Web3-GPT DAO由@Ramble 发起，汇集了一批资深创业者和投资人，共同探讨AI及ChatGPT-4在实际应用和创业过程中所涉及的创新和挑战。
原文：加密湾
作者：Lynn.ai在硅谷
Web3-GPT DAO 成立啦！
这个由@Ramble 发起的DAO汇集了一批资深创业者和投资人，今晚汇聚一堂，共同探讨AI及ChatGPT-4在实际应用和创业过程中所涉及的创新和挑战。发言者有杨宁，Leo，蔡凯龙以及其他Web3或AI创业者等。
GPT-4的神奇用例和想象不到的使用场景，GPT-4的限制和潜能，围绕GPT-4和AI的创业潜力，后AI时代人类的终局….大家的创意层出不穷、火花四溅，引起了我无数对AI的体会和思考。
下面节选了当晚的精彩发言记录：
杨宁（空中网总裁，著名天使投资人）
1）GPT是一个全新的东西，目前GPT处于早期阶段，有很多机会，要提升认知。
回忆93,94年，杨志远在斯坦福实验室创建了yahoo，当时只有链接+描述，类似黄页的网站。现在的 GPT 相当于当时的互联网网景那个时候，还处于早期阶段，非常简陋，但充满了机会和活力。
创业者需要注意，每一次科技浪潮中，行业早期时候，急功近利变现的都失败了，反而是思考怎么做一个好玩的东西的人，都赚了很多钱，因此要改变创业思路。当然到了中后期时候，竞争激烈时候就不一样了
现在还是朦胧期，aigc类似互联网的门户时代，新浪新闻，大家对于内容是消费最多的。Aigc创作内容，刚才有个小兄弟说，写诗没人看，为什么，因为内容发生了重构
- 但在远古时期，大家就是画，没有多少内容，是没有内容吗？是太难看，自己看不下去，玩了几天就不玩了。
- 照相机让图像内容爆发性增加，因为什么：容易。
- 到了手机时代，照片过剩，
- AIGC后内容再次爆发，会导致内容消费变化，往下走，AI更好，大量时间消费自己创作的内容，看=消费时间。attention到自己创造的内容，比你看别人的内容好看，信息重构，attention 转移。
AIGC是全新的东西，不是原有任何东西的升级，另外维度的新东西，互联网是门户网站而已嘛？AIGC是AI吗？AI不是互联网的升级，现有的一切不会消失，会变成重构，商业之间供应链，商家-机器-客户，关系重构，拆解和重构。
所有一切都会拆解和重构的时候，相当于地震了，毁灭了一切建立的秩序，很多牛逼公司都会完蛋，会在新的事物荡然无存，优势完全消失。
真正能获得巨大成功的人，必须在认知上有很大差异，你能看出来4维，5维的东西，能理解AI的重构，速度会别人快，每天进步一点，只要目标清晰，每天走一步，回头看走了很远。
编程也不用学了，整个coding就不存在了，彻底重构了，机器直接写底层程序，机器动态写程序。chatgpt做机器人，过去机器人的系统需要人写代码。
2）用大白话描述，GPT的历史，以及他是怎么工作的？
第一代机器人：波士顿机器人，非常土，非常原始，码农写的，所有行为通过编程，不靠谱，靠编程就不靠谱
第二代机器人：telsa机器人，强化学习，根据别人的输入
第三代机器人：chatgpt机器人，真正意义上的一定不是靠强化学习来的，让你的孩子碰钉子，有些事情不能通过强化学习，学傻了
机器人不是强化学习来的，强化学习很土，比如教小孩，天天碰钉子，学会了，也傻了。但小孩是通过对于知识的理解。
Gpt是机器学习上巨大的突破。
2014来斯坦福，李飞飞接待的，参观人工智能lab，很多phd搞的东西，有一个团队提出了大语言模型，当时觉得不可能，有很多玄学在里面。当时openai还没成立
大语言模型是什么？是人怎么理解这个世界，
假如说人类看到可乐，闭上眼睛描述可乐，不能完美描述的，因为可乐本身没有存这个。之前计算机是存储像素点，非常精确的，但是大脑不是这么工作的，是一个大语言的模型，可乐是描述出来了，过去知识的信息压缩，一个罐子+cola品牌logo+颜色+角度空间感。经常出错，因为信息压缩会失真，
人类处理信息不是像素级别，而是语言级别的，通过语言模型描述。gpt非常类似大脑的原理，大脑不是中文也不是英文，是大脑自有的语言，难以描述，我们人沟通的语言是一种API，存储了分析逻辑等一切的知识。（r：所以人设重要）
Gpt是“常识”，人类从周围环境获得大量的语料形成的常识，人如果在野外长大就啥也不会了。Gpt怎么工作的？一个机器人母体，打开一个窗口，就spawn一个分身，聊天过程中分身学习了，就有了bounding，了解了常识之外的东西。（r：母体是2021年的）
3）如何和GPT更加愉快的相处？
AI的一个概念：概率模型，天下一切ai都离不开随机数，母体产生分身的时候，出生的时候就有随机数（八字）有些聪明，有些笨，如果很笨，那就重新弄一个。
我们的分身训练，是在对话，教学，人和机器的关系，千万不要用命令思维，和孩子一样，逼着就不做，劝着就做，启发就做。
情商高的人懂交流，未来懂人机交互的人厉害，“机商高”
Openai是神来之笔，宇宙之间有数学性在里面，openai的模型是呼应的，其他ai竞品很难达到同样的效果
