2023.05.19

本文字数：9705，阅读时长大约15分钟

【资料图】

导读：「技术发展太快了，需要留点时间讨论」

作者 |吴洋洋

编辑 |王姗姗

Key Points

2016年王小川就认识到，一旦机器掌握了语言，通用人工智能就来了。

（IBM的）Watson是要取代医生的，它失败了，因为它并不能通过一些考试，或者比医生干得更好。这次真的有机会了。

办公领域会出现“端到端”的行业结构，写文案这种中间过程的企业会消亡。

AI医生、AI教授、AI律师、甚至AI司机出现的时间不会太久，大概就3-5年。

比较成熟的领域已经有To C产品覆盖的时候，我们就做To B。但是对于增量的、大家没见过的产品，我们会做To C。

大语言模型已经被学界称为“foundation model”——基础模型。未来不仅是做机器人，还是做无人驾驶，都会基于这个基础大模型往上生长。

（Facebook）他们没有开源，国内所有公司做的大模型，都是自己做的。

与OpenAI相比，现在我们可能还差一步、差两步，差半步是我们的目标。

国内大厂都在发布大模型，但在团队能力上是否离OpenAI越走越近，我们是质疑的。

（百川智能）计划年中推出第一代模型，年底推出对标GPT-3.5的模型。

最后做成的包含大厂与创业公司在内，应该就5家左右。

我们尝试用GPT的AI来训练我们的AI，这样能加速我们的AI发展。

GPT解决的问题是“读万卷书”，AlphaGo解决的问题是“行万里路”。一个深度学习，一个强化学习。

未来，强化学习的比重会大很多，今年可能是5%、10%或者20%，未来可能10倍、100倍的能力要靠强化学习得到。

今天大模型建立人工智能的方式仍然是对数据的暴力美学。

为生命建立数学模型，GPT让这件事更可行。

点击观看视频（视频：王晓东 元成；视觉：胡榕）

科技预言大师雷·库兹韦尔（Ray Kurzweil）说人工智能的奇点——机器智慧超过人类——会发生在2045年，王小川的判断比这更激进，他认为这一天会提早到2033年到来，理由是人工智能技术的迭代周期成倍递减：专家系统走过了40年，学习系统20年，深度学习10年，接下来，只需要再有5年、2.5年、1.25年、0.625年，转折点就会到来。

这个预测有待时间检验。如果预测成真，包括王小川在内的大模型（Large Language Models，大语言模型）创业者，就会是在飞船已经开始滑行才跳上甲板的人。

4月10日，王小川对外宣布成立百川智能，研发通用人工智能模型及应用。他搬回了旧部——大约一半百川智能的人来自原来的搜狗团队，还找到了5000万美元的启动资金。

留给王小川这样的创业者的时间并不多。王小川宣布上述消息的同一周，阿里巴巴在北京发布了其大模型“通义千问”。一个月前，百度发布了“文心一言”。前美团联合创始人王慧文所创立的光年之外，则已收购一家开发深度学习框架的科技公司一流科技OneFlow。

王小川已给出一个听起来激进的模型迭代计划：今年年中（大概一两个月后），他就要发布对标GPT-1的第一代模型；年底，对标GPT-3.5的模型就要推出。作为对照，从GPT-1到GPT-3.5，OpenAI花了四年多时间。

王小川本人并不认为这个计划激进，也不认为做出这个计划纯粹是出于竞争压力。“该不该做到和可行性上能不能做到是两个问题。”他说，从“应该”的层面，他判断大模型领域今年的竞争核心是能否成功构建基础模型，明年，市场就会进入对应用场景的竞争阶段。说到“可行性”层面，王小川表示自己并不是今年才开始做大模型，而是早在2021年他就在做大模型了。

