作者｜甲小姐、劉楊楠

燃燒半年的大模型之火正在逐漸冷卻。

(資料圖)

一個(gè)直觀的表現(xiàn)是，ChatGPT的用戶增長開始下坡。第三方網(wǎng)站SimilarWeb的監(jiān)測數(shù)據(jù)顯示，今年6月，ChatGPT的網(wǎng)站與移動(dòng)客戶端的全球流量 （PV） 環(huán)比下降了9.7%，美國地區(qū)的流量環(huán)比下降了10.3%，用戶在ChatGPT上的停留時(shí)間也下降了8.5%。

此外，七月以來，微軟、谷歌、AWS、阿里巴巴等國內(nèi)外科技大廠開始陸續(xù)發(fā)布2023半年報(bào)，遺憾的是，各項(xiàng)收入數(shù)據(jù)中，AI幾乎沒什么存在感。

大模型似乎走入了用戶增長和商業(yè)落地的雙重瓶頸。與此同時(shí)，另一股AI勢力正在異軍突起。

個(gè)性化AI聊天機(jī)器人創(chuàng)業(yè)公司Character.ai自去年9月發(fā)布Beta版本以來，用戶漲勢兇猛。SimilarWeb數(shù)據(jù)顯示，2023年6月，Character.ai訪問量達(dá)到2.8億，5月的增長率更高達(dá)62.55%。不僅如此，Character.ai用戶黏性極高。多個(gè)第三方統(tǒng)計(jì)數(shù)據(jù)顯示，用戶在Character.ai的停留時(shí)間長達(dá)28分鐘。相比之下，ChatGPT的用戶停留時(shí)長約8分鐘，YouTube和B站的停留時(shí)長約20分鐘，WhatsApp約18分鐘，Google、Facebook和Twitter約10分鐘——足見用戶對(duì)Character.ai“偏愛有加”。

成立于2022年，同樣主攻個(gè)人人工智能 （Personal Intelligence） 的AI初創(chuàng)企業(yè)Inflection AI也沖勁十足。Inflection AI于今年5月推出了首款產(chǎn)品“Pi”，僅2個(gè)月后，Inflection AI便在7月完成13億美元的新一輪融資，估值突破40億美元，成為OpenAI之后估值最高的AI初創(chuàng)企業(yè)。

這兩家公司的出現(xiàn)， 讓“情感AI”成為ChatGPT之外的另一個(gè)焦點(diǎn)。

在國內(nèi)，清華系A(chǔ)I初創(chuàng)企業(yè)聆心智能已經(jīng)在情感AI領(lǐng)域布局多年。從應(yīng)用場景上劃分， ChatGPT可歸為“功能AI”，其價(jià)值是用超越人腦的智能幫人類解決各類實(shí)際問題，追求“高智商”；而聆心智能、Character.ai及Inflection AI正在做的事可歸為“情感性AI”，其價(jià)值在于解決人類情感需求，追求“高情商”。

聆心智能創(chuàng)始人、首席科學(xué)家黃民烈同時(shí)還在清華大學(xué)擔(dān)任多個(gè)職位——他是清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系長聘教授、國家杰出青年科學(xué)基金獲得者、智能技術(shù)與系統(tǒng)實(shí)驗(yàn)室副主任及清華大學(xué)基礎(chǔ)模型中心副主任。

在涌入大模型的眾多學(xué)者、創(chuàng)業(yè)者中，黃民烈的判斷獨(dú)樹一幟。他并未直接瞄準(zhǔn)看起來極其性感的“通用大模型”，而是從2015年起就嘗試破解情感AI的密碼。在他看來，“ 功能固然很重要，但人的情感也是非常本質(zhì)的需求” 。

事實(shí)上，“功能AI”還是“情感AI”，這既是AGI的技術(shù)選擇，也是AGI的社會(huì)角色選擇——AI之于人到底會(huì)是什么樣的存在，是工具，是助手，還是伙伴？本期甲小姐對(duì)話黃民烈，聊一聊大模型重復(fù)建設(shè)之下的另一個(gè)視角和判斷。

1.談現(xiàn)狀：“大模型會(huì)經(jīng)歷一個(gè)重復(fù)建設(shè)之后出清的過程”

甲小姐： 最近很多人感覺ChatGPT的熱度降下來了，你有這種感受嗎？

黃民烈： 融資市場和產(chǎn)業(yè)都在趨于冷靜。原因是，之前無論投資還是產(chǎn)業(yè)，都在說要做“中國的OpenAI”，現(xiàn)在已經(jīng)有這么多開源和閉源的模型， 大家開始考慮能做什么樣的應(yīng)用來真正解決產(chǎn)業(yè)問題 ；大家對(duì)大模型的認(rèn)知更清晰了，有各種評(píng)測榜單，大家逐漸清楚彼此的能力；另外，七八月份是上市公司半年報(bào)的窗口期， 市場會(huì)冷靜地看這些公司的投入在財(cái)報(bào)上如何反應(yīng) ，大模型的投入和產(chǎn)出是否匹配。之后有些公司可能會(huì)被收并購，融不到錢的公司也會(huì)倒閉，這是行業(yè)發(fā)展的客觀規(guī)律。

