原文：加密灣
作者：Lynn.ai在矽谷
Web3-GPT DAO 成立啦！
這個由@Ramble 發起的DAO匯集了一批資深創業者和投資人，今晚匯聚一堂，共同探討AI及ChatGPT-4在實際應用和創業過程中所涉及的創新和挑戰。發言者有楊寧，Leo，蔡凱龍以及其他Web3或AI創業者等。
GPT-4的神奇用例和想像不到的使用場景，GPT-4的限制和潛能，圍繞GPT-4和AI的創業潛力，後AI時代人類的終局....大家的創意層出不窮、火花四濺，引起了我無數對AI的體會和思考。
下面節選了當晚的精彩發言記錄：
楊寧（空中網總裁，著名天使投資人）
1）GPT是一個全新的東西，目前GPT處於早期階段，有很多機會，要提升認知。
回憶93,94年，楊志遠在斯坦福實驗室創建了yahoo，當時只有鏈接+描述，類似黃頁的網站。現在的GPT 相當於當時的互聯網網景那個時候，還處於早期階段，非常簡陋，但充滿了機會和活力。
創業者需要注意，每一次科技浪潮中，行業早期時候，急功近利變現的都失敗了，反而是思考怎麼做一個好玩的東西的人，都賺了很多錢，因此要改變創業思路。當然到了中後期時候，競爭激烈時候就不一樣了
現在還是朦朧期，aigc類似互聯網的門戶時代，新浪新聞，大家對於內容是消費最多的。 Aigc創作內容，剛才有個小兄弟說，寫詩沒人看，為什麼，因為內容髮生了重構
- 但在遠古時期，大家就是畫，沒有多少內容，是沒有內容嗎？是太難看，自己看不下去，玩了幾天就不玩了。
- 照相機讓圖像內容爆發性增加，因為什麼：容易。
- 到了手機時代，照片過剩，
- AIGC後內容再次爆發，會導致內容消費變化，往下走，AI更好，大量時間消費自己創作的內容，看=消費時間。 attention到自己創造的內容，比你看別人的內容好看，信息重構，attention 轉移。
AIGC是全新的東西，不是原有任何東西的升級，另外維度的新東西，互聯網是門戶網站而已嘛？ AIGC是AI嗎？ AI不是互聯網的升級，現有的一切不會消失，會變成重構，商業之間供應鏈，商家-機器-客戶，關係重構，拆解和重構。
所有一切都會拆解和重構的時候，相當於地震了，毀滅了一切建立的秩序，很多牛逼公司都會完蛋，會在新的事物蕩然無存，優勢完全消失。
真正能獲得巨大成功的人，必須在認知上有很大差異，你能看出來4維，5維的東西，能理解AI的重構，速度會別人快，每天進步一點，只要目標清晰，每天走一步，回頭看走了很遠。
編程也不用學了，整個coding就不存在了，徹底重構了，機器直接寫底層程序，機器動態寫程序。 chatgpt做機器人，過去機器人的系統需要人寫代碼。
2）用大白話描述，GPT的歷史，以及他是怎麼工作的？
第一代機器人：波士頓機器人，非常土，非常原始，碼農寫的，所有行為通過編程，不靠譜，靠編程就不靠譜
第二代機器人：telsa機器人，強化學習，根據別人的輸入
第三代機器人：chatgpt機器人，真正意義上的一定不是靠強化學習來的，讓你的孩子碰釘子，有些事情不能通過強化學習，學傻了
機器人不是強化學習來的，強化學習很土，比如教小孩，天天碰釘子，學會了，也傻了。但小孩是通過對於知識的理解。
Gpt是機器學習上巨大的突破。
2014來斯坦福，李飛飛接待的，參觀人工智能lab，很多phd搞的東西，有一個團隊提出了大語言模型，當時覺得不可能，有很多玄學在裡面。當時openai還沒成立
大語言模型是什麼？是人怎麼理解這個世界，
假如說人類看到可樂，閉上眼睛描述可樂，不能完美描述的，因為可樂本身沒有存這個。之前計算機是存儲像素點，非常精確的，但是大腦不是這麼工作的，是一個大語言的模型，可樂是描述出來了，過去知識的信息壓縮，一個罐子+cola品牌logo+顏色+角度空間感。經常出錯，因為信息壓縮會失真，
人類處理信息不是像素級別，而是語言級別的，通過語言模型描述。 gpt非常類似大腦的原理，大腦不是中文也不是英文，是大腦自有的語言，難以描述，我們人溝通的語言是一種API，存儲了分析邏輯等一切的知識。 （r：所以人設重要）
Gpt是“常識”，人類從周圍環境獲得大量的語料形成的常識，人如果在野外長大就啥也不會了。 Gpt怎麼工作的？一個機器人母體，打開一個窗口，就spawn一個分身，聊天過程中分身學習了，就有了bounding，了解了常識之外的東西。 （r：母體是2021年的）
3）如何和GPT更加愉快的相處？
AI的一個概念：概率模型，天下一切ai都離不開隨機數，母體產生分身的時候，出生的時候就有隨機數（八字）有些聰明，有些笨，如果很笨，那就重新弄一個。
我們的分身訓練，是在對話，教學，人和機器的關係，千萬不要用命令思維，和孩子一樣，逼著就不做，勸著就做，啟發就做。
情商高的人懂交流，未來懂人機交互的人厲害，“機商高”
Openai是神來之筆，宇宙之間有數學性在裡面，openai的模型是呼應的，其他ai競品很難達到同樣的效果
現在是事件驅動的，是很安全的，如果架構改成自己迭代，就比較可怕了。