现在是事件驱动的，是很安全的，如果架构改成自己迭代，就比较可怕了。
如果邪恶势力想做怎么办？邪恶势力没那么多钱，未来会有共识，不去做这种机器训练机器的事情，但如果突破了这种模型就会很可怕。
Leo (PA天使基金创始人、裂变资本等基金合伙人)
怎么样去解放AIGC的无限潜能？生成一个是我但又不是我的视频，需要多少步？
- 首先用Eleven labs (声音合成软件)上传自己的声音
- FaceTune Labs 上传自己的照片合成头像
- DID生成视频，这样你的头像就能用你的语音说话录一段视频。还嫌麻烦？直接让GPT-4写python调用两家的API，就可以一键生成你专属的视频。未来人人都会有自己的虚拟人。
此外，我作为一个学python一年的选手，用gpt的体会是，有了它就什么都敢写敢做。也体会过Github Copilot，感受是有了它程序员以一当十。只要和他进行多轮对话，GPT就会慢慢被train，以后发生有什么bug或者错误反馈也不用和它太过解释，它自己就知道怎么修改。
Prompt的技巧在于，先给GPT一个人设，比如你是个最牛逼的程序员，或者拼写大师。然后为了激发gpt的想象力，可以给他3-5句话的例子或者解释(context)，这样和它协作起来会变得更快。
写程序的门槛会变得无限低，但你不能完全不会程序。只要学会皮毛，知道python的宏观结构怎么搭，再加上自己有明确的目的，一边看youtube教程一遍和chatgpt协作，程序员就可以以一当十。
蔡凯龙（Web3资深从业者，投资人）
呼吁大家不要对AI的出现过于悲观，偶尔也要乐观，建议大家读：投资最重要的20件事，学习的第二层思维，懂insight logic，从二层思维出发，一层思维就是AI很牛，从二层思维来看，对chatgpt取代人的部分一点都不担心。AI写作有三件事做不了：
- 联想，跨越性思维不行：飞流直下三千尺想不到
- 价值观解决不了：写疫情不行，
- 感情取代不了
AI的情感，思维联想，画不出梵高的画，不用担心这个阶段被替代，因此做情感，联想，思维，感情的事都不用担心。
Kartin (Hyperoracle创始人）
我本科创立过人工智能，2年前做过AI的研究和AI filming。AI生成图片，再分帧，变成短片。
剧本，影片，都是AI写的，人只需要做一个审稿的工作。但两年前的AI技术还很差，每10帧就需要人为改动一下，所以最终其实不能带来生产力的提高。因为AI的想象能力天马行空，但推理能力很差。
现在最多AI能生成6分钟的视频，再往上就开始乱来了。AI并不能想象帧之间的关系，所以能真正在视频生成上解放人的生产力还需要一段时间。
Sean （Web3+AI创业者，大厂AI工程师）
1） 微软的工程能力令人惊叹，未来可能有其他动作
去年11月底公布GPT3.5，微软就迅速宣布集成GPT在Bing里。今年3月GPT4出来，微软就立刻放出GPT集成在Office的宣传视频，形成联动。这一波操作显示微软强大的工程落地能力。当我们都在谈论GPT模型多么厉害的时候，不应该忽略这份工程能力，它打通了从研究到产品的整套线，并且在自己的生态里形成循环，一定是长期的愿景驱动，未来可能还有会其他的动作。
2）GPT红利不同于互联网1.0时代，大厂准备充分，竞争激烈
杨宁老师提到94年在斯坦福做网页的时候，那个互联网非常原始和初级，但给人的兴奋感和今天GPT是相同的。那个时候的大厂比如IBM，Intel反应就非常慢，没有抓住互联网时代的红利。新兴的公司迅速崛起，比如Yahoo抓住了门户网站，谷歌抓住了搜索引擎，后来的Amazon做成了电商，Facebook做成了社交。都跟当时的大厂没有什么关系。但这次的GPT红利大厂跟进的速度非常快，甚至是垄断，微软直接把GPT集成到bing和Office365中，Facebook推出开源语言模型，谷歌也推出了Bard挑战GPT。可以说，这一波谁都没有落后，都怕被超车。
3）GPT会改变现有的商业结构，最好做基于GPT的二次创业
紧跟上一点，这波红利大厂跟进很快，小团队使用GPT直接创业，容易被大厂卡住脖子和替代。这一点我非常赞同杨宁老师所说的，GPT会重构现有的商业模式，拉进供应链的距离。现在最好的做法就是提升认知，基于GPT做二次创业，把内容平台化。在早期的互联网时代，有很多急功急利的人都失败了。而那些做得好玩、有趣的人却成功了。在中后期，随着竞争的激烈和商业模式的成熟，华人社区蓬勃发展。但现在的AI驱动商业模式还处于早期和朦胧期。虽然大家的兴奋感都是一样的，变现模式还没有完全成熟。
4）大语言模型在垂直领域的落地是一个方向，细分赛道有机会
GPT作为一个通用模型，体现了在各个领域超强的逻辑推理和总结能力。直接去挑战各个大厂的大语言模型不太现实，即缺乏算力，也缺乏数据。但基于大模型做垂直领域，把一个分赛道做好是非常有机会的。比如医疗GPT，或者Web3安全审计GPT等等。
Joe（Web3创业者）
师从曼宁教授，之前很悲观，半年前就觉得非常乐观，AI数据和架构有一些问题，其他公司很难赶上。Nvida可能很值得关注。