“除了OpenAI，我并没有看到任何一个公司或者个人，特别国内的人，认为通用人工智能到来了。”王小川说，决定大模型及其应用胜负的，将会是“认知”。

我们同王小川聊了聊他对大模型终局的认知，他向我们描绘了医疗、教育、办公、自动驾驶等所有今天已有AI涉足的领域将会如何被大模型改变，也聊了当下阶段中国公司在开发基础模型上的共同挑战和可能的捷径，以及GPT的不足和留给后来者的创新机会。

持续的创业命题：为生命建立数学模型

新皮层：你宣布创立百川智能的时候写了封公开信，主要想传达什么信息？

王小川：我觉得通用人工智能（Artficial General Intelligencce，简称AGI）到来了，这是最大的判断。这一波的突破是语言AI，它跟互联网时代、工业文明、文艺复兴是什么关系，我在信中都做了相应判断。以及为什么我要做这事儿（指创立百川智能），就是要繁荣和延续人的文明。

新皮层：你经常提到你对生命科学很感兴趣，为什么会对这样的议题感兴趣？

王小川：我读研究生期间，做的题目就与基因相关，做基因测序的拼接算法。当时科学界发现，从DNA到人的过程是个足够混沌和复杂的事。基因背后的演化也非常复杂，原本会出现混沌或不可预测的结局，但最后它变成了生命，变成了人，有两只手、10个手指头，甚至还跟爸妈长得像。这个事情在数学或物理上讲没有算法可以解释。

我们已经掌握了苹果掉在地上因为有万有引力，天上的星星如何运动我们也能算得很清楚，但是生命背后的数学模型我们还没有建立， 这是我从读研究生开始就特别感兴趣的一件事，如何用科学甚至用数学模型去建立对生命的理解。

新皮层：这是个特别学术性的问题？

王小川：有实操性的，比如说2021年，AlphaFold干的就是这件事情，它能够把基因到蛋白质结构的关系用AI模型建立起来。给一个基因，模型就能告诉你它的三维蛋白质结构长啥样。它用数学或者计算机解决了一个生命现象问题。

新皮层：当时你并没有像现在跟进GPT一样跟进AlphaFold？

王小川：因为AlphaFold虽然很性感，但是离解决人的健康问题之间的路还非常远。我当时更愿意走另一条路。2021年搜狗并给腾讯之后，我就说我要做与生命科学相关的事，走的并不是AlphaFold的那条道路。它只是把蛋白质结构变成数学模型了，并没有端到端地把健康变成数学模型。

新皮层：意思是从蛋白质到人还有很远距离？

王小川：没错，距离特别远，就像做自然语言处理的模型只学了分词，距离做出一个GPT还有非常远的路。所以我认为有其他更多实操性的方法，可以用来研究生命健康的数学问题。

新皮层：GPT让你离接近这个问题更近了吗？

王小川：GPT跟我之前的工作经历高度相关。搜狗之前做搜索和输入法，研究的就是语言里的规律。搜索其实是猜你想要什么，输入法是猜你想表达什么，背后都有复杂的语言模型。技术上我们也从原来的符号处理走向了深度学习。当时我们就提出一个观点，语言其实是这个世界上相当难解决的一种问题，我们称为“自然语言处理”，是人工智能皇冠上的明珠。 2016年我就已经认识到了，一旦机器掌握了语言，通用人工智能就来了。

甚至当时我们也提到，说搜索的未来是问答，给个问题就回答，而不是输入个关键词后给你10条链接。在那个时代，我们也提到了搜狗未来的方向是让表达和获取知识更简单。以前，搜索是让你获取信息的，但是它不能让你有知识。今天这些全都到来了。因此今年1月份开始使用ChatGPT的时候，我就深刻感受到机器已经掌握语言，而且通用人工智能时代已经到来了。

新皮层：在搜狗出售给腾讯的时候，GPT-3就已经出来了。

王小川：对，那会儿我会看一些论文，但是那个时候我主要在思考怎么把生命变成数学问题、变成数学模型。所以看到GPT这种突破的时候，我印象很深刻的是，在提问题的时候，加上一个prompt咒语“think step by step”，让GPT再仔细想一想，它的回答就变得更好，预示着这个机器开始有一些更智能的模式。

