近日，“AI 大神”、第四范(fan)式公(gong)司创始人、CEO 戴文渊做客格隆汇(hui)高端访谈《格隆博士会客厅》。戴文渊表示，人工智能的(de)格局其实比想象中的(de)更复(fu)杂，它里(li)面主要有算法、算力、数据这几个对象。
算法就好像蒸汽机的(de)一个构造图纸一样，知道了这个图纸，就能造出一个蒸汽机。就比如Transformer这个算法，一般看(kan)懂了这个论文，就可以构造一个Transformer算法的(de)系统。
算力就是在(zai)双(shuang)方同样拥有Transformer算法的(de)情况下，显卡越强性(xing)能越强。它就像是计算机的(de)智商数据，类比来说，就是你学过多少东西，哪怕智商高的(de)人没学习也不行，可能智商低的(de)人多努力最(zui)后也能达到。
在(zai)大家彼此的(de)算法都差不多的(de)情况下，其实信息差很快会被拉平(ping)，因此真正会拉开差距的(de)其实还是算力和数据。所(suo)以如果最(zui)后要看(kan)AI的(de)综合结果，需要同时(shi)看(kan)算力和数据两个方面。
往后或许(xu)不能说AI完(wan)全是一个指数级的(de)上涨(zhang)趋势，因为数据指数级增(zeng)加也是会到头的(de)。
目前数据量(liang)供应没有到天花板(ban)的(de)时(shi)候，随着算力的(de)指数级增(zeng)加，这个模型的(de)参数就是指数级往上涨(zhang)。
一旦到数据见顶的(de)时(shi)候，算力再指数级增(zeng)加已经不能带来有效的(de)参数的(de)指数级增(zeng)加了，所(suo)以那个时(shi)候可能瓶颈就会在(zai)数据上。
因此OpenAI也花了很多钱去投数据，他们(men)投在(zai)数据上的(de)花销，或许(xu)没有比算力少多少。
数据还有一个瓶颈来自于(yu)产生数据的(de)对象。即便现在(zai)可以用模型产出新的(de)数据给(gei)模型，但如果这些数据不经过人的(de)挑选，它还是不会产生新的(de)信息量(liang)。就比如，自己说的(de)话再被自己听回去对自己本身不会有什么样的(de)改进(jin)。
最(zui)后有效的(de)数据能增(zeng)加多少，取决于(yu)能调(diao)动多少人、多少力量(liang)去贡献数据。
中国市(shi)场是拥有最(zui)大的(de)的(de)数据样本，整个中国市(shi)场能找(zhao)到很多的(de)数据收集场景(jing)，并且规模可能是最(zui)大的(de)，这就意味着能给(gei)到人工智能最(zui)多的(de)学习材料(liao)。在(zai)AI领域，戴文渊认为，科技从业者都是为了这个科技进(jin)步在(zai)努力，自己作为科研工作者，目标是做一个业界领先的(de)东西。这可能需要充分利用自己所(suo)处的(de)环境，看(kan)看(kan)怎么在(zai)这个环境做最(zui)领先的(de)事情。