今天，一个期待已久的会面终于成行。

关于OpenAI的新闻和分析铺天盖地，其中也不乏自己的思考和推测。但坦白说，这些思考未必准确——因为从未与真正接近OpenAI的人有过直接交流。对这家公司，所知甚少。因此，这次硅谷之行，一个核心目标就是：约到接近OpenAI的人，最好是员工，最好还是早期员工。他们最能理解这家公司如何崛起。如果能深入交流，就能纠正许多偏离的认知。

今天，问道全球的企业家朋友们一同见到了Pieter Abbeel。

（Pieter Abbeel & 刘润 @ 硅谷）

Pieter是加州大学伯克利分校教授，机器人学习领域的重要科学家，曾任OpenAI顾问。2016年，他全职加入OpenAI，成为最早10名员工之一。后来离职创业，联合创立的人工智能公司“Covariant”已融资超2亿美元。

这是一次难得的机会。大家忍不住问了很多问题。Pieter耐心作答，许多答案与预想大相径庭，却极具启发。需要强调：以下观点仅代表Pieter个人，不代表OpenAI官方。但依然值得分享——至少让你听到一种更接近OpenAI内部的声音。好，开始。

AI，是不是过热了？

第一个问题：AI是不是过热了？

Pieter说，是的，AI确实过热（Hype）了。2012年之前，每天的工作就是回邮件、读论文、教书，很清静，因为外面根本没人关心AI是什么。但2012年后，一切都变了。亚马逊的贝佐斯邀请讨论AI，微软的盖茨也来探讨。一夜之间，所有人都在问AI是什么、能做什么。从这个意义上说，AI过热了。

但也许，AI事实上并没有过热。因为AI并不需要这个“热度”。

如果设计一款虚拟货币，没有热度，大家都不用，它就不存在了。社交软件也一样。但AI不同：有人说它过热，选择不用，没问题——不用就不影响它的价值。我用。那么，他的生产力就不如我，他会被淘汰。这就是AI的美丽之处：价值不依赖于别人。AI会越来越热。而这一切，都从2012年开始。

这一切，都从2012年开始

为什么是2012年？Pieter说，如果明天要向某人分享什么是AI，希望记住两个关键时间点。

第一个，1956年。那一年，数学家和科学家在达特茅斯聚会，讨论计算机能否像人类一样聪明。他们后来获得图灵奖和诺贝尔经济学奖。这次会议上，他们首次将这种“机器智能”命名为人工智能（AI）。1956年被称为人工智能元年。

第二个，2012年。从1956年到2012年，AI的进展可以用三个字形容：没进展（not much works）。各种方向都举步维艰。直到2012年，AlexNet横空出世。三位杰出科学家用卷积神经网络，让AI对猫狗照片的识别率首次超过人类。这三位中，除了Alex Krizhevsky，还有后来OpenAI联合创始人、首席科学家Ilya Sutskever，以及谷歌副总裁、深度学习之父Geoffrey Hinton。他们为AI找到了正确的道路。之后，就是规模的事了——Scaling Law：参数规模、数据规模。

有意思。参数和数据规模很重要。但AI学习的大量数据，知识产权归谁？

AI学习数据的知识产权，到底属于谁？

好问题。Pieter说，2023年《纽约时报》起诉OpenAI及其投资方微软，称其未经授权使用数百万篇文章训练AI模型，要求赔偿并销毁相关模型和数据。这个指控有道理吗？

Pieter认为有道理。AI学习你的数据，应该获得同意。如果AI通过数据训练的模型赚了钱，也应该分给创作者。为什么？你花100美元买一本书，然后因学习书中知识赚钱，不用再分给作者，因为你已付过钱。像你这样的人可能有1000、1万甚至100万人，每人付100美元，作者就能养活自己继续创作。但AI不一样：它学完这本书后，全人类可能不用再学，直接问AI就行。理论上，一本书的作者未来可能只有一位读者——AI。那作者写一本书只能赚100美元，养不活自己，人类就会失去创作动力，AI也无知识可学。

所以，AI应该给《纽约时报》分钱，给每一位内容创作者分钱。但今天还没有一套机制能算清楚每一条回答中用了多少比例的内容。如果创作出这套机制，可能因为太复杂，用2美分计算成本分给作者1美分收益，得不偿失。但这是未来必须解决的问题。理解了这一点，就能明白为什么《纽约时报》起诉OpenAI，却不起诉谷歌。

