学术研究和商业产品开发之间有明确的界限

2022年1月27日整理发布：在学术 AI 研究中，目标是突破科学的界限。这正是 GPT-3 所做的。OpenAI 的研究人员表明，只要有足够的参数和训练数据，单个深度学习模型就可以执行多项任务，而无需重新训练。他们已经在几个流行的自然语言处理基准上测试了该模型。

但是在商业产品开发中，您并没有针对 GLUE 和 SQuAD 等基准进行测试。你必须解决一个特定的问题，比现有的解决方案好十倍，并且能够以具有成本效益的方式大规模运行它。

因此，如果你有一个大型且昂贵的深度学习模型，能够以 90% 的准确率执行十种不同的任务，那将是一项伟大的科学成就。但是，当已经有 10 个更轻的神经网络以 99% 的准确率和一小部分价格执行每一项任务时，你的万事通模型将无法在利润驱动的市场中竞争。

这是微软博客中的一段有趣的引述，它证实了将 GPT-3 应用于实际业务问题的挑战：“GPT-3 巨大功能的发现打破了自然语言学习的可能性，”微软公司副总裁 Eric Boyd 说蔚蓝人工智能。但是，对于如此庞大而复杂的模型是否可以经济高效地大规模部署以满足现实世界的业务需求，仍然存在悬而未决的问题[强调我的]。”

这些问题通过针对该特定任务的模型优化得到了回答。由于微软想要解决一个非常具体的问题，完整的 GPT-3 模型将是一种过度杀伤力，会浪费昂贵的资源。

因此，普通的 GPT-3 更多的是一项科学成就，而不是一个可靠的产品开发平台。但有了合适的资源和配置，它可以成为市场差异化的宝贵工具，这正是微软正在做的事情。

微软的优势

在理想情况下，OpenAI 会发布自己的产品并产生收入来资助自己的研究。但事实是，开发一个盈利的产品比发布一个付费的 API 服务要困难得多，即使你公司的 CEO 是 Sam Altman，他是 Y Combinator 的前总裁和产品开发传奇人物。

这就是 OpenAI 获得微软帮助的原因，这一决定将对人工智能研究实验室产生长期影响。2019 年 7 月，微软对 OpenAI 进行了 10 亿美元的投资——附带了一些条件。

来自宣布微软投资的 OpenAI博客文章：“OpenAI 正在产生一系列越来越强大的人工智能技术，这需要大量的计算能力资本。弥补成本的最明显方法是制造产品，但这意味着改变我们的关注点[强调我的]。相反，我们打算许可我们的一些前 AGI 技术，让微软成为我们将它们商业化的首选合作伙伴。”

单独而言，OpenAI 很难找到进入现有市场或为 GPT-3 创造新市场的方法。

另一方面，微软已经拥有了让 OpenAI 走上盈利之路的捷径。微软拥有第二大云基础设施 Azure，它适合补贴训练和运行 OpenAI 深度学习模型的成本。

但更重要的是——这就是我认为 OpenAI 选择微软而不是亚马逊的原因——微软在不同行业的影响力。成千上万的组织和数百万用户正在使用 Microsoft 的付费应用程序，例如 Office、Teams、Dynamics 和 Power Apps。这些应用程序提供了完美的平台来集成 GPT-3。

微软的市场优势在其首次申请 GPT-3 时充分体现。这是一个针对非技术受众的非常简单的用例。它不应该做复杂的编程逻辑。它只是将自然语言查询转换为 Power Fx 中的数据公式。

这个微不足道的应用程序与大多数经验丰富的开发人员无关，他们会发现直接键入他们的查询比用散文描述它们要容易得多。但微软在非科技行业拥有大量客户，其 Power Apps 是为没有任何编码经验或正在学习编码的用户构建的。对他们来说，GPT-3 可以产生巨大的影响，并有助于降低开发解决业务问题的简单应用程序的障碍。

微软还有另一个对其有利的因素。它已获得对 GPT-3 代码和架构的独家访问权。虽然其他公司只能通过付费 API 与 GPT-3 进行交互，但微软可以对其进行自定义并将其直接集成到其应用程序中，以使其高效且可扩展。

通过向初创公司和开发人员提供 GPT-3 API，OpenAI 创建了一个环境来发现各种具有大型语言模型的应用程序。与此同时，微软坐下来，以越来越大的兴趣观察所有不同的实验。

GPT-3 API 基本上是作为微软的产品研究项目。无论任何公司为 GPT-3 找到什么用例，微软都将能够更快、更便宜、更准确地完成它，这要归功于它对语言模型的独家访问。这使微软拥有了主导大多数围绕 GPT-3 形成的市场的独特优势。这就是为什么我认为大多数在 GPT-3 API 之上构建产品的公司注定要失败的原因。