甲小姐： 現(xiàn)在我們公允地看過去半年的AI熱潮，哪些被高估，哪些被低估？

黃民烈： 大家對(duì)通用大模型的期待很高，但在解決實(shí)際問題時(shí)，國內(nèi)模型距離ChatGPT、GPT-4還有挺大差距。一方面是 我們底層模型的能力還要提高 ；另一方面， 大模型最終要落地產(chǎn)業(yè)，依然需要大模型之外的能力， 比如加上傳統(tǒng)的算法模塊，形成一個(gè)以大模型為主導(dǎo)的復(fù)雜系統(tǒng)，真正解決行業(yè)問題。

甲小姐： 我身邊真實(shí)的個(gè)人用戶，從最開始對(duì)ChatGPT上頭，到今天逐漸冷靜甚至棄用，原因有二：第一是ChatGPT會(huì)出現(xiàn)幻覺，不夠可信；第二是無法做精確計(jì)算等等。這是ChatGPT熱度下降的本質(zhì)原因嗎？

黃民烈： 本質(zhì)與否不好說，但這是一個(gè)重要原因。現(xiàn)在大模型容易產(chǎn)生幻覺，因?yàn)镃hatGPT是概率模型，每次問答都會(huì)隨機(jī)采樣，同一個(gè)輸入，不同的人、不同時(shí)間得到的回答不一樣，有不可控性。 怎么解決這個(gè)問題？要和業(yè)務(wù)、場景結(jié)合。 比如有些場景允許有一定的容錯(cuò)率，但 有些場景容錯(cuò)率為零，就得有別的手段來處理。

再比如你剛才講的精確計(jì)算，現(xiàn)在技術(shù)發(fā)展很快，大模型算數(shù)學(xué)題，過去全是概率采樣，每次的計(jì)算結(jié)果都不一樣；但現(xiàn)在不一定要通過概率采樣去做，可以把數(shù)學(xué)題變成一個(gè)公式，再在模型中插入一個(gè)Python解釋器去執(zhí)行，最終得到的結(jié)果是確定的。 因此，神經(jīng)系統(tǒng)和符號(hào)計(jì)算系統(tǒng)結(jié)合能夠很好地提升模型能力。 所以技術(shù)也在隨著業(yè)務(wù)需求不斷演進(jìn)，快速發(fā)展，有些稀奇古怪的問題今天都能解決得挺好，這是一個(gè)動(dòng)態(tài)過程。

甲小姐： 放眼全球AI產(chǎn)業(yè)的細(xì)分發(fā)展，通常是美國定義流行，中國一擁而上，市場關(guān)注度在短期會(huì)高度集中在某一兩個(gè)賽道，但在歐洲有很多AI細(xì)分門類一直有人在做，對(duì)比而言，今天的中國AI產(chǎn)業(yè)似乎少了某種多樣性。你曾表達(dá)過“重復(fù)造輪子”可能不利于AI發(fā)展。近半年內(nèi)國產(chǎn)大模型的數(shù)量已經(jīng)增長到80多個(gè)，是否存在重復(fù)建設(shè)？

黃民烈： 肯定存在。現(xiàn)在算力非常緊張，基本租不到卡，大家都把算力圈起來了，但各家在技術(shù)、能力和商業(yè)化路徑上都大同小異， 肯定是重復(fù)投入。 但這也是一個(gè)市場自然淘汰和選擇的過程。中國的做事方式和國外不太一樣，搜索是這樣，互聯(lián)網(wǎng)也是這樣，CV熱也是這樣，現(xiàn)在 大模型應(yīng)該還會(huì)有一個(gè)重復(fù)建設(shè)然后出清的過程。

甲小姐： 你曾表達(dá)過ChatGPT的底層還是基于Transformer架構(gòu)，在模型架構(gòu)上沒有太多創(chuàng)新，它的成功是“數(shù)據(jù)+工程+系統(tǒng)”層面的集成化創(chuàng)新。ChatGPT會(huì)是AI范式的最終狀態(tài)嗎，還是會(huì)出現(xiàn)一個(gè)新的范式顛覆它？

黃民烈： 很有可能是后者，但現(xiàn)在也不好說。不能說OpenAI沒有技術(shù)創(chuàng)新，他們肯定有各種各樣的創(chuàng)新，只是現(xiàn)在披露出來的比較少。 新的范式在2-3年可能不太會(huì)出現(xiàn)，但5-10年大概率會(huì)出現(xiàn)。 在現(xiàn)在這個(gè)時(shí)代，技術(shù)發(fā)展具有很大的不可預(yù)測性。

甲小姐： 回顧歷史，AI范式一直合久必分分久必合，幾個(gè)月前很多人認(rèn)為ChatGPT路徑正在一統(tǒng)江湖，目前這個(gè)趨勢有變化嗎？AI范式正朝著哪個(gè)力量發(fā)展，是歸一的力量還是分化的力量？

