根据周鸿祎谈ChatGPT整理

ChatGPT为什么能“成功”？ 思考： 如何借鉴微软和OpenAI的合作模式？ 如何能够拿到更好的数据进行训练？ 如何实现更好的工程化的训练方法？ 如何找到更好的用户场景使用拥有的大模型？ 建议： 对创业公司来说 要学会和行业里有场景、有入口的公司来合作 通过用户的试用和反馈来改进技术

周鸿祎谈ChatGPT 【周鸿祎】 360公司创始人、董事长兼CEO 第十三届、十四届全国政协委员、经济委员会委员 九三学社中央委员 全国工商联大数据运维（网络安全）委员会轮值主席 大数据协同安全技术国家工程实验室理事长 中国网络空间安全协会副理事长 ISC互联网安全大会主席

• 六大观点
  • ChatGPT为什么能“成功”？
    • 思考： 如何借鉴微软和OpenAI的合作模式？ 如何能够拿到更好的数据进行训练？ 如何实现更好的工程化的训练方法？ 如何找到更好的用户场景使用拥有的大模型？ 建议： 对创业公司来说 要学会和行业里有场景、有入口的公司来合作 通过用户的试用和反馈来改进技术
    • 走对技术路线 - 四大一强
      • 大算力
      • 大数据
      • 大量能力训练
      • 大型算法
      • 大模型
    • 破圈 - 用户视角
      • 思考：“元宇宙”概念不火了？
      • 解决了什么痛点
      • 满足了什么刚需
      • 产品体验 - 解决实际问题 用户端的落地性、普适性
    • 产研合作模式创新 - 微软与OpenAI
      • 实现
        • 工程化
        • 场景化
        • 产品化
        • 商业化
  • GPT是否已经拥有真正的人工智能
    • 跟搜索引擎有本质的区别 - 区别于既有知识图谱
    • 可以回答复杂推理问题 - 有知识的储备和多步推理能力
    • 对世界有基本的常识和认知 - 通过文字和语言进行理解
  • GPT-4 已经是世界上最聪明的“人”
    • 原有（弱/垂直）人工智能
      • 只能解决一个问题
      • 无法理解世界
    • ChatGPT（强/通用人工智能）
      • 理解、编码、储存、认知
      • 能力强 - 考试
      • 知识储存量大且融会贯通
      • 模拟了大脑的工作原理
      • 未来指数级进化的可能
  • GPT有四个不可解释的现象
    • 用好GPT有一个很重要的环节叫提示。当你的提示词给得很差时，GPT可能随便挑一段话敷衍你，但如果提示很好，有挑战性、批判性，它会给出更好的结果
    • 涌现
    • 幻觉 - 渐进明细前的混沌渐进状态、过程
    • 语言（语种）能力迁移
    • 逻辑增强
  • GPT引发全球科技领袖热议
    • 思考：为什么大数据没有完全引爆这次工业革命？
    • GPT是一个生产力工具，将会重塑产业
      • 思考：如果你的对手都有了GPT能力，你的产品竞争壁垒在哪里？ 如果你也有这样的能力，怎么把能力跟产品赋能结合在一起？
    • GPT存在的安全问题
  • 中国有能力发展自己的人工智能大语言模型
    • 作为大国间博弈的重要生产工具，中国一定要迎头赶上
• 四大挑战
  • 数字安全
    • 代码先天漏洞
    • GPT内部的规则难以解释 - 引向错误或者犯罪
    • 数据外泄
    • 可能成为黑客的重要助手
  • 能源问题
    • 人工智能和碳减排的交汇 除了对算力算法大数据的依赖，还有对电力依赖
  • 是否会造成大规模失业
    • 迎接迭代
    • 创造和迎接新的需求
  • 人工智能产生意识，是否会变成新物种
• 两大预测
  • 人工智能正以指数级速度进化/自我训练/自我进化
  • 数字永生/数字分身成为可能
• 一大战略
  • 360“双翼齐飞”人工智能发展战略
    • 组建自己的GPT核心团队
    • 重视用户场景
      • 大型企业和政府的私有化大模型场景
      • 中小企业客户的办公场景
      • 消费者互联网的场景
      • 微软桌面智能助手场景