開篇語
“狼來了，狼來了……”AI 這次真的來了，如洪水猛獸，短短兩個月時間，OpenAI 旗下的ChatGPT 月度活躍用戶數突破了一億大關，成為歷史上增長最快的應用之一。而最新的GPT-4 於3 月14 日發布，隨後在3 月29 日，狗狗幣的統帥馬斯克與1000 多名專家和產業高層聯名呼籲，暫停開發比GPT-4 更強大的人工智能係統至少6 個月，給個緩衝期，以認識並遠離極端的大規模風險。
帶貨大師馬斯克都按下了暫停鍵（然後反手就把推特頭像換成狗狗搶熱度？哈哈），給手機前的你和我準備了6 個月的實習時間，好好備戰。暫停鍵也意味著，這將是一個不可逆轉和不可抗拒的趨勢，所以，我們現在還有5 個多月時間好好思考下，該如何面對或迎接AI 給我們的工作和生活帶來的變革。
AI 之所以如此強大，是因為它讓計算機像人類一樣思考、學習和用邏輯關係解決問題。就好比你和不熟悉的網友聊天一樣自然，而且對方擁有無窮多的知識儲備和話題可以讓你撩，還能兼具德云社捧哏和逗哏的功能。
如果讓這樣一個全知全能的智能幫助人類工作，超過50% 以上的工作可能很快就會被AI 替代， 90% 以上的工作都將逐漸受到影響並大大提高效率，同時也將解放人類更多時間。
比如，如果有一天，AI 語音機器人通過與小朋友聊天，就知道小朋友的知識面低於平均水平，同時可以像一個和藹可親的老師一樣長期陪伴，通過聊天和講故事的形式，逐漸將許多空缺的知識傳達給小朋友，會是天下虎爸虎媽們最幸福的短暫時刻。
AI 帶來了一場全新的革命，誰都逃不過。感謝統帥按下了暫停鍵，哪怕是假裝暫停，而自己“明修棧道，暗度陳倉”地偷偷在研發。瓜田實驗室W Labs 在ChatGPT 3.5 剛興起的時候就成立了專門的“AI 鏈遊研究小組”，這段時間拜訪了我們能通達到的已經涉足AI 的鏈遊項目和團隊，並結合我們學習到的AI 知識，開始撰寫我們所理解的AI + 遊戲+ 鏈遊的故事。我們這就開始吧！（本系列長文可能會很長很長，瓜友們就當做連載故事來看吧，不過實屬原創，非ChatGPT 生成，哈哈哈）
一，AI 不是一個新命題
上一次大眾級別的AI 熱潮還要追溯到2016 年AlphaGo 戰勝了前圍棋世界冠軍李世石，之後又是相對沉寂的幾年，直到2022 年ChatGPT 橫空出世再次引爆。這並不奇怪，實際上，AI 已經是一個發展了六七十年的領域，並已經經歷過數次寒冬了。
AI 發展史的故事可以從人工智能這個詞的誕生開始講起。在此之前，早期的計算機科學家和研究人員已經在思考和嘗試模擬人類智能。1956 年的盛夏，約翰・麥卡錫等人在美國漢諾斯小鎮寧靜的達特茅斯學院召開了一次為期兩個月的研究計劃，旨在召集志同道合的人共同討論“人工智能”。
這次會議被稱為“達特茅斯會議”，會議期間，與會者們討論了機器模擬智能的一系列問題，包括如何使機器像人一樣思考和學習。雖然會議沒有取得預期的成果（過於樂觀的科學家們大大高估了自己的能力並低估了人工智能的複雜度，人類和AI 到底誰才是上帝視角現在還說不定），但它標誌著人工智能領域的誕生和發展，也被認為是AI 領域的開端，確定了人工智能作為一門獨立學科的研究方向。
1956 達特茅斯會議參會的關鍵人物
早期的AI 研究主要集中在符號主義方法上，例如使用基於規則和邏輯的方法來模擬人類智能。在這個階段，馬文・明斯基打造了“馬克一號”感知機，也是最早的神經網絡。後面艾倫・圖靈則提出了著名的圖靈測試。
如果還不知道圖靈的加密圈玩家，總該知道2023 年上半年的十倍幣陳鳳霞（CFX）吧？香港概念板塊的領軍代幣，能漲的這麼兇除了背後做市商是凶狠的大濰坊（DWF）之外，CFX 幾年前初闖江湖靠的是“清華姚班”的牌子，姚班就是華人計算機專家姚期智在清華帶的班級，而姚期智最大的成就是獲得了2000 年圖靈獎，也是目前唯一一位獲該獎的華人，所以大家知道圖靈在行業內的地位了吧……繞了這麼大一圈，終於扯回來了。
圖靈測試的前身是圖靈1950 年的論文《計算機器與智能》（Computing Machinery and Intelligence）裡提出的“模仿遊戲”思想實驗，後來演變為我們現在如今更熟悉的圖靈測試。這個概念甚至早於人工智能這個詞本身（如前文所述，人工智能的概念是直到1956 年的達特茅斯會議才誕生），是最早的判斷“機器能否思考”的一套標準：如果一定比例的人類已經無法分辨與之交談的是人還是機器，那麼一般就認為這個機器是通過了圖靈測試。這個偉大的想法和它產生的巨大影響也奠定了圖靈“人工智能之父”的歷史地位，如今計算機領域的最高榮譽便是以他名字命名的“圖靈獎”。想要深入了解圖靈這位驚世駭俗的天才的，可以去看帥哥卷福扮演圖靈的電影《模擬遊戲》。
艾倫 · 圖靈