但不管学术界也好，包括我们自己，都没有想到这样一个东西离通用人工智能有多远。因为它是一个To B的系统，不是只看文章就能对它有认知的。直到去年年底，ChatGPT发布，你才能去体验它，看文章和亲自体验它是两个不同的事情。

新皮层：你是技术背景，你会不会偶尔也会想，为什么不是我或者我的团队做出了这样的技术突破，或者说更早看到了GPT的潜力，而不是这么晚进场？

王小川：你的晚是指的从2021年开始做，还是从今年开始做？

新皮层：你不认为你是从今年开始？

王小川：搜狗2021年的时候就在做大模型，在国内的CLUE榜单（Chinese Language Understanding Evaluation，中文语言理解测评）上拿了两次第一。

新皮层：你当时没有今天的这些认知，没有预料到AGI会来？

王小川：对，就是我们知道大模型长啥样，但确实没有预料到这个技术的突破。这不是我一个人没想到，这是除OpenAI以外所有人都没想到的事。 GPT-2和3出来的时候，除了OpenAI，我并没有看到任何一个公司或者个人、特别国内的人认为通用人工智能到来了，甚至直到ChatGPT到来之后，我也没看到其他人讲通用人工智能到来了。

新皮层：离开搜狗之后，你还有过一个创业项目，是与大模型有关吗？

王小川： 搜狗是做语言AI的，搜狗出售给腾讯后，我切换到了用数学模型解构生命，（做大模型）中间有一个暂停的过程。我今天做的事情和这两件事都可以连接。

因为当你想用机器为生命建数学模型，甚至帮你做健康管理的时候，你可能也需要一个虚拟医生或护士做沟通，不管见面手段还是后期健康管理，都需要有一个伙伴去支撑。所以今天大模型带来的可能是超级助手，能够让健康管理的闭环更容易完成。

新皮层：可不可以理解为你在用新一轮的AI技术重做上一份创业内容？

王小川：新技术能够对之前的工作带来精神上的鼓励，但并不能覆盖对生命的探索和相应的数据处理方法。大模型是以语言为核心的，它并没有对你生命指标各方面的监测，或者从某个生理指标的数据中发现生命规律，所以不是相互取代。就像无人驾驶一样，大模型提供的是同样的基础。

新皮层：你要做的话，会做ToB还是To C的产品？

王小川： 比较成熟的领域已经有To C产品覆盖的时候，我们就做To B。但是对于增量的、大家没见过的产品，我们会做To C。比如说在教育领域，现在已经有很多教育网站了，他们可能会在中间构造一种虚拟老师，那我会做To B的事情。但是像医疗、法律领域，从来没有存在过这种虚拟的知识供给，那我们就可以做To C的。

终局:GPT不只是语言模型，而是未来所有AI的基础模型

新皮层：你觉得GPT-4在哪方面的能力超出你的预期？让你觉得它非常有商业潜力？

王小川：GPT的核心就是机器掌握了语言，它变成了一个懂表达、善于表达的机器，同时它还拥有世界常识。整个世界上已经发生的事、知识、常识甚至简单的推理，它都掌握了，这是非常了不起的一个突破。

新皮层：机器掌握了语言后，你认为它能够做到的事会是什么？

王小川：有这个能力之后，它能做的第一件事就是把人类已经遗留的以文字承载的知识都学习了。第二，它能跟人做正常的沟通交流，你给它一个命令，它能够理解它、解释它、完成它。

这时我们对它有个重新定义，它不再只是个工具，而是人类开始拥有的一个伙伴、一个助手，这是从来没有的事情。以前人类发明的火、轮子，甚至计算机，都只是工具，它们不具有跟你对话的能力。

