2024一开年，中美AI行业发生两件大事，进一步把1993年启动第三次人工智能浪潮推向高潮：OpenAI上线GPT商店，AI商业化进程更进一步；1月16日，中国智谱AI推出比肩GPT-4GLM-4大模型，为中国在全球AI领域博弈增加一份筹码，
人工智能风云70余载，几起几落，沉沉浮浮，拼人才、拼算力、拼资金、拼算法，哪些轶事须要铭记，哪些教训又值得审视？
跨越七十年华丽篇章
只为把“智能”装进机器
阿兰·图灵是一位传奇人物，他不光是每一位当代程序员“祖师爷”，图灵还是一位世界级长跑运动员，马拉松成绩2小时46分03秒，只比1948年奥运会金牌成绩慢11分钟，二战期间，他耀领“Hut 8”小组破译德军密码，变成盟军在大西洋战役中击败轴心国海军根本因素，
图灵也是個马拉松运动员｜midjourney
显然，咱们今天要说还是“人工智能”，
图灵被誉为计算机科学与人工智能之父，1950年，图灵最先個次提出“机器智能〔Machine Intelligence〕”概念，“人类利用可用信息、推理来搞定难题并做出决策，那么为什么机器无法做同样事情呢？”
自那时开始，无数科学家、科技企业为之奋斗——赋予机器以“智能”革命悄然拉开序幕，70多年过去，“三次浪潮，两次低谷”， 人工智能到底是冲破层层阻隔，进入大众日常生活，
纵观三次人工智能浪潮，咱们会发现一個有意思现象：理论总是比现实更超前，不是科学家设计不出更非常好人工智能，而是囿于当时计算机技术，无法做到，
人工智能发展大事年表｜哈佛大学官网
图灵在1950年论文《计算机器与智能》中已经提出机器思维概念、著名图灵测试，是什么阻止图灵开始就业？有两個原因，先说，在那個年代，计算机缺乏智能一個根本先决条件：它们无法存储命令，只能执行命令，这意味着，计算机只能被告知要做什么，但是不记得自己做什么，第二，计算本钱在上世纪50年代太昂贵，租赁一台电脑每個月须要20万美元，笔者根据通货膨胀率做换算，这相当于现在每月租金254万美元，名副其实“有钱人游戏”，
名副其实“有钱人游戏”｜midjourney
科学家之所以称之为科学家，是因他们研究总是着眼于后世，就使当下缺乏转变现实条件，
图灵发表那篇著名论文后仅两年，计算机科学家阿瑟·萨缪尔〔Arthur Lee Samuel〕开发出一款跳棋程序，并提出“机器学习”这個概念，1956年达特茅斯会议上，约翰·麦卡锡〔John McCarthy〕正式提出“人工智能”这個词语，1956年，也就变成实际意义上人工智能元年，
至此，“人工智能”跨越混沌初开早期阶段，进入一個高速发展时期，多年后，当大众回看那個阶段，称之为人工智能“最先個次浪潮”，
计算机科学与人工智能之父——阿兰·图灵
咱们先来看看“最先個次浪潮”给咱们今天生活留下哪些遗产吧，说出现大概有些惊讶，咱们今天运用大多数软件追根溯源都是“最先個次浪潮”产物，或者说，根据一种叫“手动编码知识〔Handcrafted Knowledge〕”人工智能，比方说咱们Windows系统，智能手机应用程序，人行道上按下开关等待红灯变绿交通灯，这些都是人工智能〔这里采用最先個次浪潮中对人工智能定义〕，
这真算“人工智能”？
算，
人们对人工智能理解一直在更迭，30年前，倘若你问路人，谷歌地图算不算人工智能，得到答案是绝对，这個软件能帮你规划最优路线，还能用清晰语言告诉你如何行驶，为什么不算？〔谷歌地图应用确实是最先個波人工智能典型案例〕
最先個次人工智能浪潮最先选根据清晰且逻辑规则，系统会检查须要搞定每种情况下最要紧参数，并就每种情况下采纳最舒适当行动得出结论，每种情况参数均由人类专家提前确定，因为这個，这种系统很难应对新情况，他们也很难实行抽象——从某些情况中获取知识、见解，并将其应用于新难题，