黃民烈： 大語言模型、多模態(tài)、視覺都是不同的方向，AI研究不一定是大一統(tǒng)的事情，會(huì)不斷有新的元素融入進(jìn)來。 我本人更希望有多樣性的發(fā)展，只有百家爭鳴才能更好地激發(fā)創(chuàng)新，大一統(tǒng)的語言模型對(duì)于學(xué)術(shù)創(chuàng)新來說不一定是好事。

甲小姐： AI領(lǐng)域的next big thing可能是什么？

黃民烈： 相對(duì)來講，學(xué)術(shù)界更容易做出新的AI范式，例如 神經(jīng)網(wǎng)絡(luò)和符號(hào)計(jì)算的大規(guī)模結(jié)合 。也許是新的神經(jīng)網(wǎng)絡(luò)架構(gòu)，也許是能解決現(xiàn)在模型問題的新的神經(jīng)符號(hào)系統(tǒng)。

2.談模式：“開源與否本質(zhì)上是商業(yè)邏輯”

甲小姐： LLaMA2發(fā)布對(duì)市場影響很大，國內(nèi)百川、阿里等都在開源，有些公司還沒有確定未來究竟開源還是閉源。開源對(duì)一群人來說是原則問題，象征著極客精神和價(jià)值導(dǎo)向，對(duì)另一群人來講是利潤問題，如果開源和商業(yè)邏輯不匹配就很難開源。能否展開說說開源對(duì)市場產(chǎn)生了什么樣的連鎖反應(yīng)？

黃民烈： 說實(shí)話， 公司會(huì)在不同階段打不同的牌。 Meta的LLaMA做得很好，但谷歌就不怎么開源，OpenAI也全部閉源，Claude介于開源、閉源之間，因?yàn)楣镜膽?zhàn)略打法不同。Meta作為后來者，可能以開源贏得市場認(rèn)可、口碑，再想辦法拓展商業(yè)客戶。而且Meta對(duì)于商業(yè)利用還是有比較大的限制，它規(guī)定訪問流量大于一定范圍就必須受限。

相對(duì)而言， 入局更晚的公司肯定要通過開源來贏得市場和業(yè)界的認(rèn)可。 因?yàn)椴皇敲總€(gè)人都有技術(shù)能力和算力資源去訓(xùn)練模型，那我就給你提供模型能力，服務(wù)很多中小B企業(yè)，還能不斷收集數(shù)據(jù)去微調(diào)模型。像智譜、MiniMax，包括我們這種做得更早的公司，就在一定范圍內(nèi)開源，可以調(diào)用我們的API服務(wù)。所以 并不存在完全的開源，這取決于公司的戰(zhàn)略打法和發(fā)展階段，以及早期采取的模型策略。

比如OpenAI就認(rèn)為大模型很智能，如果開源讓每個(gè)人都去用不一定是好事，把所有事情控制在自己手里相對(duì)更安全。我不知道這是他們的真實(shí)想法還是一種托辭，但我認(rèn)為 開源與否本質(zhì)上還是商業(yè)邏輯。

甲小姐： 安卓的開源會(huì)讓很多人以極低的成本接入生態(tài)，但對(duì)普通人來說，要接入大模型依然門檻不低。

黃民烈： 肯定要有算力，還要有一定的技術(shù)人員，否則就要依賴大模型生態(tài)中的工具鏈。但相比之下， 開源是靜態(tài)版本，閉源可以動(dòng)態(tài)地更新系統(tǒng)。

甲小姐： 是否可以理解為，剛開始創(chuàng)業(yè)就開源的公司很大程度上是以開源來吸附更多的資源，讓公司進(jìn)展更快，但很可能某天就會(huì)閉源，目前大模型領(lǐng)域還沒有出現(xiàn)真正意義上的蘋果和安卓，大家還是階段性戰(zhàn)術(shù)？

黃民烈： 是的。開源會(huì)形成品牌效應(yīng)，能夠吸引來一定的商業(yè)客戶，這是有很大影響力的。

甲小姐： 接下來，大模型的發(fā)展邏輯是在ChatGPT的基礎(chǔ)上繼續(xù)修修補(bǔ)補(bǔ)、添磚加瓦，還是有其他的路徑？

黃民烈： 首先，底層模型的能力必須很強(qiáng)。在很強(qiáng)的底座上，確實(shí)也需要加入一些模塊來“修修補(bǔ)補(bǔ)”——解決幻覺的問題，就需要搜索能力；要解決數(shù)學(xué)問題，就需要有Python解釋器，能夠做公式、做執(zhí)行；要解決其他更專業(yè)的問題，就需要有更高質(zhì)量的知識(shí)庫進(jìn)來。比如和金融行業(yè)結(jié)合，金融行業(yè)的信息都是高度動(dòng)態(tài)的，生成內(nèi)容需要非常精準(zhǔn)，股票、基金的信息每時(shí)每刻都是實(shí)時(shí)、動(dòng)態(tài)變化的，不可能只用一個(gè)大模型解決，所以需要插件能力。但如果底座不強(qiáng)，很多事也做不了。

