微軟CTO對話比爾·蓋茨 談論GPT-4與人工智能的未來

據Bloomberg報道，微軟聯合創始人比爾·蓋茨一直在與ChatGPT的母公司OpenAI密切合作。3月30日，他分享了他與微軟首席技術官凱文·斯科特（Kevin Scott）的對話，讨論了他的公司如何利用其新興的人工智能技術。

蓋茨談到了他使用GPT-4的經曆，因為他是OpenAI之外第一個看到這項技術的人。當被問及GPT技術的能力和局限性時，蓋茨表示，它不能像人類一樣了解上下文。他還說，“數學是一種非常抽象的推理類型”，這也是目前ChatGPT最大的弱點。OpenAI的技術可以“奇怪地”解決許多數學問題，尤其是抽象形式的數學問題，但在回答數字問題時，它仍然會“自信地”犯錯誤。

對于人們擔心人工智能可能會消除對人類勞動力的需求，蓋茨表示：“微軟談論的是讓人類更有生産力。是以，有些事情将被自動化，但許多事情都将得到促進，最終的參與将是非常人性化的，而且是一個能夠比以往任何時候做得更多的人。”

以下是節選後的部分對話内容：

凱文·斯科特：過去幾年中，技術領域出現了一些有趣的進展，尤其是微軟與OpenAI合作研發的GPT-4和 ChatGPT。其實GPT-4在OpenAI外部的第一個執行個體展示在去年8月就進行了，你當時看到GPT-4之後的感受是怎樣的？

比爾·蓋茨：人工智能一直是計算機科學的聖杯。在機器學習出現之前，人工智能的整體進展相當緩慢，即使是語音識别也隻是勉強能做到尚可的程度。之後，在機器學習領域，尤其是感覺、語音識别、圖檔識别等迎來了快速發展。但是這些模型在複雜邏輯上仍然存在不足，無法像人類一樣說話、閱讀和做事。

早期的文本生成模型缺乏上下文了解能力。它可以生成一個句子，例如它前面會說“Joe身處芝加哥“，幾句話之後又說”Joe身處西雅圖“。從局部來看，它生成的句子很好，但是從人的角度來看，這是前後沖突的。

當時，OpenAI和微軟的團隊對GPT-3甚至GPT-4的早期版本抱有極大的熱情。我對他們說，“如果它能夠通過AP Biology（大學進階生物學），對訓練集之外的問題都能給出充分合理的回答，那麼它将是一個重要的裡程碑，是以請你們繼續努力。”

我以為他們至少需要兩三年才能成功。令人驚訝的是，去年9月初，OpenAI和微軟團隊來我家做客并向我示範最新的模型時，他們讓我問一些AP Biology問題，讓人震驚的是，除了一個與數學相關的問題之外，它都能準确作答。我還問它，“對一位生病孩子的父親會說些什麼？”它給出了非常細膩體貼的答案，比當時房間裡所有人的回答都好。後來，我得到了一個賬戶，我讓它寫大學入學申請、寫詩歌、讓它根據某些劇情寫一集《Ted Lasso》（足球教練）劇本……真的難以想象它的極限在哪裡。

盡管還有一些問題有待完善，但可以說這将是一個根本性的變革，現在自然語言可以作為人機互動的主要接口，這是巨大的進步。

凱文·斯科特：對人工智能、GPT-4，可探讨的問題有很多，先說說它不擅長的地方，我們最不希望給人們一種它是一個 AGI（通用人工智能），它是完美的，它不需要做很多額外的工作來改進它的印象。你剛才提到的數學問題就是其中之一，那麼随着時間的推移，你認為人工智能系統還需要在哪些方面做提升？

比爾·蓋茨：當向機器提問時，關于上下文的背景知識是個普遍問題。例如，先讓機器講個笑話，又問它一個嚴肅的問題，人類可以從你的面部表情感受變化，知道現在已經不再是玩笑的語境，但是人工智能卻還在繼續那個笑話。這種語境感在互動中有着極大的作用。

另外，在解決問題的難度方面，當我們做同一道數學方程式時，可能需要五、六次簡化才能将其轉化為正确形式，并且不斷學習這些簡化。而機器推理是通過層級線性下降推理鍊實作的，如果簡化需要運作10次，機器可能就不會了。數學是非常抽象的推理，這是人工智能最大的弱點。