总而言之，最先個波人工智能系统能够为明确定义难题实行简单逻辑规则，但无法学习，同时很难搞定不确定性，
1957年，罗森布拉特发明感知机，这是机器学习人工神经网络理论中神经元最新模型，这一模型也使得人工神经网络理论得到巨大突破，乐观情绪在科学界蔓延，最先個次人工智能浪潮逐渐被推向高潮——挫败要来，
感知器原理图｜加利福尼亚州立大学
1966年，人们发现好像人工智能路走歪，逻辑证明器、感知器、强化学习等等只能做很简单、非常特意且很窄任务，稍微超出范围就无法应对，为更非常好理解，咱们主张读者脑补运用Windows系统体验：一切功能都是提前设计非常好，你无法教会这個系统做什么事，它也无法自己学习额外知识，
另一方面，当时计算机面对内存有限、搞定速度不够挑战，搞定实际人工智能难题变得十分困难，研究者们火速认识到，要求程序具备儿童类似世界认知水平是一個过高期望，在那個时候，没有人能够构建出满足人工智能需求浩大数据库，也没有人晓得如何让程序获取这般丰富信息，与此同时很多计算任务复杂度呈指数级增加，使得完成这些任务变得接近无法能，
科学家进入死胡同，人工智能发展也进入“蛰伏期”，
这一；就是十多年，
当时间来到20世纪80年代，两個根本突破重新点燃“第二次人工智能浪潮”：深度学习、专家系统，
约翰·霍普菲尔德 〔John Hopfield〕 、大卫·鲁梅尔哈特 〔David Rumelhart〕 推广“深度学习”技术，使计算机能够利用经验实行学习，这意味着人工智能可以搞定那些“没有提前设定”难题，它具备学习本事，另一方面，爱德华·费根鲍姆〔Edward Feigenbaum〕引入专家系统，它模仿人类专家决策过程，
反正，第二次人工智能浪潮改变人工智能发展方向，科学家放弃符号学派思路，改用统计学思路来研究人工智能，深度学习、专家系统引入让机器能够根据领域内专业知识，推理出专业难题答案，
因为这個，第二次人工智能浪潮也叫“统计学习〔Statistical Learning〕”阶段，
关于这一次浪潮，笔者想要着重两点，最先個，为何它这般要紧？第二，它无法克服弊端是什么？
第二次浪潮时间很短，但经由引入“统计学习系统”，工程师、程序员不会费心去教授系统要遵循精确规则〔最先個次浪潮理念〕，相反，他们为某些类型难题开发统计模型，而后在很多各异样本上“训练”这些模型，使它们更加精确、全效，
另外，第二波系统还引入人工神经网络概念，在人工神经网络中，数据经过计算层，每個计算层以各异方法搞定数据并将其传输到下一個级别，经由训练每一层以及整個网络，它们可以引发最准确结果，
神经网络示意图｜Pixabay
这些都为第三次人工智能浪潮奠定基石，况且留下浩大遗产，咱们今天依然在运用，比方说人脸识别、语音转录、图片识别，以及自主汽车、无人机一部分功能，都来自于这次浪潮成果，
但这套系统有一個巨大弊端，根据美国国防高级研究计划局〔DARPA〕指出，咱们尚不清楚人工神经网络背后实际运行规则，也就是说，这套系统运行良好，但是咱们不晓得为什么运行这么好，这就好比人可以把球抛到空中，同时能大概判断球会落在哪里，倘若你问他，你是如何做出判断，是根据牛顿力学定律计算吗？他无法回答，但他就是晓得，
这暴露一种因果关系挑战，因“看不到因果”，第二套系统依赖数据输入，数据输出做决策，缺乏因果会导致严重后果：这個系统容易学坏，
微软过去设计一個机器人叫“Tai”，他可以顺畅、人聊天，但倘若有越来越多人告诉他“希特勒是個好人”，它就会逐渐接受这個结论，
这些难题，留给第三次人工智能浪潮来搞定，
这次浪潮也是目前咱们所正在经历，也称之为“情景适应〔Contextual Adaptation〕”，倘若非要确定一個时间节点，应该是1993年之后，摩尔定律让计算机算力急速提升，大数据发展让海量数据存储、分析变成大概，