甲小姐： 插件能力是底座方自己來做，還是和行業(yè)其他開發(fā)者共建？

黃民烈： 會(huì)允許第三方添加自己的插件，但前提是，基座有足夠的能力允許外掛組件運(yùn)行。

甲小姐： 假設(shè)未來的通用大模型底座可以允許用戶用更簡單的方式定義任務(wù)，把通用大模型訓(xùn)練成用戶想要的狀態(tài)，這件事在學(xué)術(shù)界做更好，還是以商業(yè)化形式展開更好？

黃民烈： 商業(yè)化的形式更多，現(xiàn)在學(xué)術(shù)研究的算力資源比較稀缺。

甲小姐： 聽說現(xiàn)在一些斯坦福的博士才上學(xué)一兩年就輟學(xué)去業(yè)界的大廠了，因?yàn)樵趯W(xué)校做不出來在工業(yè)界可以做的事。

黃民烈： 是的，這是一個(gè)趨勢。

3.談落地：“大模型公司和用大模型的公司之間需要一條工具鏈”

甲小姐： 經(jīng)過上半年的驗(yàn)證，到底哪家國內(nèi)公司在大模型的投入中真正獲益了？

黃民烈： 國內(nèi)的大模型公司分幾類——一類是要做“中國的OpenAI”，做底層模型，這類公司不介意大模型是否會(huì)影響原有業(yè)務(wù)；一類是大廠，比如百度、阿里、科大訊飛等，他們有自己的業(yè)務(wù)場景，做大模型本質(zhì)上是為了更好地服務(wù)原有業(yè)務(wù)場景，比如百度的搜索，科大訊飛的教育業(yè)務(wù)等，科大訊飛前段時(shí)間發(fā)了客戶增長量的數(shù)據(jù)，可以看到大模型對(duì)他們的客戶增長、粘性的提升影響很大；另外，大模型和原有業(yè)務(wù)結(jié)合后會(huì)形成新的形態(tài)，獲取更好的流量和廣告效應(yīng)，類似國外微軟的New Bing；還有一類是把大模型搭在云上，本質(zhì)是賣云，比如華為。

甲小姐： 還原一下客戶對(duì)大模型進(jìn)行選型的場景？

黃民烈： 肯定會(huì)先去看榜單和各種評(píng)測數(shù)據(jù)，但最終企業(yè)一定會(huì)做自己的測試。 很多榜單都失真了，相當(dāng)于開卷考試，很多題之前都知道了，刷刷題就能得高分。客戶肯定要從他自己的業(yè)務(wù)場景需求出發(fā)，做針對(duì)性的評(píng)測，最終選一個(gè)模型。 這也側(cè)面解釋了為什么有些公司這個(gè)階段選擇開源——他首先得讓別人知道他有這個(gè)能力，客戶才能去測試他的模型，從而帶來商業(yè)機(jī)會(huì)。

甲小姐： 很多人想接入大模型，但是不知道從哪下手，也看不懂評(píng)測，這種情況該怎么辦？

黃民烈：大模型公司和用大模型的公司之間需要有一個(gè)工具鏈。 當(dāng)然，如果大模型公司提供API也沒問題，因?yàn)榇竽Ｐ虯PI很易用，按照格式調(diào)用就行，門檻很低，這對(duì)中小企業(yè)比較友好。但如果客戶是大企業(yè)，大模型就要做服務(wù)。因?yàn)榇笃髽I(yè)基本都有自己的場景和數(shù)據(jù)，并不需要一個(gè)通用大模型，而是能解決自身業(yè)務(wù)問題的大模型。這就需要用自己的數(shù)據(jù)做微調(diào)、優(yōu)化，這是一般人做不了的，所以就需要一個(gè)工具鏈把大模型能力和場景需求銜接起來，現(xiàn)在已經(jīng)有公司在做類似的事。

甲小姐： 現(xiàn)在市面上有各種大模型評(píng)測體系，你能從中分辨出哪個(gè)模型更好嗎？

黃民烈： 大模型評(píng)測是一個(gè)非常難，也非常有爭議的話題。現(xiàn)在很多榜單只能做參考，并不能完全體現(xiàn)大模型的能力。所以我們也在思考，怎么設(shè)定評(píng)測體系才能讓結(jié)果不失真。 大家覺得ChatGPT和GPT-4很強(qiáng)，是因?yàn)樗鼈冊(cè)谌魏我粋€(gè)新的任務(wù)上都很強(qiáng)，說明它有很強(qiáng)的泛化能力，而不是fit了哪個(gè)榜單所以很強(qiáng)。 我們最近也在做比較難的、動(dòng)態(tài)的Benchmark，大概有幾十上百種任務(wù)，從不同維度上去評(píng)測它，希望能把模型真正的能力測出來。

