近日，“AI 大(da)神”、第四范式公(gong)司创始(shi)人、CEO 戴文渊做(zuo)客格隆汇高端访谈《格隆博士(shi)会客厅》。戴文渊表(biao)示，人工智能的格局其实比想象中的更(geng)复杂，它里(li)面主要有算(suan)法、算(suan)力、数据这几个对(dui)象。
算(suan)法就(jiu)好(hao)像蒸汽(qi)机的一个构造图纸一样，知道了这个图纸，就(jiu)能造出一个蒸汽(qi)机。就(jiu)比如Transformer这个算(suan)法，一般看懂了这个论文，就(jiu)可以(yi)构造一个Transformer算(suan)法的系(xi)统。
算(suan)力就(jiu)是在双方同样拥有Transformer算(suan)法的情况下，显卡越强性能越强。它就(jiu)像是计算(suan)机的智商数据，类比来说，就(jiu)是你学过(guo)多少东西，哪怕(pa)智商高的人没学习也不行，可能智商低的人多努力最后也能达到。
在大(da)家彼此的算(suan)法都(dou)差不多的情况下，其实信息差很快会被拉平，因此真正会拉开(kai)差距的其实还是算(suan)力和(he)数据。所以(yi)如果最后要看AI的综合结果，需要同时看算(suan)力和(he)数据两个方面。
往(wang)后或许不能说AI完全是一个指数级的上(shang)涨趋势，因为数据指数级增(zeng)加(jia)也是会到头的。
目前数据量供应没有到天花板(ban)的时候，随着算(suan)力的指数级增(zeng)加(jia)，这个模型的参数就(jiu)是指数级往(wang)上(shang)涨。
一旦到数据见顶的时候，算(suan)力再指数级增(zeng)加(jia)已经不能带来有效的参数的指数级增(zeng)加(jia)了，所以(yi)那个时候可能瓶颈就(jiu)会在数据上(shang)。
因此OpenAI也花了很多钱去投数据，他们投在数据上(shang)的花销，或许没有比算(suan)力少多少。
数据还有一个瓶颈来自于产生数据的对(dui)象。即便(bian)现在可以(yi)用模型产出新的数据给模型，但如果这些(xie)数据不经过(guo)人的挑选(xuan)，它还是不会产生新的信息量。就(jiu)比如，自己说的话再被自己听(ting)回去对(dui)自己本(ben)身不会有什么(me)样的改进。
最后有效的数据能增(zeng)加(jia)多少，取决于能调动多少人、多少力量去贡献数据。
中国市场是拥有最大(da)的的数据样本(ben)，整个中国市场能找到很多的数据收集场景，并且规模可能是最大(da)的，这就(jiu)意味着能给到人工智能最多的学习材料(liao)。在AI领域，戴文渊认为，科(ke)技从业者都(dou)是为了这个科(ke)技进步在努力，自己作为科(ke)研(yan)工作者，目标是做(zuo)一个业界领先的东西。这可能需要充(chong)分(fen)利用自己所处的环(huan)境，看看怎么(me)在这个环(huan)境做(zuo)最领先的事情。