近期听了陆奇博士和张宏江博士关于大模型和 ChatGPT 的分享，收获很大。整理了一些感想，和 Web3 从业者共勉：

1. 和家里宠物呆的时间足够长，你会意识到猫只是比你简单几个维度的一个大模型或者说模型组合。

2. 模型的演化会很像基因和生命的演化，本质是一样的。Transformer 模型架构的出现就像分子第一次「无意」搭成了可复制的 RNA；GPT-1，2，3，3.5，4，以及后面的模型发展演化只要没有慧星撞地球般的事件，可能就像生命爆发一样，越来越快，越来越「失控」。模型自身有不断复杂化的「内驱力」，这是宇宙规律。

3. 三十多年前，斯蒂芬平克发现了语言是人类的本能，就像我们现在意识到，原来文字语言能力才是模型训练里我们苦苦追求的泛化能力的来源。 为什么以前搞人工智能和语言研究走不通，因为路走反了！语言是人大脑神经元系统足够复杂了，涌现出来的本能，至于是演化成汉语，还是英语，鸟语和环境及部落有关。泛化模型加上其他「模型」叠加产生了人这个牛逼的智能体。你要去主动设计和构建智能体或者 AGI，路彻底走反了。我觉得可能也不是不行，而是要难 1 亿倍。

4. 如果我们这个宇宙「上面」有高维智能体或者「神」存在，当它看到地球上的寒武纪大爆发时的惊讶应该像今天我们看到 ChatGPT 一样。暂时无法完全解释，只能慢慢体会和学习，试着去了解。

5. AGI 可拆解为 Reason，Plan，Solve problems，Think abstractly, Comprehend complex ideas, 和 Learning。GPT4 目前除了 Plan 不行，Learning 算一半以外（因为基于预训练模型，不能实时学习），其他都已具备。

6. 人脑的平均学习能力进化速度缓慢，但硅基智能的发展一旦方向找对，速度可以是指数级（看下 GPT4 和 GPT3.5 的差距）。

7. 大模型=大数据 + 大算力 + 强算法。全球只有美国和中国可以做。做大模型的难点在于芯片，CUDA（GPU 的编程平台）开发者积累，工程构建，和高质量的数据（用于训练，调参和对齐）。对齐有两方面，一是对齐人类大脑的模型和表现方式，二是人类的道德标准和利益。国内至少有两个方向的垂直模型赛道很有机会：医疗和教育。

8. GPT4 虽然还有弱点和缺点，但就像人脑一样，一旦给予更明确的指示或提示，可以更强；还可以调用其他辅助工具后更加完美。就像人脑也需要借助计算器等工具完成人脑本身不擅长的任务。