新皮层：具体到产品形态上，可能诞生哪些超级应用？

王小川：比如说出现很多虚拟伙伴，它能够在情感上陪伴，或者有足够素质的护士、医生、律师、老师，这样的产品叫助理也好、咨询顾问也好，这是以前没存在过的东西。

新皮层：上一个AI时代已经出现过一些AI产品和商业成功的公司，GPT时代会有什么不同？

王小川：首先 上个时代还是信息时代，最多叫数据智能，我认为这次才真正开始进入到了AI时代。通用人工智能来了，机器开始学会学习了，有常识了，能跟人沟通了。以前还是靠人喂很多数据进去，在专项里解决一个垂直问题。ChatGPT的发布代表新时代的开启，两个时代是不一样的。

在上个时代，一个做图像识别的公司需要做大量的定制化服务，很难有通用模型，成本也非常高。所以之前这个时代里的公司虽然已经发展到很大的收入规模，还是很容易亏损，所以我并不认为它是一种成功的AI范式。

新皮层：IBM曾经尝试开发名叫“Watson”的AI医生，没有成功，大语言模型可以把这件事做成吗？

王小川： Watson是要取代医生的，它失败了，因为它并不能通过一些考试，或者比医生干得更好。这次真的有机会了。ChatGPT参加考试的确能够考到专家的水平，甚至它能跟人沟通互动，不管在医院里撰写病例，还是帮医生检索数据，或者居家陪伴给病人提供安慰、做抑郁相关问题的问诊，这些事终于开始能够做到了。

上个时代里的AI产品即使能够看医学影像，也不能取代一个学了8年的医生，它们取代的只是中间看片子的技师角色，并没有丰富的医学知识。

新皮层：未来医院可能雇佣ChatGPT这样的员工？

王小川：对， 与其讲医院场景的雇佣，我更看好每个家庭，甚至每个人都开始拥有自己的一个私人的家庭医生。

新皮层：如何解决它一本正经胡说八道的问题，这个问题在医疗领域后果很严重？

王小川：我认为今天的生成式模型只是刚刚开始，这个问题需要生成模型与信息检索的合作，再加上大量的强化学习，是否能够从强化学习里面把这个能力调教好？未来很多工作要去做。

没必要用AGI元年的技术去判断未来发展。我是非常乐观的，再往下机器辅助医生，甚至取代医生是必然会发生的。

新皮层：很多公司已经在竞争办公领域，让办公工具更智能，你认为有前景吗？

王小川： 短期里面会有变化，让机器写文案或者辅助写文案会十倍、百倍提高人的效率。但我看重的变化是在终局里面，为什么还要写文案？人并没有写文案的需求，写文案也不是创造力的一个核心。

新皮层：可能是他客户的需求，他老板的需求？

王小川：对，所以往后发展，会有大量的这种写文案的工作岗位会消亡， 会出现叫“端到端”的行业结构，写文案这种中间过程的企业会消亡。

新皮层：GPT现在看起来只是一个语言模型，它的能力边界在哪里？比如未来它可以驾驶汽车吗？

王小川：GPT非常大的价值是试图让机器掌握智能、掌握认知。我们找到了一条通往AGI的道路，就是“大语言模型（Large Language Model, LLM）”。在此之前，做无人驾驶或做机器人都只是在做图像处理，机器并没有理解这些物体。

今天的大语言模型已经被学界称为“foundation model”——基础模型。我们开始有种共识，未来不仅是做机器人，还是做无人驾驶，都会基于这个基础大模型往上生长。这是我们第一次通过大模型找到了一条认知世界的通路，这条通路可以成为解决其他更远期AI问题的基石。

新皮层：你看到的终局：AI医生、AI教授、AI律师、甚至AI司机，大概是多久之后会发生的事？

王小川：我觉得这个时间不会很久，大概就3-5年吧。

新皮层：到时，商业模式会发生变化吗？

王小川： 我们认为免费、羊毛出在猪身上的模式会慢慢被历史淘汰掉。随着机器越来越强大，它跟用户的关系就变成一种伙伴，你很难说一个伙伴说陪伴你的时候是免费的，我再从其他地方去赚钱。

