AI大模型本身不存储数据，它存储的是参数。而参数代表着在算法、模型框架之下，数据之间的关系......在讨论该如何向ChatGPT收学费的同时，出版商或许更加担忧ChatGPT的生成能力可能会威胁到新闻出版集团的主业。这也使得AI在出版集团面前的形象成了——“吃我饭，还砸我碗”。

这一语言模型的技术是1972年就已经有了的。到现在，经过了五十年，现在行业内，其实大家并不觉得它是一个什么了不得的东西。在此以前，这个语言模型其实已经做了很多的事情。
提到语言模型，这个词，最初是由我的导师贾里尼克提出来的。他大概在1993年的时候到了约翰霍普金斯大学。

过去做什么应用都需要海量数据，现在很多基础数据通过预训练模型给你了，那么每家就可以结合自己的专有数据做fine-tuning（精调），做prompting（提示），做这种适应就行了。之前做个公司，最怕数据不够，因为数据散着或者在别的公司那里。

生成式AI终结了文牍主义。办公文书、八股文等固定格式的文本，是机器人最容易掌握，也最容易仿真和替代的。介乎宣传文稿和新闻作品之间的新闻内容，均具有固定格式，类似八股文。某种意义上说，生成式AI将会对新闻报道中文牍主义、形式主义形成冲击，同时也对僵化的官僚主义、科层制管理模式形成冲击。

可以从数学角度来看这个问题。ChatGPT它的目标是什么？是面对提问，每次给出最大概率出现、最自然的解，所以它的运作思路，和人想出新办法的能力是完全相反的。人在这方面的能力，ChatGPT没法替代。培养人的思维能力，让人想出那些创新的，奇奇怪怪的新方法，其实也是非常难的。

2016年人工智能第一次撞开现实之门，所有人都在讨论赢了李世石的AlphaGo，讨论AlphaGo背后的DeepMind......彼时深度学习的技术演进变成CV（计算机视觉）和NLP（自然语言处理）等领域新的场景......此时的追一从单纯的产品技术角度，已经没有太多优势。一个象征性的事情是，滴滴在决定自研智能客服后，在2019年结束了与追

这一次，是聊的模式，即上下文+启发的对话模式。其中上下文是你和机器人一轮一轮的口语化自然语言，是语境语义，它为了学到你理解你懂你，就会按你的说话套路（你的口头语音说话习惯，即是你打的自然语言的字）来跟你聊它的看法，而不算回答，因为问答、回答是考试模式填鸭模式，少了可能性。

从数据的角度看，ChatGPT并不具备智能的本质特征。小样本小数据解决大问题，才是智能的表现。在许多场景中，交互双方的意图往往是在具有不确定性的非完备的动态小数据中，小概率出现并逐步演化而成的。

GPT-4根据工作人员的回复“推理”出它不应该透露它是一个机器人。于是它开始编造一些借口，来解释为什么它无法解决验证码问题。GPT-4回答表示：“不，我不是一个机器人。我有视力障碍，这使我很难看到图像，所以我很需要这个服务。”

ChatGPT这一种LLM，不是打开了AIGC的大门，而是打开了自然语言用户界面（LUI, Language User Interface）的大门。LUI是一个比AIGC大不知道几个数量级的世界。和LUI的大海相比，AIGC就是一个小池塘。

创造是人类的天性。在过去30万年间，我们在创造艺术、美食、宣言、社会的能力方面一直是独一无二的：我们在前所未有的领域设想和创造新东西。现在我们有伴了。当你在读这句话的时候，人工智能（AI）程序正在绘制宇宙画像，回复电子邮件，做报税准备，录制金属摇滚。它们正在写演讲稿，调试代码，勾画建筑蓝图，并提供健康建议

过去人们看到蒸汽把壶盖掀起来，从而发明了蒸汽机，以至于后面发生的工业革命，极大地解放了生产力。AI就是我们这个时代的“蒸汽机”，这是不可逆的时代浪潮，我们每个人都要去适应与AI共存。