達特茅斯會議之後這段時期的AI 發展是比較緩慢的，一直沒有什麼重大的突破， 70 年代算是第一次人工智能的寒冬。1986 年，杰弗裡・辛頓（記住這個名字，非常重要）等人提出了反向傳播算法，這一算法使神經網絡能夠通過梯度下降優化權重（大家看不懂正常，我看了幾篇文章也沒搞清楚這麼嘛東西，不過大家只要記住反向傳播算法直到現在還是訓練神經網絡的最常用方法之一就好了），從而實現更有效的學習。而後便是從90 年代持續到21 世紀這十幾年的第二次人工智能寒冬。
杰弗裡·辛頓
我們現在已經基本認知了科技的進步不是線性增長的，而是需要經過一大段時間的平台期，然後短時間會突然爆發。在經過了兩次寒冬後，到了2007 年，辛頓創造了一種描述神經網絡的方式——深度學習出現了。作為AI 的一個子領域，深度學習在2000 年代開始迅速崛起，並帶動了人工智能突飛猛進的十年，一批批才華橫溢的計算機科學家和大小公司紛紛入場：
2010 年，DeepMind 成立；2011 年，吳恩達等人創立“谷歌大腦”；2013 年，扎克伯格和發明了卷積神經網絡（CNN）的楊立昆成立了Facebook 人工智能實驗室，該實驗室也在計算機視覺、自然語言處理等領域取得了一系列重要突破；2014 年，谷歌收購DeepMind；2015 年，AlphaGo 擊敗了歐洲冠軍樊麾，初顯身手；2015 年，今天全球最矚目的明星公司OpenAI 成立了；2016 年，AlphaGo 擊敗了世界冠軍李世石；2017 年，AlphaGo 擊敗了柯潔，從此再無敵手；同年陸奇加入百度，百度作為中國的AI 領導者，在自然語言處理、自動駕駛等領域具有重要地位。英偉達推出漸進式生成網絡，可以生成照片級的人臉，“深度造假”開始出現在互聯網上。英偉達這個公司後續會不斷出現在我們這個系列的長文中，真的是華人之光，一個公司通過顯卡芯片技術橫跨了遊戲，AI 和加密三大行業。
這裡要幫百度多說幾句（分文未收，本人一向非常厭惡百度系產品的使用體驗），早在2012 年人工智能這一波復興剛開始不久，百度就意識到了深度學習的重要性。為了把神經網絡之父辛頓招進公司，幾家第一梯隊的公司加入了競價，發起對辛頓團隊的人才收購。辛頓為此特意註冊了一家初創小公司DNNresearch，公司的全部資產便是辛頓、他的兩個學生，以及幾篇深度學習的論文和研究成果。
參與本次競拍的四家公司是矽谷巨頭谷歌、微軟、剛成立兩年的DeepMind、以及……中國公司百度。百度率先給出了一千萬美元的報價，但很快價格就來到了兩千萬美元，資金不足的初創公司DeepMind 不得不退出競拍，而信仰不足的微軟隨後也退出了競拍，只剩下谷歌和百度持續在掰手腕儿，雙方都非常堅決要把辛頓拿下。於是價格從兩千萬，到三千萬，到四千萬，眼看勢必還要繼續去五千萬和更高的價碼，百度也從一開始負責競拍的研究員換成了公司高管，從北京直接連線接入拍板。
但最後辛頓主動停止了拍賣，選擇用較低的價格直接出售給谷歌——早已功成名就的大佬，把合適的研究環境看得比錢更重要一些。而當時替百度參與競拍的研究員余凱，驚奇的發現原來財富可以來的這麼快和舒服！李彥宏再帥也阻擋不了余凱的夢想了！於是他創辦了自己的芯片和自動駕駛公司，就是地平線。截止2022 年末，地平線的估值為50 億美元，累計融資34 億美元，這是一個屌絲抓住信息機遇實現自由的典型案例。
而辛頓的其中一個學生伊爾亞・蘇茨克維後來也應馬斯克的邀請離開了谷歌，聯合成立了OpenAI。
那是谷歌在人工智能領域最春風得意的一段時間。其實直到18 年，谷歌都是人工智能領域絕對的領頭羊，招來了辛頓、收購了DeepMind、發展自家的谷歌大腦Google Brain，將自己置於AI 領域的研究和應用前沿。
業界其他人員和公司大多也都追尋著谷歌的研究道路，谷歌發布的Transformer 架構也為OpenAI 提供了巨人的肩膀——今天廣為人知的GPT 的T 便指的是這個架構。
但此後OpenAI 慢慢來到了歷史舞台的中央。2019 年，OpenAI 發布了GPT-2 ，沒有把辛頓收入旗下的微軟這次沒有錯過機會，向OpenAI 投資10 億美元。GPT-2 以後的OpenAI 終於在不同於谷歌領導的道路上走通了屬於自己的大模型之路，而後便開啟了狂暴的開掛模式： 2020 年，GPT-3 ；2022 年，GPT-3.5 ，僅用十幾天做出來的ChatGPT 在年末席捲了全球，開啟新一輪AI 熱潮；2023 年，其他公司還在苦苦追趕ChatGPT 之際，又直接砸出了GPT-4 。
至此，再無敵手，打通了任督二脈的OpenAI 以強悍的先發優勢和極快的迭代速度和所有同行拉開了代際差。
未完待續。感覺這個系列要成為瓜田實驗室創立以來最長的系列長文了，各位看官當做八卦故事慢慢欣賞哈～
本系列由W Labs “AI 鏈遊研究小組”集體創作，感謝小組成員瓜哥、嘉然、包包、Brian、小飛、華哥的努力付出
圖片與文章來自:(https://www.jinse.com/news/blockchain/3432226.html)