如果邪惡勢力想做怎麼辦？邪惡勢力沒那麼多錢，未來會有共識，不去做這種機器訓練機器的事情，但如果突破了這種模型就會很可怕。
Leo (PA天使基金創始人、裂變資本等基金合夥人)
怎麼樣去解放AIGC的無限潛能？生成一個是我但又不是我的視頻，需要多少步？
- 首先用Eleven labs (聲音合成軟件)上傳自己的聲音
- FaceTune Labs 上傳自己的照片合成頭像
- DID生成視頻，這樣你的頭像就能用你的語音說話錄一段視頻。還嫌麻煩？直接讓GPT-4寫python調用兩家的API，就可以一鍵生成你專屬的視頻。未來人人都會有自己的虛擬人。
此外，我作為一個學python一年的選手，用gpt的體會是，有了它就什麼都敢寫敢做。也體會過Github Copilot，感受是有了它程序員以一當十。只要和他進行多輪對話，GPT就會慢慢被train，以後發生有什麼bug或者錯誤反饋也不用和它太過解釋，它自己就知道怎麼修改。
Prompt的技巧在於，先給GPT一個人設，比如你是個最牛逼的程序員，或者拼寫大師。然後為了激發gpt的想像力，可以給他3-5句話的例子或者解釋(context)，這樣和它協作起來會變得更快。
寫程序的門檻會變得無限低，但你不能完全不會程序。只要學會皮毛，知道python的宏觀結構怎麼搭，再加上自己有明確的目的，一邊看youtube教程一遍和chatgpt協作，程序員就可以以一當十。
蔡凱龍（Web3資深從業者，投資人）
呼籲大家不要對AI的出現過於悲觀，偶爾也要樂觀，建議大家讀：投資最重要的20件事，學習的第二層思維，懂insight logic，從二層思維出發，一層思維就是AI很牛，從二層思維來看，對chatgpt取代人的部分一點都不擔心。 AI寫作有三件事做不了：
- 聯想，跨越性思維不行：飛流直下三千尺想不到
- 價值觀解決不了：寫疫情不行，
- 感情取代不了
AI的情感，思維聯想，畫不出梵高的畫，不用擔心這個階段被替代，因此做情感，聯想，思維，感情的事都不用擔心。
Kartin (Hyperoracle創始人）
我本科創立過人工智能，2年前做過AI的研究和AI filming。 AI生成圖片，再分幀，變成短片。
劇本，影片，都是AI寫的，人只需要做一個審稿的工作。但兩年前的AI技術還很差，每10幀就需要人為改動一下，所以最終其實不能帶來生產力的提高。因為AI的想像能力天馬行空，但推理能力很差。
現在最多AI能生成6分鐘的視頻，再往上就開始亂來了。 AI並不能想像幀之間的關係，所以能真正在視頻生成上解放人的生產力還需要一段時間。
Sean （Web3+AI創業者，大廠AI工程師）
1） 微軟的工程能力令人驚嘆，未來可能有其他動作
去年11月底公佈GPT3.5，微軟就迅速宣布集成GPT在Bing裡。今年3月GPT4出來，微軟就立刻放出GPT集成在Office的宣傳視頻，形成聯動。這一波操作顯示微軟強大的工程落地能力。當我們都在談論GPT模型多麼厲害的時候，不應該忽略這份工程能力，它打通了從研究到產品的整套線，並且在自己的生態裡形成循環，一定是長期的願景驅動，未來可能還有會其他的動作。
2）GPT紅利不同於互聯網1.0時代，大廠準備充分，競爭激烈
楊寧老師提到94年在斯坦福做網頁的時候，那個互聯網非常原始和初級，但給人的興奮感和今天GPT是相同的。那個時候的大廠比如IBM，Intel反應就非常慢，沒有抓住互聯網時代的紅利。新興的公司迅速崛起，比如Yahoo抓住了門戶網站，谷歌抓住了搜索引擎，後來的Amazon做成了電商，Facebook做成了社交。都跟當時的大廠沒有什麼關係。但這次的GPT紅利大廠跟進的速度非常快，甚至是壟斷，微軟直接把GPT集成到bing和Office365中，Facebook推出開源語言模型，谷歌也推出了Bard挑戰GPT。可以說，這一波誰都沒有落後，都怕被超車。
3）GPT會改變現有的商業結構，最好做基於GPT的二次創業
緊跟上一點，這波紅利大廠跟進很快，小團隊使用GPT直接創業，容易被大廠卡住脖子和替代。這一點我非常贊同楊寧老師所說的，GPT會重構現有的商業模式，拉進供應鏈的距離。現在最好的做法就是提升認知，基於GPT做二次創業，把內容平台化。在早期的互聯網時代，有很多急功急利的人都失敗了。而那些做得好玩、有趣的人卻成功了。在中後期，隨著競爭的激烈和商業模式的成熟，華人社區蓬勃發展。但現在的AI驅動商業模式還處於早期和朦朧期。雖然大家的興奮感都是一樣的，變現模式還沒有完全成熟。
4）大語言模型在垂直領域的落地是一個方向，細分賽道有機會
GPT作為一個通用模型，體現了在各個領域超強的邏輯推理和總結能力。直接去挑戰各個大廠的大語言模型不太現實，即缺乏算力，也缺乏數據。但基於大模型做垂直領域，把一個分賽道做好是非常有機會的。比如醫療GPT，或者Web3安全審計GPT等等。
Joe（Web3創業者）
師從曼寧教授，之前很悲觀，半年前就覺得非常樂觀，AI數據和架構有一些問題，其他公司很難趕上。 Nvida可能很值得關注。