甲小姐： 現(xiàn)在的評(píng)測體系都還是做任務(wù)的邏輯？

黃民烈： 必須要做任務(wù)。評(píng)測方法分為兩類，一種就是做題，讓模型參加人類的考試，比如解數(shù)學(xué)題，我們也在做類似的事情；還有一種是從學(xué)術(shù)層面設(shè)定任務(wù)，看模型的推理能力等等。但現(xiàn)在從AGI角度來說，大家經(jīng)常都是讓模型參加考試，看能得多少分。

甲小姐： 我始終覺得解數(shù)學(xué)題需要嚴(yán)密的推理，這和大模型的工作邏輯是相悖的。但似乎現(xiàn)在有了大模型之后，所有人都想和大模型有些關(guān)聯(lián)，甚至有些領(lǐng)域的內(nèi)在邏輯和大模型根本不同，但還是要接入大模型。

黃民烈： 有點(diǎn)在“為賦新詞強(qiáng)說愁”，這樣不太好。我認(rèn)為你的業(yè)務(wù)和應(yīng)用場景一定要跟大模型本身的特性相匹配，才能更高效地結(jié)合。比如智能客服，過去已經(jīng)做了很多年，出現(xiàn)了一堆公司，行業(yè)相對(duì)比較成熟了。但現(xiàn)在要用大模型再做一遍， 邊際收益可能很小 。因?yàn)橹悄芸头a(chǎn)品需要掌握業(yè)務(wù)知識(shí)邏輯，光接入大模型遠(yuǎn)遠(yuǎn)不夠，還脫離不了傳統(tǒng)的方法。

甲小姐： 這輪大模型熱是否會(huì)重蹈上一輪計(jì)算機(jī)視覺熱潮的覆轍，因商業(yè)模式不明確而無法真正形成商業(yè)閉環(huán)？

黃民烈： 這個(gè)技術(shù)趨勢不可預(yù)測，但我認(rèn)為大模型和CV有顯著差別。 CV屬于感知智能，相對(duì)可控，也更容易落地，比如做人臉識(shí)別、工業(yè)檢測等；大模型屬于認(rèn)知智能，理解語言更難，但它的應(yīng)用場景更廣，涉及交互的場景都需要語言。所以我認(rèn)為可能會(huì)出現(xiàn)比較好的機(jī)會(huì)，比如在情感陪伴上，和教育設(shè)備的結(jié)合等等，都離不開語言。當(dāng)然你也可以講所有東西都離不開視覺，但語言更難，更有挑戰(zhàn)性，這也是大家這么關(guān)注大模型的一個(gè)原因。

甲小姐： 我感受過幾波AI的起起落落，幾乎每一波浪潮最后都困在商業(yè)化。你從2015年開始研究AI情感對(duì)話，2021年創(chuàng)辦聆心智能，你對(duì)AI商業(yè)化有何感受？

黃民烈： 對(duì)話技術(shù)本質(zhì)是滿足人的需求。例如智能交互大腦，平時(shí)可以用來直播帶貨，做數(shù)字客服，提高這些場景的生產(chǎn)力，降低溝通成本。從情感的角度看，AI可以為人類提供情緒價(jià)值。但最終要形成商業(yè)閉環(huán)，還是要把賬算清楚，因?yàn)榇竽Ｐ捅旧沓杀竞芨摺?

甲小姐： 你們現(xiàn)在把賬算清楚了嗎？

黃民烈： 現(xiàn)在肯定還沒有，還需要時(shí)間。

甲小姐： 聆心智能最初主攻心理健康，2022年中期開始拓展游戲、教育、數(shù)字人等落地場景，所以現(xiàn)在你們主要to B？

黃民烈： 我們to B和to C都在做，但to B 為主，收入主要還是to B業(yè)務(wù)貢獻(xiàn)，C端還沒有開始收費(fèi)。目前在游戲、文化娛樂方面正反饋比較多。我們主要面向這些客戶提供大模型，讓他們的玩家更好地定制角色人設(shè)，有很好的對(duì)話體驗(yàn)。

甲小姐： 今年AI還會(huì)有新的大事件發(fā)生顛覆人們的認(rèn)知嗎？

黃民烈：找到killer APP （殺手級(jí)應(yīng)用） 。 我說的killer APP，更多是指 若干個(gè)行業(yè)和應(yīng)用的問題能在大模型的支持下被很好地解決 ，但目前還沒有看到特別好的應(yīng)用。Character.AI主打情感陪伴、消磨時(shí)光，更多是一種游戲需求，它的用戶增長還相當(dāng)不錯(cuò)，但是未來還是需要有新的應(yīng)用，更有影響的、更大的應(yīng)用。

4.談選擇：“功能AI和情感AI結(jié)合起來才是真正的AGI”