用户会更希望他的伙伴足够忠诚、足够专业，能提供足够有价值的服务，因此 商业模式方面未来很有可能是个人直接向产品付费，而不是原来免费的广告模式。

新皮层：如果大模型未来变成很多公司都能掌握的技术呢？

王小川：比如做搜索，好像这东西谁都会做，但最后有几家公司真的做成了搜索引擎？

新皮层：我们听到两种观点，一种认为未来的产业生态会是小部分公司开发大模型，大部分公司做下游的接口应用；另一种观点认为，大语言模型会逐渐变成每家公司都能掌握的技术，类似上一个时代的推荐算法、图像识别，很快竞争重心就会转到对商业场景、产品形态的把握，而不是模型训练本身。

王小川：我认为 开发大模型的公司未来不会特别多，而是掌握在少数几个公司手上。因为大模型是一个技术高度发达的东西，会有一定的技术扩散，做一些更加简易的小模型，在垂直场景里应用，但这种可能性可能只占一半。

更有可能是一个大模型覆盖很多小模型做的事情。所以我更相信未来的生态是由少数几家大模型公司，再加上一些小模型的公司构成的，而不是每家公司都掌握一个这样的技术。这个技术不像图像识别那样简单。

也蛮难有公司能够既掌握大模型又掌握场景。OpenAI做到了，比如它的ChatGPT，就是蛮有想象空间的一个应用。我周边很多人已经开始减少对搜索的使用。

当下的竞争：谁先做出底层的大模型

新皮层：既要做模型，又要寻找应用场景，先行者已有很多，你怎么排列工作的优先级？

王小川：终局是一回事，当下的主要矛盾是谁能做出底层的大模型，现在没有哪一家能够说自己离 OpenAI很近了。虽然国内大厂也在发，但是离OpenAI的基础大模型还有非常远的距离。没有哪家厂商说能达到3.5的水平，更别说4，也没哪家厂商能拿出一个与ChatGPT同等的产品。

所以今天讨论说市场上会做出怎样一些产品，我认为更根本的问题还是今天谁能够做到一个接近ChatGPT背后的基础模型，以及背后拥有能够追赶OpenAI的一个团队。 国内大厂，百度也好，阿里也好，都在发布自己的大模型，但在团队能力上是否能够离OpenAI越走越近，我们是质疑的。

新皮层：外界普遍用算法、算力、语料这些角度来衡量AI项目能不能做成，你觉得这些衡量维度是对的吗？

王小川：还是蛮机械的，最终是人去解决各种各样的问题。讨论算力、显卡只是最简单的盲人摸象般的拆解。

新皮层：如果不是这些维度，你觉得你现阶段最有挑战的事情是什么？

王小川：首先是团队本身是否是有机的，是否有使命、愿景，是否能把团队的能力打造起来，这是最核心的事。今天大家把这件事又变成了是否能把OpenAI里面最明星的人、做架构的人、做算法的人给拉回来做拼盘，这种拼盘方式不是一个有机生命的做法。公司像生命一样是演化出来的，不是拼起来的。更别说那些人愿不愿意回国。

新皮层：人的问题是通过努力招募可以解决的吗？还是市场上能够干这件事的人的总数就不够？

王小川：如果你现在去一口气要做GPT-5，那有这方面整个认知的人才是不够的。

新皮层：特别原创性的、能做算法创新的不够？

王小川：原创性人才不够。你要一步达到今天GPT-5的水平，这种人才特别缺乏，到美国去拉人是一种选择。但另一种人才——对模型有足够认知的顶尖人才零星有一些，能够从国外回来，会使我们比美国那边的大模型能力只差半步。 现在我们可能还差一步、差两步。差半步是我们的目标，既不能说我们现在能够立刻追上去，但也不至于说人家已经完成了之后我们才刚开始在干。在这个目标下，我们现在人才努力一下是有机会做到的。

