OpenAI CEO向微軟喊話：提供更多資金打造「超級智慧」

《金融時報》報導，隨著奧特曼（Sam Altman）追求其人工通用智慧（AGI）願景 - 創造與人類相似的智慧電腦軟體的努力，OpenAI計畫向其最大的投資者微軟尋求更多的資金支援。

Altman在接受《金融時報》採訪時說，他的公司與微軟首席執行長薩蒂亞-納德拉（Satya Nadella）的合作非常順利，他希望隨著時間的發展能從這家科技巨頭和其他投資者那裡獲得更多支援。預期籌集資金。建構更複雜人工智慧模型。

據熟悉談判情況的人士透露，微軟今年早些時候向 OpenAI 投資了 100 億美元，作為多年期交易的一部分，該交易對這家總部位於舊金山的公司的估值為 290 億美元。

當被問及微軟是否會繼續進一步投資時，Altman說：我希望如此。還有很長的路要走，從這裡到 AGI 之間還有很多計算要做。培訓的成本是巨大的。

他沒有透露財務細節，由於培訓成本的原因，該公司仍然沒有盈利。但他表示，與微軟的合作將確保「我們都能從對方的成功中賺錢，大家都能夠滿意」。

作為 OpenAI 打算在 ChatGPT 的基礎上建立商業模式的最新跡象，該公司在 11 月 6 日納德拉出席的一次活動上發佈了一套面向開發者和公司的新工具，以及對其現有模式 GPT-4 的改進。

工具包括可為特定應用定製和量身打造的定製版 ChatGPT，以及一個 GPT Store，即最佳應用程式市場。最終目的是與最受歡迎的 GPT 建立者分成，商業模式類似於蘋果的 App Store。

「現在，人們[說]'你們有這個研究實驗室，你們有這個 API [軟體]，你們與微軟有合作關係，你們有這個 ChatGPT，現在還有一個 GPT 商店'。但這些並不是我們真正的產品，」Altman說，「它們是我們同一產品的管道，我們的產品是超級智慧，我認為這才是我們的目標。」

為了建立企業業務，Altman說他聘請了布拉德-萊特凱普（Brad Lightcap）等高層擔任首席營運長，萊特凱普曾在 Dropbox 和創業加速器 Y Combinator 工作過。

與此同時，Altman將自己的時間分配在兩個領域：研究如何創造超級智慧以及創造超級智慧所需的計算能力的方法。Altman說：「我們的方法是建構 AGI，找出如何使其更安全。」

在談到 GPT 的推出時，他說 OpenAI 正在努力創造更多的自主代理，它們可以執行程式碼、付款、傳送電子郵件或提出索賠等任務和功能。

「我們會讓這些代理變得越來越強大。從這裡開始，活動將變得更加複雜，」他說：「我認為，能夠在每個類別中做到這一點所帶來的商業價值是巨大的。」

OpenAI公司還在開發下一代人工智慧模型 GPT-5，但他沒有給出發佈時間表。它需要更多的資料來訓練，這些資料將來自Internet上的公開資料集和公司的專有資料。

OpenAI 最近一直在向一些組織尋求目前還不容易在網上向公眾提供的大規模資料集，特別是長篇文章或對話。雖然 GPT-5 很可能比其前身更加複雜，但從技術上講，很難預測該模型可能具備哪些新能力和技能。

他說：「在我們對模型進行訓練之前，這對我們來說就像一個有趣的猜謎遊戲。我們正試圖在這方面做得更好，因為我認為從安全形度來看，預測能力非常重要。但我無法告訴你它到底能做什麼GPT-4做不到的事情。」

為了訓練其模型，OpenAI 和其他大多數大型人工智慧公司一樣使用 NVIDIA 先進的 H100 晶片，這種晶片在去年成為矽谷最熱門的商品，因為競爭對手的科技公司都在爭先恐後地建造他們需要的人工智慧系統。大家都在搶購關鍵的半導體。

Altman說，NVIDIA 每片售價 4 萬美元的晶片供應短缺導致了全年的殘酷危機。他說，他的公司已經收到了 H100，預計很快會收到更多，並補充說，「明年看起來已經會更好」。

不過，由於Google、微軟、AMD 和英特爾等其他廠商正準備發佈競爭對手的人工智慧晶片，對 NVIDIA 的依賴不太可能持續太久。「我認為資本主義的魔力正在這裡發揮作用。現在很多人都想成為 NVIDIA」。

大約一年前，OpenAI 發佈了 ChatGPT，在建立生成式人工智慧（能在數秒內建立文字、圖像、程式碼和其他多媒體的系統）的競賽中佔據了領先地位。

儘管在消費者方面取得了成功，但 OpenAI 仍希望在建構人工通用智慧方面取得進展。作為 ChatGPT 基礎的大型語言模型（LLM）是如何建構 AGI 的核心部分之一，但在此基礎上還有許多其他部分。

雖然 OpenAI 主要關注 LLM，但它的競爭對手正在採用其他研究策略來推進人工智慧的發展。團隊認為語言是壓縮資訊的好方法，因此可以驅動智慧，他認為Google DeepMind 等公司忽略了這一因素。

「有很多聰明人。但沒有這樣做。」他說：「即使我認為我們已經用 GPT-3 證明了這一點，他們也沒有這樣做。在開發 AGI 的競賽中，"最大的缺失"是需要什麼來實現這類系統所需的基本認識飛躍。」

「曾有很長一段時間，牛頓的正確做法是多讀數學教科書，多與教授交流，多做練習題。這就是我們目前的模型所做的事情。」Altman用一位同事之前用過的例子說道。但他也說，牛頓不可能僅僅通過閱讀幾何或代數知識就發明微積分，「我們的模型也是如此。」

「因此，問題在於還缺少什麼思想來產生新的淨值。人類的知識？我認為這是最大的問題」。