甲小姐： 在今年4月的甲子引力上，你說“聆心智能在致力于用大模型的基礎(chǔ)組件加上其他關(guān)鍵算法技術(shù)模塊，解決最后一公里的問題。這是我們正在關(guān)心的事情，這樣才能真正實(shí)現(xiàn)商業(yè)的落地，最后才能把整個(gè)業(yè)態(tài)真正跑起來，這個(gè)是一個(gè)良性健康的發(fā)展。 今天的ChatGPT更多停留在炫技的層面 。”在國內(nèi)的AI學(xué)者里，你的判斷有些獨(dú)樹一幟。很多人可能想炫技或者突破技術(shù)制高點(diǎn)，但你非常強(qiáng)調(diào)解決“最后一公里”的問題，這背后的底層邏輯是什么？

黃民烈： 我認(rèn)為把AGI作為一個(gè)研究目標(biāo)肯定沒問題，但 很多應(yīng)用產(chǎn)品并不需要這些能力。 比如金融場景可能只需要基礎(chǔ)的數(shù)學(xué)能力，不需要復(fù)雜的論證。 現(xiàn)在的大模型和真正解決行業(yè)問題、創(chuàng)造用戶使用價(jià)值之間還有一定距離，這不是模型本身能做到的。

甲小姐： 以你的資歷，完全有能力直接去卷底層通用大模型，去造錘子和鏟子，為什么你會(huì)這么堅(jiān)定地鎖定情感AI這條路？

黃民烈： 我一直在做情感和心理方向。非常有趣的是，OpenAI的ChatGPT出來之前，Google的Lamda、MINA，Meta的Banana這幾個(gè)系統(tǒng)都是情感AI，做得非常好，非常類人。去年Google有一位研究員說Lamda出現(xiàn)人格覺醒，這件事在AI圈引起很大的爭議，最后這個(gè)人被開掉了。這說明Lamda系統(tǒng)已經(jīng)非常類人了，而且他們是做情感陪伴方向。只是ChatGPT出來之后，大家忽然發(fā)現(xiàn)，過去做傳統(tǒng)任務(wù)對(duì)話的Siri、Ali、Alexa等助理可以在一個(gè)模型里把各種復(fù)雜任務(wù)解決得很好，所以重新又開始去卷功能。

功能固然很重要，但人的情感是非常本質(zhì)的需求。 你看Character.AI的數(shù)據(jù)增長比ChatGPT好很多，說明 人要去消磨時(shí)光，解決孤獨(dú)感，需要被陪伴，但ChatGPT滿足不了，所以情感AI是很大的機(jī)會(huì)。

從另外一個(gè)維度來說， 放眼未來，人類肯定不希望AGI只是機(jī)器屬性，肯定很希望能跟AI建立信任關(guān)系，建立長久的情感和社交連接。AGI不僅能做人類的助理，還能幫人解決信任、情感、情緒的問題，這是未來 AGI真正的方向。

甲小姐： 我在今年二月寫過一篇文章談ChatGPT，對(duì)比了功能性和人格化兩方面。 功能性 ，如幫人們寫作文、編程、收集結(jié)構(gòu)化資料； 人格化， 如會(huì)理解意圖、聲明立場、表達(dá)恭喜、道歉、自我修正答案，并擁有上下文的記憶連貫性，體現(xiàn)出實(shí)時(shí)的自主學(xué)習(xí)能力，簡言之，就是“像人”。對(duì)一個(gè)對(duì)話AI系統(tǒng)而言，功能性與人格化 二者有著相反的牽引力 ——如果追求功能性，重點(diǎn)是回答本身的正確、精準(zhǔn)、靠譜，最好其回答有明確可溯源的出處。排除寫作文等創(chuàng)意任務(wù)，不同人問同一個(gè)問題應(yīng)該有類似的答案 （千人一面） ，因?yàn)榇蟛糠止δ苄詥栴}是在尋求正確解或最優(yōu)解，這更像 “改進(jìn)版搜索引擎” ，有其明確價(jià)值，卻不是革命性的體驗(yàn)；如果追求人格化，重點(diǎn)是交互感、創(chuàng)新性、超預(yù)期，意味著不能有死記硬背的感覺，因?yàn)樗烙浻脖巢⒉皇侨祟悓W(xué)習(xí)與交互的慣性方式，這意味著回答要有個(gè)性、豐富性、多樣性甚至狡猾性 （千人千面） 。詭異的地方恰恰在于， 后者往往比前者看起來更“聰明”，更“機(jī)靈”，但往往更“不可信”。 功能性AI和情感AI在技術(shù)路徑上是不是有內(nèi)在的不同？

黃民烈： 的確， 二者的優(yōu)化目標(biāo)不一樣。 從情感出發(fā)希望聊天聊得越久越好，而功能性是希望能盡快解決問題，信息密度越高越好。評(píng)價(jià)體系也不一樣：一個(gè)是信息需求，一個(gè)是情感需求。信息需求希望信息越精準(zhǔn)、越客觀越好，而情感很多是很隱晦、很個(gè)性化的，所以優(yōu)化的目標(biāo)和角度也不一樣—— 一個(gè)更像理科生，一個(gè)更像文科生；一個(gè)是智商，一個(gè)是情商；一個(gè)滿足信息需求，一個(gè)滿足情感需求。