新皮层：舆论认为，中国公司现在能够推出大模型，是因为国外开源了，比如Facebook的LLaMA，还有GPT-3之前的模型。那之后怎么办？

王小川： 他们没有开源。开源有两个东西，一个是开它的参数，一个是开它的方法。Meta开的LLaMA模型只是把它的参数公开了出来，并没有公开它的方法。国内所有公司做的大模型，都是自己做的。

新皮层：所以它一定程度上还是黑盒，其他公司能不能做出来还是有风险的？

王小川：对。所以你需要在这里面有自己的探索，他们已经公开的东西，我们可先学习，其他地方我们要去做各种探索。

新皮层：语料这个东西会是一个障碍吗？尤其当你需要做一个落地到特定场景的模型的时候？

王小川：我们首先还是做通用模型，然后逐步演化成垂直模型。所以前期并不需要有特定领域的独有数据。语料在公开领域其实已经足够多了，读万卷书其实有很多语料可以用，难点是语料的治理，就是你选择什么样的数据，不选择什么数据，这种数据的清洗过程更加困难。

新皮层：上一个AI时代，大家普遍认为中国AI的竞争优势之一就是我们有数据，点外卖、打车、网络购物，大模型需要的还是不是这种数据？

王小川：这是两种不同的数据，一种是产品上线之后的用户行为数据，一种是几千年传承下来的知识数据。今天做大模型的话，第一步先要把以前的知识给用起来，中国在这方面并没有特别优势。等产品上线了，用户的反馈数据可以用起来，这时候你才有优势，我们人更多、场景更加丰富。但今天的主要矛盾还不在第二步，现在需要的数据还是对基础人类文明产生作用的那些数据。

新皮层：你计划在年中推出第一代模型，年底推出对标GPT-3.5的模型，这个节奏会不会太快？OpenAI走这段路花了四五年。

王小川：原创确实会更难，但是当你去追赶的时候，速度会快很多，尤其是它已经有产品可以做参考去对标的时候。追赶者会更加容易。

新皮层：所以并不是一个激进的迫于竞争压力做出的计划？

王小川：不叫迫于压力，但也不能说没有这种紧迫感。该不该做到和可行性上能不能做到是两个问题。

新皮层：按这个既定节奏，明年市场就会进入新的竞争阶段？会是对场景的竞争吗？

王小川：我觉得是。如果3.5做到的话，主要矛盾就会转移到对场景本身的理解了。一方面中国市场特别要求对场景的理解落地，甚至后面采用什么商业模式。你做到这一步才会更有机会去追GPT-4或者追GPT-5。OpenAI可以说场景我不关心，我就足够努力去追求AGI就可以。

新皮层：从1到3.5，再到4，对于入场做大模型的公司而言，你认为每一轮迭代大概会有多少的淘汰率？

王小川：我觉得不能用1到3.5到4这样的方式来形容入场做大模型的公司的进度，更应该用做成与做不成来形容，而我觉得 最后做成的包含大厂与创业公司在内，应该就5家左右。

技术趋势：

AGI只有GPT还不够，还需要更多强化学习

新皮层：AI技术一直在迭代，GPT所基于的底层技术一定是AGI未来的发展方向吗？

王小川：一定有非常多变化。今天GPT所基于的技术仍然有缺陷，不管它的通用性还是注意 机制都不完善，它会忘事，做很多事所需要的经验它也不具有。所以今天GPT解决的问题是把人类已经有的知识学习了，我们叫“读万卷书”。但是之前DeepMind，包括OpenAI都还开发了另外一条技术路径，比如AlphaGo通过下围棋变成了围棋高手，AlphaGo成长到AlphaZero的时候，把以前人类教它的技术都扔掉了，两个机器自己从零开始通过对弈学习下围棋。这是大模型之外完全独立的另外一条路径，我们把他叫做“行万里路”。

