和ChatGPT大战几个回合，我试图驯服“最强AI”( 三 ) _ChatGPT

从这个角度，新一代AI产品或许将重新定义，什么是真正的创造性劳动。

文章插图
图|OpenAI 官网
宕机和商业化
在定义创造性劳动之前，起码在当下，高水平AI工具还面临着一些其他的小小问题。
随着涌入的用户越来越多，ChatGPT对算力的需求变得越来越高。12月12日进入网页后，系统上的提示是，“我们正在经历异常高的需求，在我们努力扩展我们的系统时，请稍等片刻。”
其实两天前的晚上，我就发现它已经有些疲软了。当时我邀请它，“来做个数字游戏吧”，ChatGPT本来欣然答应，还制定好了规则。结果才玩到第四个回合，ChatGPT就不再有反应了。它宕机了！
再问，就是“too many questions，please slow down 。”等到再开一局时，它甚至不承认自己会玩数字游戏了。在翻脸速度上也能比肩人类了啊。

文章插图
事实上，GPT产品的每一次产品迭代，都意味着算力成本的大幅增长。据《上海证券报》援引一位业内人士的说法，此次ChatGPT背后的训练消耗算力大约为3640PF-days，也就是假设每秒运算一千万亿次的话，需要运行3640天。
作为一家创业公司，OpenAI选择的还是一种相对轻快的数据存储和运行办法——上云。目前ChatGPT的训练都是基于微软的超算基础设施（由V100GPU组成的高带宽集群）完成。有报道指出，OpenAI每年在微软云计算上花费约为7000万美元。
但与此同时，OpenAI距离商业化落地还有很长一段时间，毕竟它现在依然经常“不懂装懂”，制造错误信息。在这样的ChatGPT面前，付费意愿和付费能力是一方面，另一方面，正如一些专家提示的，尤其要谨防AI在知识教育领域的“灌水”风险，ChatGPT的模仿能力和文笔越好，这个未来风险就越大。

文章插图
不过话又说回来，在人类为主的知识教育领域，就没有“不懂装懂”的“灌水”风险了吗？恐怕也未必。
对我个人来说，大战过几回ChatGPT后，我发现，不论是编程人员，文案营销，亦或者新闻从业者，面临的可能并不是行业会不会被取代的问题，而是哪部分劳动能得到优化和辅助的问题。毕竟AI和人脑的一个根本区别在于，它只能从过往获取“组合式”答案，而人类是在一次又一次面对不确定未来的思考中，才走到如今的。
AI能取代人类吗？很多人都把这个问题抛给了ChatGPT，我同样跟ChatGPT讨论了一下这个问题，我告诉它，我觉得ChatGPT不会取代人类，ChatGPT对此表示“你觉得不会，只是你的观点，不代表一个事实” 。挺有意思的回答。