我們?cè)诎l(fā)布會(huì)上舉了一個(gè)特別有趣的例子。比如一個(gè)女孩和AI說，“我肚子不舒服，但男朋友讓我多喝熱水”，ChatGPT可能會(huì)告訴她喝熱水挺好的，但情感AI會(huì)說你的男朋友應(yīng)該來陪陪你。 有時(shí)候人更需要的是陪伴和呵護(hù)，而不是一個(gè)solution。

甲小姐： 放眼人類文明，ChatGPT更像我們?yōu)樽约簞?chuàng)造的assistant，它是為了做我們不愿意做的事情而存在；但情感AI更像在創(chuàng)造一個(gè)物種，它可能是我的lover或partner，甚至是下一代的更高階的我。 這兩個(gè)不同的方向關(guān)乎一個(gè)基礎(chǔ)假設(shè)：AI到底是什么。 功能AI和情感AI未來會(huì)漸行漸遠(yuǎn)，還是會(huì)相互融合？

黃民烈：未來一定會(huì)融合。 比如在保險(xiǎn)銷售的場景下，一定是先建立信任和連接，你才能把東西賣出去。如果現(xiàn)在有一個(gè)人給你打電話賣房子，你肯定直接掛了，但一個(gè)朋友和你說，他有一個(gè)房子，各個(gè)方面都挺不錯(cuò)的，你肯定不會(huì)反感他。如果有一個(gè)助手和你聊得很好，知道你的信息并建立了深厚的信任和社會(huì)關(guān)系，某一天它給你推薦說西山那邊有個(gè)別墅，你要不要考慮考慮？你也不會(huì)反感，情感AI是同樣的邏輯。

甲小姐： 你的底層邏輯是希望AI越來越像人，而不是一味追求AI的功能有多強(qiáng)？

黃民烈： 我們最早做研究的時(shí)候也是做DeepQA，就是IBM Watson那一套，但是當(dāng)時(shí)IBM Watson很有名，他們運(yùn)用在醫(yī)療里也是解決信息的需求。神經(jīng)網(wǎng)絡(luò)出來之后，大家開始用data driven的方法做對(duì)話，就發(fā)現(xiàn) 對(duì)話更多出現(xiàn)在閑聊或陪伴上。 我們就試圖讓計(jì)算機(jī)表達(dá)喜怒哀樂，那項(xiàng)工作很有前瞻性，在國際上也具有引領(lǐng)性。我們第一次在一定程度上讓計(jì)算機(jī)去表達(dá)情感。當(dāng)時(shí)MIT technology review、英國衛(wèi)報(bào)都報(bào)道了我們，在國際上還是相當(dāng)有影響力的。

之后我們進(jìn)一步發(fā)現(xiàn)，這些成果可以去解決人心理和情緒上的問題。你也知道，現(xiàn)在很多年輕人心理壓力都很大，很多人有各種各樣的心理問題。我們就和心理學(xué)的老師做了一個(gè)項(xiàng)目，叫做Emotional Support Conversation，這是一個(gè)情緒支持的對(duì)話框架。有趣的是，很多人都很需要這個(gè)東西，我們也慢慢地在這條路上一直走了過來。

1966年MIT的Eliza最早開始做能夠進(jìn)行心理咨詢的對(duì)話系統(tǒng)，他用規(guī)則做對(duì)話，設(shè)計(jì)了心理學(xué)的提問模板，在當(dāng)時(shí)影響很大，今天也非常有名。所以，實(shí)際上 人們對(duì)于情感AI還是有很多執(zhí)念的 。

甲小姐： 在做情感AI的經(jīng)歷中，有讓你印象深刻的例子嗎？

黃民烈： 有的。我們看了很多case，發(fā)現(xiàn)曾經(jīng)有一個(gè)用戶，他每天和AI聊幾百句，大概聊兩個(gè)小時(shí)。他覺得沒人可以去傾訴、交流。對(duì)他來說，AI是一個(gè)傾聽者。這種例子非常多，也說明AI for social good是一個(gè)有明確需求的方向。

甲小姐： 你們有沒有統(tǒng)計(jì)過一個(gè)人每天有多少對(duì)話是功能屬性的，有多少是情感屬性的？

黃民烈： 這個(gè)沒有統(tǒng)計(jì)過，但你對(duì)比抖音和京東的數(shù)據(jù)，京東更偏功能性，抖音偏社交、情感屬性。從用戶量、用戶留存來看，京東你有確定需求才會(huì)打開，但抖音、快手隨時(shí)都可以。

甲小姐： 一個(gè)夾帶功能屬性的情感類產(chǎn)品，可能比僅有功能性的產(chǎn)品更吸引用戶。從技術(shù)角度看，讓AI像人一樣有情商比讓AI有智商更難嗎？

黃民烈： 我覺得要 更難 。更難的點(diǎn)在于：第一，情感本身比較隱晦且主觀，但信息是很客觀的，它是任務(wù)本身固有的能力；第二，數(shù)據(jù)處理難度也不一樣，情感類數(shù)據(jù)收集很難，公開的渠道也很少，高質(zhì)量的數(shù)據(jù)更少。而且社會(huì)背景、生活狀態(tài)不同的人對(duì)情商的理解和追求也不一樣。