沖突的是，它又可以解決很多數學問題。如果你讓它以抽象形式解釋某些問題，本質上是給出一個與問題相比對的方程或程式，它會做得很完美，完全可以将它當作一個求解器。然而，如果做數值運算，那麼它就會經常出錯。無論是哪一個薄弱環節，都需要花時間才能解決，要嚴肅對待。我們需要更創新的模式，通過提示詞（prompts）或訓練對模型進行數學方面的訓練。

如何評價GPT-4呢？

那些說它很糟糕的人錯了，那些說它是AGI的人也不對。我們的觀點介于兩者之間，要做的是確定它可以用正确的方式被使用。

微軟首席技術官凱文·斯科特

凱文·斯科特：我們都知道，你親身經曆了好幾次重大的技術變革并有自己獨特的視角。在現今又一個重大變革時刻來臨之時，你對于那些正在考慮使用新技術的人有什麼建議？他們應該如何使用新技術？這與你在 PC 和網際網路時代的想法有什麼關聯？

比爾·蓋茨：最初的計算機并不能為個人所用，之後微處理器的出現和大批公司的努力才有了個人電腦，IBM、蘋果和微軟又都參與了軟體開發。然後，網際網路将這些連接配接起來，再後來又演進出了移動計算、手機。數字世界極大地改變了我們的生活。

能夠讀與寫的計算機的誕生，與上述節點中的任何一步一樣意義深遠。有一小部分人認為我們可能高估了技術，這也沒錯。但在這次的變革中，我們低估了自然語言和計算機處理自然語言的能力，以及它對白領工作的影響，包括銷售、服務、醫生，我也曾認為這會是很多年之後才會發生的事情。

人工智能的新階段才剛剛開始，我們正處于對它狂熱的階段，就像曾經對網際網路的狂熱一樣，當然現在回過頭來看，網際網路已經成為了重要的工具。這是一次巨大的突破，是整個數字計算機領域的裡程碑。

凱文·斯科特：我一直在思考一件事，從Ada Lovelace編寫出第一個計算機程式至今，讓數字機器（digital machine）為人們工作是有技術門檻的，你必須是一位熟練的程式員，要了解客戶的需求，然後建構軟體才能讓機器為你做事。

現在，有了自然語言接口，人工智能可以編寫代碼啟動一整套服務和系統，這讓普通人也能使用機器完成複雜的任務，而不必花多年時間學習專業知識。對此你怎麼看？

比爾·蓋茨：技術的每一次進步都降低了人們使用它的門檻。電子表格就是一個例子，盡管仍然需要了解公式，但卻不必深入了解邏輯或符号。有很多程式可以幫你将公司資料進行可視化，或進行複雜查詢，進而了解人員流失和銷售業績的情況。你不必去IT部門排隊等候，再讓他們告訴你。

無論是查詢、彙報，或者觸發工作流和某項活動，你隻需要用語言描述就會生成一個程式，有一整套的查詢和程式設計工具，供所有人使用。人工智能正在賦予人們最直接的互動能力，這也是當下我們正在努力的課題。

凱文·斯科特：從個人的角度來看，最令你興奮的事是什麼？你非常關心教育、公共衛生、氣候和可持續能源等領域，人工智能對這些領域會産生哪些影響？

比爾·蓋茨：我們一直在思考健康和教育問題。在醫生少、獲得醫囑建議困難的衛生系統中，AI賦能醫療的研究将很有意義。另外，所有人都希望有一個私人教師來提供幫助。比如，在一些特殊的學校中，學生在寫作方面會收到教師的逐行回報，但對大多數孩子來說，并不能得到一對一的指導。

我認為教育會是最有趣的應用領域，其次是健康領域。當然，這些技術在銷售和服務類場景中也有很大的商業機會。比如，在一個有着二、三十人的班級中，教師無法單獨關注某一個學生，無法同時了解每一個人的行為動向。而在多個學科領域利用人工智能技術對話、回報，可以有效提升教育水準。

