收集，但它肯定会在持续的数据挖掘之中变得更加精准。GPT-4甚至已经能够从图片中进行学习，并且根据图片和内容的输入进行反馈。

黄仁勋：多模态学习如何能够加深GPT-4的理解能力？为什么多模态学习定义了GPT和OpenAI？

伊尔亚·苏茨克维：多模态学习可以从两个维度来看：

第一，多模态在视觉和图像识别上特别有帮助。因为整个世界是由图片形成的，人们和其他动物都是视觉动物，人脑1/3的灰质都是用来处理图像的，GPT-4也能够去理解这些图像。

第二，随着人们对于世界的认知不断加深，通过图片或文字对世界的理解是一样的。对于一个人而言，一个人可能一生之中只会说10亿个词。这通过计算人一生有多少时间，以及一秒能处理多少词，再减去睡觉的时间，就能算出一生处理了多少单词。人和神经网络的不同之处在于，人如果10亿个词汇无法理解，可以用其他万亿级的词汇来理解。对于AI神经网络而言，可以通过文本，将人们对于世界的知识和信息慢慢渗透给AI的神经网络。外加视觉图片等其他元素，神经网络可以更精准地进行学习。

黄仁勋：对于文本和图片方面的深度学习，如果我们想要人工智能去理解其背后的逻辑，甚至是理解这个世界的基本原理——比如我们人类日常的表达方式，一个词其实有两种含义，声音的高低变化，其实都代表着两种不同的语气。说话的语言和语调的变化，对AI去理解文本是否有一定帮助呢？

伊尔亚·苏茨克维：是的，这类场景非常重要。对于语音和语调，包括声音的大小和语气，对于AI而言都是非常重要的信息来源，提供了领域中重要的解读信息的方式。

黄仁勋：请总结一下AI正处于怎样的发展阶段？以及在不远的将来，生成式AI能够达到怎样的高度？大语言模型的未来是什么？

伊尔亚·苏茨克维：预测未来比较困难的。目前能做的，是把现有的事情继续做下去，让人们看到GPT更惊艳的系统版。未来，希望通过提高数据的可靠度，让系统更进一步获得人们的信任。目前，生成式AI在解读这个文本过程中，还无法完全验证文本的真实性以及信息来源。对于未来的展望，是让神经网络必须要确认所有数据来源的真实性，准确地服务人们每一步的需求。

黄仁勋：在第一次使用ChatGPT-4时，有哪些性能让你觉得很惊艳和震惊？

伊尔亚·苏茨克维：我认为AI本身存在的意义，是可以给人类带来帮助。之前的ChatGPT版本，神经网络只会回答问题，甚至有时候会误解问题，在回答方面很不理想。但是GPT-4基本没有误解问题的情况，甚至能够去处理更复杂的任务。简而言之，它的可靠性更好。例如，GPT-4能够写诗，可以写押头韵的诗，也能写押尾韵的诗。甚至它能去理解笑话，能明白笑话背后的意思。

作者丨许子皓 沈丛

编辑丨陈炳欣

视频丨沈丛

美编丨马利亚

监制丨赵晨

AI时代，掌握AI大模型第一手资讯！AI时代不落人后！

免费ChatGPT问答，办公、写作、生活好得力助手！

扫码右边公众号，驾驭AI生产力！