【文/观察者网 吕栋 编辑/张广凯】

以大模型为代表的生成式AI，可以说是今年全球科技圈最火热的概念，甚至没有之一。

在不久前闭幕的世界人工智能大会上，无论是以BAT为代表的传统互联网大厂，还是华为等ICT企业，亦或是科大讯飞、商汤科技这种本来就带有AI标签的公司，都在展示大模型能力。

下游应用中，有的厂商展示了AI大模型的聊天、写诗、作画能力，有的则展示了大模型的编程、建模能力，还有的企业专注直接行业结合，强调自己的大模型“不作诗，只做事”。

当大模型爆火了大半年之后，复盘变得很有必要，同时也有很多专业问题亟待解答。比如，如今的生成式AI和前些年火热的AI概念有没有本质区别？催生生成式AI的关键技术有哪些？如何看待国内互联网大厂的大模型“军备竞赛”？中美大模型的发展有哪些差距？我们离真正的通用人工智能（AGI）还有多远？等等。

针对这些外界普遍关心的话题，观察者网近期深度对话了《生成式人工智能》作者、美国俄亥俄州立大学人工智能专业博士、美国PayPal全球数据科学平台创始负责人丁磊。

丁磊

以下是对话实录：

观察者网：几年前AlphaGo掀起过一轮人工智能热潮，但热度很快冷却了。如今ChatGPT这种大模型再度引发人们对AI的高度关注。在您看来，AlphaGo和ChatGPT所代表的两个AI发展阶段，有什么本质不同？另外，ChatGPT会不会也像AlphaGo一样，很快失去热度？

丁磊：首先可以这样类比一下，人类从一个婴幼儿成长为成年人，需要漫长的过程，同时也需要花很多时间去学习，而ChatGPT的训练过程相当于人类的成长过程。现在ChatGPT可以说在一定程度上已经拥有成年人的通识水平，并且具有一定的逻辑推理和常识理解能力。

作为对比，AlphaGo只是一个人工智能围棋机器人，而人类能在相对较短的时间内学会下围棋。我认为ChatGPT所具有的知识和逻辑，让一个人去学习的话，肯定比学习下围棋的时间要长。所以ChatGPT的里程碑式意义更大，但不是说AlphaGo就没有意义，只是ChatGPT模拟人类学习的意义更大。从人脑学习的层面来看，ChatGPT跨越时空的尺度肯定比AlphaGo更大，因为学习围棋相比于学习常识和逻辑，需要的时间更短。

从第二个层面来说，AlphaGo并不是一个普通的AI机器人，它以击败围棋世界冠军柯洁而名声大噪，背后依靠的主要是强大算力。虽然围棋是比较复杂的棋类，但它是有规则的，通过大量的数据学习就能做到很优秀。在我看来，AlphaGo这种AI机器人更像是在规则之下，通过大量数据不停地强化和迭代的过程，而ChatGPT处理的是人类自然语言，相对更复杂。

AlphaGo处理的主要是围棋数据，格式相对简单。虽然围棋中的内涵逻辑，包括取胜的规则也挺复杂，但它的底层数据结构更简单直白。而ChatGPT对应的是人类自然语言数据，存在的形式更为复杂、多样和多变，这也就从另一个角度印证了ChatGPT是AI领域更大的突破。

观察者网：能否这样理解，AlphaGo和ChatGPT其实是一种进化关系，AlphaGo在进一步进化之后，就可以成为ChatGPT这种AI大模型？

丁磊：尽管二者在算法上有一些相通性，但并不能完全说是进化。换个角度来说，其实下围棋的程序早已存在，虽然可能没有AlphaGo那么优秀，但很早就出现了。而ChatGPT作为一种可以跟人类自然交互的聊天工具，之前是不存在的，所以它突破性更大。AlphaGo夺得围棋冠军，引起很大的轰动，主要因为算力算法更强更优秀，它更像是一种量变。而在ChatGPT之前的自然语言对话工具完全不能用，很多场合下像“人工智障”，而现在ChatGPT基本超越了一些人认为能用的阈值或限度，所以它更像一种质变，在一定程度上突破了可用的边界。

观察者网：之前看到一种说法，AI 1.0时代是在海量数据库中做快速比对，而ChatGPT的突破之处在于，它可以基于大数据集自己生成内容，并不是简单的比对和匹配。这意味着掌握了一定自学习能力的AI，技术迭代速度大幅提升，进入2.0时代。您如何看待此种说法？

丁磊：AlphaGo不能完全说是匹配，它也拥有一套深度强化学习的模式，但AlphaGo不是生成式，而ChatGPT是生成式。AlphaGo可以理解为早前那种判别式AI，也可说是决策式AI。

从技术路径来看，决策式AI的主要工作是对已有数据“打标签”，对不同类别的数据做区别，最简单的例子如区分猫和狗、草莓和苹果等，干的主要是“判断是不是”和“区分是这个还是那个”的活儿。生成式AI不一样，它会在归纳分析已有数据后，再“创作”出新内容，如在看了很多狗的图片后，生成式AI会再创作出一只新的狗的图片，实现“举一反三”。

从成熟程度看，决策式AI的应用更为成熟，已在互联网、零售、金融、制造等行业展开应用，极大地提升了企业的工作效率。而生成式AI的“年岁更小”，2014年至今发展迅猛，堪称指数级的爆发，已在文本和图片生成等应用内落地。从应用方向来看，决策式AI在人脸识别、推荐系统、风控系统、机器人、自动驾驶中都已经有成熟的应用，非常贴合日常生活。生成式AI则在内容创作、人机交互、产品设计等领域展现出巨大潜力。