本文是新浪微博新技術(shù)研發(fā)負(fù)責(zé)人、中國中文信息學(xué)會理事張俊林在知乎問題「OpenAI 發(fā)布 GPT-4，有哪些技術(shù)上的優(yōu)化或突破？」下的回答，總結(jié)了GPT4技術(shù)報(bào)告里指出的三個方向，還提及了兩個其它技術(shù)方向。

在這個歷史性的時(shí)刻，回答個問題，留下自己作為歷史見證人的足跡。

GPT4的技術(shù)報(bào)告里很明確地指出了三個新的方向：

第一，LLM最前沿研究的封閉化或小圈子化。技術(shù)報(bào)告里說了，出于競爭以及安全等方面的考慮，未公布模型規(guī)模等技術(shù)細(xì)節(jié)。從GPT 2.0的開源，到GPT 3.0的只有論文，再到ChatGPT連論文也沒有，直到GPT 4.0的技術(shù)報(bào)告更像效果評測報(bào)告。一個很明顯的趨勢是，OpenAI做實(shí)了CloseAI的名號，之后OpenAI的LLM最前沿研究不會再放出論文。

在這個情形下，其它技術(shù)相對領(lǐng)先的公司有兩種選擇。一種是做更極致的LLM開源化，比如Meta貌似選擇了這條道路，這一般是競爭處于劣勢的公司作出的合理選擇，但是往往相關(guān)技術(shù)不會是最前沿的技術(shù)；另外一種選擇是跟進(jìn)OpenAI，也選擇技術(shù)封閉化。Google之前算是LLM的第二梯隊(duì)。但在“微軟+OpenAI”的一頓組合拳下，現(xiàn)在局面有點(diǎn)狼狽不堪。GPT 4.0去年8月就做好了，估計(jì)現(xiàn)在GPT 5.0正在煉丹過程中，這么長的時(shí)間窗口，結(jié)果Google都能落到目前這個局面，想想Transformer、CoT等非常關(guān)鍵的一些研究都是自己做出來的，竟淪落至此，不知一眾高層作何感想。Google在后面能快速跟進(jìn)，維持在第二梯隊(duì)?wèi)?yīng)該問題不大，很可能比第三名技術(shù)也領(lǐng)先很多。出于競爭關(guān)系考慮，我猜Google大概率會跟進(jìn)OpenAI走技術(shù)封閉的路線，最先進(jìn)的LLM技術(shù)優(yōu)先用來煉屬于自己的丹，而不是寫成論文放出來普惠大眾尤其是普惠OpenAI。而這很可能導(dǎo)致LLM最前沿研究的封閉化。

從現(xiàn)在算起，國內(nèi)在經(jīng)過一陣時(shí)間后（要做到ChatGPT的6到7折應(yīng)該比較快，要追平估計(jì)要較長時(shí)間），必然被迫進(jìn)入自主創(chuàng)新的局面。從最近三個月國內(nèi)的各種情況看，將來會如何？大概率不太樂觀。當(dāng)然，這個關(guān)肯定很難，但必須得過，只能祝愿有能力且有初心者盡力加油了。

第二，GPT 4技術(shù)報(bào)告里提到的LLM模型的“能力預(yù)測（Capability Prediction）”是個非常有價(jià)值的新研究方向（其實(shí)之前也有個別其它資料，我記得看過，但是具體哪篇記不起來了）。用小模型來預(yù)測某些參數(shù)組合下對應(yīng)大模型的某種能力，如果預(yù)測足夠精準(zhǔn)，能夠極大縮短煉丹周期，同時(shí)極大減少試錯成本，所以無論理論價(jià)值還是實(shí)際價(jià)值巨大，這個絕對是非常值得認(rèn)真研究具體技術(shù)方法的。

第三，GPT 4開源了一個LLM評測框架，這也是后面LLM技術(shù)快速發(fā)展非常重要的方向。尤其對于中文，構(gòu)建實(shí)用的中文LLM評測數(shù)據(jù)和框架具備特別重要的意義，好的LLM評測數(shù)據(jù)可以快速發(fā)現(xiàn)LLM目前存在的短板和改進(jìn)方向，意義重大，但是很明顯目前這塊基本處于空白狀態(tài)。這個對于資源要求其實(shí)沒那么高，適合很多機(jī)構(gòu)去做，不過確實(shí)是個辛苦活。

除了GPT 4技術(shù)報(bào)告里明確指出的三個方向，因?yàn)樽罱麹LM各方面新聞比較多，順手再寫兩個其它技術(shù)方向。

首先，斯坦福大學(xué)近在Meta的7B 開源LLaMA基礎(chǔ)上，加上Self Instruct技術(shù)構(gòu)造的Alpaca，也代表了一個技術(shù)方向。如果歸納下，這個方向可以被稱為“低成本復(fù)現(xiàn)ChatGPT”的方向。所謂Self Instruct，就是采取一定技術(shù)手段，不用人工標(biāo)注Instruct，而是從OpenAI的接口里，好聽點(diǎn)叫“蒸餾”出Instruct，也就是不用人標(biāo)注，而是ChatGPT作為teacher，給你的Instruct打上標(biāo)注結(jié)果。這個把Instruct標(biāo)注成本直接打到了幾百美金的基準(zhǔn)，時(shí)間成本就更短了。再加上模型7B規(guī)模也不大，所以可以看成一種“低成本復(fù)現(xiàn)ChatGPT”的技術(shù)路線。

我估計(jì)國內(nèi)早就有不少人采取這個技術(shù)路線了。毫無疑問，這是一條捷徑，但是走捷徑有好處有壞處，具體不展開談了。在追趕ChatGPT的過程中，先把成本打下來去復(fù)現(xiàn)ChatGPT到七八成，我個人還是覺得可行也支持的，畢竟窮人有窮人的玩法。當(dāng)然，追求把模型做小，效果又不怎么往下掉，如果能扎扎實(shí)實(shí)去做，是非常具有價(jià)值的。

另外，具身智能毫無疑問會是LLM下一階段的重點(diǎn)研究方向。這方面的代表就是前陣子Google放出來的PaLM-E。目前的GPT 4，我們可以認(rèn)為人類創(chuàng)造出了一個超級大腦，但還是把它封鎖在GPU集群里。而這個超級大腦需要一個身體，GPT 4要和物理世界發(fā)生聯(lián)系、交流和互動，并在物理世界中獲得真實(shí)的反饋，來學(xué)會在真實(shí)世界里生存，并根據(jù)真實(shí)世界的反饋，利用比如強(qiáng)化學(xué)習(xí)來學(xué)習(xí)在世界游走的能力。這個肯定是最近的將來最熱門的LLM研究方向。

多模態(tài)LLM給予了GPT 4以眼睛和耳朵，而具身智能給予GPT 4身體、腳和手。GPT 4和你我發(fā)生一些聯(lián)系，而依托于GPT 4本身強(qiáng)大的學(xué)習(xí)能力，這個事情估計(jì)很快會出現(xiàn)在我們身邊。

如果你細(xì)想，其實(shí)還有很多其它有前途的方向。我的個人判斷是：未來5到10年，將會是AGI最快速發(fā)展的黃金十年。如果我們站在未來30年的時(shí)間節(jié)點(diǎn)，當(dāng)我們回顧這10年時(shí)，我們中一定會有人，想起下面的詩句：“懂得，但為時(shí)太晚，他們使太陽在途中悲傷， 也并不溫和地走進(jìn)那個良夜?！?/p>

審核編輯 ：李倩