新皮层：一个是深度学习的路径，一个是强化学习的路径？

王小川：挺准确的一个描述。 深度学习这条路径可以让AI学习已经有的东西，强化学习可以让AI从实践结果里能学到新的东西。

新皮层：两条路径是可以嫁接起来的吗？

王小川：从GPT-3到3. 5，其实已经开始用强化学习了，它给GPT带来了本质的提升，所以在 GPT-4里面可能用得更多。

新皮层：在大模型变得更智能的过程中，强化学习的比重会变得更大？

王小川：对，我的预言是， 在未来强化学习的比重会大很多，今年可能是5%、10%或者20%，未来可能10倍、100倍的能力是靠强化学习得到的。

新皮层：如果未来是这个方向，你的团队中对训练机器做强化学习的人才的需求会变更大，而不是开发算法本身的人才？

王小川：今天已经开始变成人训练机器了，怎么去写着instruct，对吧。其实之前OpenAI做ChatGPT的时候，80个人工作了大概3个月，其中40个人是在做调教。未来可能不仅是模型公司的人教它，甚至可能把产品放到应用市场，让更多专业人士甚至用户反馈来调教，就像一个人进入社会，从实习生往上成长一样，这个时代会到来。

新皮层：OpenAI雇佣了大量博士去把一对对QA写下来，让机器学习，这个工作量非常大。中国公司是否低估了这部分工作？

王小川：中国公司并没有低 估这部分工作。恰好相反，我了解好多公司在生成这些QA的时候，其实是在利用ChatGPT生成的回答，把这些语料收集下来，作为老师，教自己的AI。所以中国公司好像没有雇佣那么多人，但是这是跟进者的一个快速学习方法。

新皮层：类似于当时斯坦福大学的一位教授用Facebook大模型产生的数据去训练一个小AI吗？

王小川：和AI训练AI是两件事。他是拿一个基础模型去生成一个小模型。不过你确实可以理解为，我们是尝试用GPT的AI来训练我们的AI，这样能加速我们的AI发展。

新皮层：2017年你接受采访回应《奇点临近》那边书提到的“奇点”（指人工智能的智能水平超过人类）概念时说，你认为机器不会比人更聪明，现在你是不是已经改变了这个观点？对于奇点有何新判断？

王小川：当时我低估了技术本身的突破。所以用ChatGPT那一刻，我认为我的想法是改变了的。对于奇点的到来，现在我觉得可能是在2033 年。

新皮层：为什么这么具体？

王小川：人工智能迭代的历史上，第一波专家系统做了40年，学习系统做了20年，深度学习做了10年，时间成倍递减，所以接下来有可能只需要5年，2.5年，1.25年，0.625年……人工智能就开始进入新阶段，这样倒推的话，奇点到来的时间表就是2033年。这是一种美妙的假设，实际上到时候早了或者晚了也不是一个惊奇的事。但是基于技术增长加速，我们有这样的预设。

新皮层：回到最初的问题，GPT对你之前好奇的关于生命相关的问题有些回答了吗？

王小川：搜狗时期我就想知道，通过预测模型是否能够建立强人工智能。当时我想，如果能预测下一帧 视频，是不是强人工智能就到来了？我当时有这样一个设想，这个时代其实提前到来了，基于对语言AI的巨大突破。这对我是种鼓舞。

另外，今天大模型建立的人工智能的方式仍然是对数据的暴力美学，这对于未来我们怎么理解数据、理解智能也会有挺大启发。

新皮层：你想要建立生命的数学模型，GPT让你觉得离这个问题有多近了？

王小川：就像无人驾驶一样，这件事情更可行了。

新皮层：复杂理论中对智能的解释是它是一种涌现，你觉得它回答问题了吗？

王小川：还没有回答，就好像说基因决定人，但基因怎么决定人？其实是不清楚的。

微信编辑| 冯一龙