来源：开源图库Pixabay
为更非常好说明、上一次人工智能浪潮区别，咱们可以用一张图片打個比方，倘若用第二次系统来回答“图片里动物是什么？”你会得到“图片里是一头牛大概性为87%”，倘若同样难题给到第三次系统，它不光告诉你这是一头牛，还会给出符合逻辑理由，比方说四只脚、有蹄子，身上有斑点等等，
换句话说，第三次系统更讲逻辑，
笔者感觉，第三次人工智能浪潮有3個要紧节点〔往往感觉是前两個〕，2006年，杰弗里·辛顿〔Geoffrey Hinton〕发表《一种深度置信网络高速学习算法》，在基层理论上取得若干重大突破，2016年，谷歌DeepMind研发AlphaGo在围棋人机大战中击败韩国职业九段棋手李世乭，这地标着“人工智能”从科研领域开始迈向公众领域，从学术主导走向商业主导，
以后便是2022年11月30日，OpenAI发布ChatGPT，让AI变成一款消费级产品，“生成式AI”、“大语言模型”一时变成大众热议焦点，
生成式AI竞赛，
咱们要拼是什么？
“生成式AI”是人工智能一個分支，经由利用大型语言模型、神经网络、机器学习无敌功能，能够模仿人类创造力生成新颖文字、图片、音、影像等内容，
大众看到OpenAI有多辉煌，那成立之初就有多落寞，那时候OpenAI面对两個困境：一是缺乏资金，二是其技术路线不被主流所认可，
根据机构测算，直到2019年OpenAI共接受捐助总额仅为1.3亿美元，也就10亿人民币，马斯克個人捐助最多，显然，这点钱、国内创业公司动辄上千亿价值融资比不值一提，由于缺乏资金，OpenAI只好依靠捐赠，2016年，英伟达赠送给OpenAI一台DGX-1超级计算机，协助其缩短训练更复杂模型时间〔从6天到2小时〕，
2018年，就连之前最大捐赠来源马斯克也离开OpenAI，他过去提议接管OpenAI，但遭到董事会拒绝，于是离开，同时以后没有再实行捐赠，
另外一方面，OpenAI选择一条不好走路——先研发预训练模型，2018年，OpenAI推出具有1.17亿個参数GPT-1〔Generative Pre-training Transformers, 生成式预训练变换器〕模型，这一年也叫预训练模型元年，
为何这個于预训练模型发布这般要紧？这地标着AI进化路线转变，在此之前，神经网络模型是有监督学习模型，存在两個缺点：
先说，须要大量标注数据，高质量标注数据往往很难获得，因在很多任务中，图像标签并非唯一或者实例标签并非存在明确边界；第二，根据一個任务训练模型很难泛化到其它任务中，这個模型只能叫做“领域专家”而不是真正理解NLP〔自然语言搞定〕，
预训练模型则很非常好搞定上述难题，
2020年，OpenAI发布第三代生成式预训练 Transformer，就GPT-3，这一大事同样变成大洋彼岸另一家中国AI初创企业转折点——智谱AI，
GPT-3 发布给大家非常明确信号，就大型模型真正具备实际可用性，在反复纠结、讨论后，智谱 AI 终于定夺全面投身大模型，变成国内较早介入大模型研发企业之一，
同样，智谱AI投入大量研发资源在预训练模型上，2022年，GLM-130B发布，斯坦福大学大模型腹地对全球30個主流大模型实行全方位评测，GLM-130B 是亚洲唯一入选大模型，评测报告显示GLM-130B在准确性、公平性指标上与GPT-3 175B 〔davinci〕 接近或持平，鲁棒性、校准误差、无偏性优于GPT-3 175B，