甲小姐： 在情感AI的方向下，會(huì)不會(huì)因?yàn)槿烁鶤I高密度的對(duì)話，催生出下一代微信、微博等完全不同的社交平臺(tái)級(jí)產(chǎn)品？

黃民烈：完全可能。未來人和AI、AI和AI，甚至在一個(gè)群里和多個(gè)AI同時(shí)交流都可能發(fā)生。

甲小姐： 有種觀點(diǎn)認(rèn)為“一切應(yīng)用場景最終都是對(duì)話”，你認(rèn)同嗎？

黃民烈： 也不能這么說。對(duì)話更符合人自然交互的習(xí)慣，但 從信息量來講，對(duì)話相對(duì)低效。 以購物為例，我們希望有一個(gè)界面能呈現(xiàn)商品屬性、價(jià)格、尺寸、物流等等，這樣效率更高。但你要把這個(gè)過程變成對(duì)話，可能對(duì)話20分鐘也不知道你想要什么樣的電腦。對(duì)話適合解決特定的事情，而且今天機(jī)器有了超強(qiáng)的對(duì)話能力，可以和人無縫交流，這讓它有更大的發(fā)揮空間。

5.談創(chuàng)新：“做自己擅長的，與自己的基因、背景相契合的事”

甲小姐： 我身邊做大模型的人可能有一些隱性的執(zhí)念，一個(gè)最性感的大模型應(yīng)該無所不包無所不能，就像個(gè)人類文明的DNA一樣，作為一個(gè)載體，承載幾乎所有的信息。你有沒有想過在純學(xué)術(shù)領(lǐng)域探一探那顆最性感的果實(shí)？

黃民烈： 理想的情況下，特別聰明的人才能做這件事——?jiǎng)?chuàng)造一個(gè)模型幫人類解決所有的問題，但這很理想，大多數(shù)公司達(dá)不到這樣的高度。

甲小姐： 從2021年創(chuàng)業(yè)到現(xiàn)在，有哪些事情跟你預(yù)想的不一樣？

黃民烈： 我們最初做心理的時(shí)候覺得挺好，但后來發(fā)現(xiàn)心理賽道很慢，我們也找了很多專家，但真正要進(jìn)入一個(gè)行業(yè)還是需要很多know-how。去年五六月份的時(shí)候，我們想做的是數(shù)字療法，因?yàn)樾睦碇委熤袑?duì)話是其中的一個(gè)關(guān)鍵因素。我剛才給你發(fā)的Echo可能會(huì)繼續(xù)用大模型的方式做一做。但總體來說， 心理比我們想象的復(fù)雜很多，也困難很多。

甲小姐： 你曾對(duì)媒體說，“過去在中國大家一般不太敢說AGI概念，甚至AGI定義都不太清楚。所以我們有時(shí)會(huì)調(diào)侃說中國的科學(xué)家不敢有夢想，因?yàn)橹灰fAGI都會(huì)被噴死”。“不敢”這個(gè)詞顯得很被動(dòng)。經(jīng)過這一輪AI浪潮的洗禮，今天的中國學(xué)者對(duì)于“夢想”這件事是更敢說了，還是更不敢說了？

黃民烈： 中國的科研體系和市場體系更偏向短期利益，考察標(biāo)準(zhǔn)都是看你短期三年內(nèi)能不能有收益，需要5-10年來驗(yàn)證的高風(fēng)險(xiǎn)、高回報(bào)的項(xiàng)目是沒人愿意給你資金的。

甲小姐： 我見過的很多科學(xué)家、創(chuàng)業(yè)者、投資人，甚至政策制定者，都很清楚中國科技產(chǎn)業(yè)存在短視的問題，卻都對(duì)此無能為力。

黃民烈： 這是一個(gè)非常非常復(fù)雜的問題，我也沒有答案。它是一個(gè)整體的社會(huì)系統(tǒng)性問題，涉及到文化、理念、制度、人才考核等方方面面。

甲小姐： OpenAI能夠造出ChatGPT有一個(gè)很重要的因素是他們真的在這個(gè)領(lǐng)域堅(jiān)持了很久。目前燒了半年的AI熱潮正在冷卻，AI弄潮兒再一次開始面臨資金、人才、商業(yè)化的困境，面臨群體快速降溫的關(guān)注度，面向未來，大家的“堅(jiān)持”從何而來？

黃民烈： 要堅(jiān)持初心。另外，不需要所有人都去干同樣的事，那不利于生態(tài)發(fā)展。 每個(gè)人都應(yīng)該做自己擅長的，與自己的基因、背景相契合的事情。 我們之前也做了功能性的業(yè)務(wù)，但很顯然，這塊不是我們的優(yōu)勢。我們一直在想，怎么把角色、人設(shè)、情感做好，成為最獨(dú)特的存在。