我們必須承認，計算機在徹底改變教育方面還有很多事要做。接下來的5-10年裡，我們需要從新的角度考慮學習問題，以及如何在教育中提供幫助，而不僅僅是通過計算機查找材料。

凱文·斯科特：這是一個全球性的問題。我們也看到父母的參與對孩子的教育有很大的影響。有的父母工作繁忙，很難與孩子接觸，想象一下，有這樣一種技術，它不在乎你說什麼語言，可以在家長和老師之間架起一個橋梁，幫助家長了解阻礙孩子成長的問題，甚至對孩子進行個性化教育，真正解決眼前的問題，這非常令人興奮。

那麼，你認為在接下來的5-10年裡，我們還将面臨哪些挑戰？我們繼續努力的方向是什麼？

比爾·蓋茨：我認為，在算法的執行方面會有一系列創新，很多晶片從矽到光學的轉變将可以減少能源和成本。英偉達目前在這方面處于領先地位，将來也會出現更多的挑戰者，因為大家希望在運作、訓練上的成本越低越好。理想情況下，我們希望模型可以運作在端側，這樣就可以在獨立的用戶端裝置上進行操作，而不必去雲端擷取。

軟體方面也将面臨巨大挑戰。例如，使用者是需要特定版本，還是持續改進的版本？即使是微軟也會同時追求這兩種目标。理想情況下，我們希望針對不同的領域，通過訓練資料，甚至可能是一些适用于它的前置檢查、後置檢查的邏輯，來更準确地處理不同的需求。

除此之外還有許多社會問題，包括促進教育、醫療的發展等等。微軟一直緻力于提高生産力，未來，有些事情将會自動化，最終有的任務可能隻需要一個人來完成，但這個人将比以往能夠完成更多的事情。由此帶來的挑戰和機遇也會很多。我看到 OpenAI 的團隊正在探索其中，但我相信很多其他機構群組織也在推動相關工作。技術創新的速度将更勝以往，以此為目标的人力、資源和公司的數量遠遠超過了以前。

凱文·斯科特：我職業生涯的早期，大部分時間都是作為一名計算機科學家接受教育訓練的，編寫編譯器，編寫大量彙編語言和設計程式設計語言，或者在研究所學生院進行并行優化和高性能計算機體系結構的研究。離開研究所學生院之後，我想我再也不會使用這些東西了。然而今天我們在建造超級計算機來訓練模型時，這些技術又有了用武之地。如果現在你是一個20多歲的年輕程式員，你會對哪些技術感興趣？

比爾·蓋茨：這裡面有相當多的數學的元素。很幸運，我曾經做了很多與數學相關的事，這是通往程式設計的大門。有些程式設計人員沒有數學背景，我建議他們去掌握一些數學知識，因為很多計算都不隻是程式設計問題。

最初的 Macintosh 是一台128K的機器，其中22K是位圖螢幕，幾乎沒有人能夠編寫出适合的程式，隻有微軟和蘋果成功了。但現在你用數十億個參數來操作這些模型，那麼我們是否可以跳過一些參數，或簡化一些參數，或進行預計算？在資源受限的機器上，優化變得尤為重要。

盡管過去半年在計算加速方面的進展比預期要好，但未來幾年，又将面臨多大的資源瓶頸？我們如何確定企業以更明智的方式配置設定這些資源？無論如何，在計算機科學的幾乎每個領域，包括資料庫類型技術、程式設計技術等方面，都需要我們以一種全新的方式來思考。

凱文·斯科特：最後想問一下，你在工作之外會做些什麼事？我們都知道你很喜歡閱讀，經常提着一個巨大的手提袋随身攜帶着書籍，無論走到哪裡，都會大量閱讀，從科學到小說，無所不包。你的閱讀節奏是怎樣的？

比爾·蓋茨：我打匹克球已經有50多年了，我也喜歡打網球和讀書。我最近一年中閱讀了80多本書，包括 Thomas Sowell、Vaclav Smil、Steven Pinker的書，這些作家的思想重塑着我的思維。同時，閱讀也能讓我放松心情。我想我應該多讀一些小說，人們向我推薦了很多好的小說，這也是為什麼我會在《蓋茨筆記》上分享我的書單。整理編輯/陳佳靖