实际上，GLM-130B是中国科技公司智谱AI发布一個“预训练模型”，“预训练模型”是训练“大预言模型”模型，它位置比大众接触到“生成式AI”更加前置，是埋藏在海平面之下基石设施，现在市面上可供运用预训练模型不多，相对主流是来自OpenAIGPT，以及来自谷歌Bert，GLM-130B正是结合以上两個框架优点国产自主研发预训练模型，
智谱AI则是奋起直追，对标OpenAI，变成阿国内唯一一個对标OpenAI全模型产品线公司，
2020年，OpenAI推出GPT-3
2021年，OpenAI推出DALL-E
2022年12月，OpenAI推出轰动一时ChatGPT
2023年3月，OpenAI推出GPT-4
对比智谱AI、OpenAI产品线，咱们可以看到：
GPT vs GLM
- ChatGPT vs. ChatGLM〔对话〕
- DALL.E vs. CogView〔文生图〕
- Codex vs. CodeGeeX 〔代码〕
- WebGPT vs. WebGLM 〔搜索增强〕
- GPT-4V vs. GLM4 〔CogVLM, AgentTuning〕 〔图文理解〕
为何抢占生成式AI高地这般根本？
2023年一句论断可以回答这個难题，“所有产品都值得用AI重做一遍”，AI对各個行业效能提升是革命性，这种提升发生在服务业、新药研发、网络保障、制造业升级各個方面，
根据中国信通院数据，2023年中国人工智能专利申请量、论文发表量都位居世界最先個，中国人工智能市场规模也在连续扩大，预计到2023年将达到5132亿美元，占全球近四分之一，
“工欲善其事必先利其器”，在“利器”GLM-130B训练下，智谱在2023年10月推出自研第三代对话大模型 ChatGLM3，现在距离发布上一代产品ChatGLM2仅过去4個月，
2024年1月16日，距离ChatGLM3发布不到3個月，公司又推出GLM-4，GLM-4 相比 GLM-3 性能全面提升 60%，其各项参数已经达到比肩GPT-4层次，在基石本事指标MMLU 81.5、GSM8K 87.6、MATH 47.9、BBH 82.25等项目上，GLM-4已经达到GPT-4 90% 以上水平，HumanEval 72 达到 GPT-4 100%水平，
对齐本事上，根据AlignBench数据集，GLM-4超过GPT-4在6月13日发布版本，逼近GPT-4最新疗效，在专业本事、中文理解、角色扮演方面超过GPT-4精度，
GLM-4 还带来 128K 上长文本本事，单次提示词可搞定文本达到 300 页，在 needle test 大海捞针测试中，128K 文本长度内 GLM-4 模型均可做到接近百分之百精度召回，
同时GLM-4大大增强多模态本事以及Agent本事，GLM-4 可以实行自主根据运用者意图，自动理解、规划复杂指令，自由调用WebGLM搜索增强、Code Interpreter代码解释器、多模态生成本事以完成复杂任务，GLMs個性化智能体定制本事也同步上线，不须要代码基石，运用者用简单提示词指令就能创建属于自己GLM智能体，
其实智谱AI发展路径也符合AI行业内在规律，“人工智能不是一個简单从1到100进步过程，它往往趋向于两個极端：要么90分以上，其它都是10分以下，”换言之，要么“高速突破”，要么“原地打转”，不奋力前进就只能滑入另一個极端，
回到历史时间线里，咱们目前正处于第三次人工智能浪潮当中，既然有浪潮，就有高潮与低谷，第三次浪潮会结束，什么才是推动它根本？
有一种观点感觉“深度学习算法”带来技术红利，将会支撑咱们前进5-10年，随后瓶颈就会到来，在瓶颈到来之前，咱们急切须要一個“技术奇点”拿过接力棒，把这次浪潮推到更高高度，
“技术奇点”在哪里尚无法知，但有一点可以确定，它发生有赖于企业永久投资、深度研发、对科技信念。
封面图来源：midjourney
-果壳商业科技传播部出品-