流量生成器

谷歌也抓取了《纽约时报》的内容。搜索引擎先抓取整个互联网内容，再分析关键词供用户搜索。为什么起诉OpenAI，不起诉谷歌？

因为谷歌是流量生成器（Traffic Generator），OpenAI不是。谷歌搜索“特朗普今年会当选吗”，出来很多文章链接，其中一篇来自《纽约时报》。你点进去，谷歌生成了流量并转给《纽约时报》。你在《纽约时报》上看完文章，也看到了广告，《纽约时报》赚了钱。但OpenAI呢？它直接给答案，不把用户引回内容源头。创造内容的人做了贡献却没有回报，而聊天机器人却因此获益。所以人们起诉OpenAI，不起诉谷歌。聊天机器人与内容创作者之间的关系，是一个需要解决的问题。

醍醐灌顶。那么，美国的AI会一直领先中国吗？

美国的AI，会一直领先于中国吗？

Pieter说，不会。作为人类，美国人和中国人之间没有本质区别。只要足够努力，没有理由一个国家永远领先。从历史上看，美国更擅长研发、探索新方向。但一旦“北极星”（North Star）被找到，就到了中国更擅长的部分——向同一颗北极星拼命奔跑。现在AI的北极星已被找到，剩下的就是更多数据和算力。大家最终水平可能差不多，因为目标相同。

可是，不是听说OpenAI已开发出更先进的ChatGPT，即将甩所有人一大截吗？

OpenAI，正在憋大招吗？

Pieter表示不知道，因为他已不在OpenAI工作，且可能不被允许评价。这只是个人猜测：现在OpenAI肯定领先，但可能没有“那么那么”领先。Anthropic、Google正在迎头赶上。在公开市场上，OpenAI并不“遥遥领先”。而OpenAI喜欢保持“领先的姿态”。如果确实已有“遥遥领先”的版本，他们可能早已发布，以提醒所有人自己是领先者。另外，最近不少人从OpenAI离职。如果下个产品遥遥领先，员工没有理由激动地加入其他落后公司。OpenAI绝对是领先者，但可能不是“遥遥领先”。

了解。感谢Pieter。那么，什么阻止AI继续突破？三个问题：算法、算力、数据。

算法：Transformer，一定是最好的架构吗？

2017年谷歌提出Transformer算法架构，这是今天大模型的基础，也是ChatGPT的“T”。Transformer被证明高效，但一定最高效吗？在某个地方，一定有更高效的模型。人类对大脑的研究还不够。这是个开放问题，很多大学在研究，但今天谁都没有答案。再比如能耗。

算力：AI能耗是人类的上万倍

今天的AI需要太多算力，也就需要太多电力。人类大脑耗能仅20瓦，而GPT功耗是数万甚至数十万倍于人脑。有没有可能，未来的AI不基于“硅”计算，而基于类似人脑的“化学反应”计算？这是容易想到却没人做的方向——因为不确定。规模已被证明有效，做大规模有确定结果；但从0到1研究化学反应计算，结果完全不确定，所以几乎无人投入。还有数据。

数据：只有思考结果，没有思考过程

今天所用数据都是人类“写下来”的。但仔细想想，人类必须先做大量思考，才可能写下结论。AI没看到思考过程，只看到了结果。所以，也许只有把所有思考过程都写下来或说出来，AI才能具备真正的“推理”能力。我们的数据看似庞大，却缺失了非常关键的部分。

打开思维的疆界

算法、算力、数据，脑洞大开。2022年11月，这个世界彻底变了。OpenAI发布ChatGPT 3.5，像按下了一个“不可撤回”的开关，打开了一扇从未见过的大门——门外还有比人类更聪明的物种：AI。整个世界为AI兴奋，也为挑战焦虑。但AI到底会如何改变世界？有幸听到真正顶级科学家的最前沿思考。这些思考不一定对，在科学界也有争议，却打开了思维的疆界。

感谢Pieter，收获巨大。不管世界怎么变，要做的都是去理解、适应、拥抱，最终善用这个变化。希望AI最终能让全人类受益。