ChatGPT横空出世，大模型全面赋能，自动驾驶渐行渐近.docx

1、 OpenAI 引领，人工智能进入大模型时代 、 ChatGPT 横空出世，引领人工智能新浪潮 人工智能历经多年发展，在诸多领域超越人类。自 1956 年 8 月达特茅斯会议上 “人工智能”概念诞生以来，行业几经起落不断发展壮大。临近新千年的 1997，IBM深蓝计算机打败国际象棋大师卡斯帕罗夫成为首台打败国际象棋世界冠军的电脑。 2010 年，谷歌宣布自动驾驶汽车计划。2012 年卷积神经网络AlexNet 在大规模视觉识别挑战赛中以比第二名低 10.8 个百分点的错误率夺冠，引发轰动，开启了深度学习黄金时代。2016 年 DeepMind 公司的 AlphaGo 以 4:1 大比分战胜当时世界冠军李世石，人类将围棋冠军也让与计算机，掀起人工智能新一轮热潮。多年以来，像计算器超越人类的计算能力一样，人工智能在越来越多领域超越人类，并被应用到千 行百业，未来将继续在更多的领域崭露头角，为人类赋能。 图1：达特茅斯会议开启人工智能发展之路 图2：视觉识别领域 AI 在 2015 年超越人类 资料来源：凤凰网 数据搜狐网 图3：ChatGPT 引领人工智能新范式 资料来源：沙利文研究 ChatGPT 横空出世，再次引发人工智能热潮。2022 年 11 月，ChatGPT 横空出世，作为一种应用在对话场景的大语言模型，它可以通过更贴近人的方式与使用者互动，可以回答问题、承认错误、挑战不正确的前提、拒绝不适当的请求，同时拥有惊艳的思维链推理能力和零样本下处理问题能力。在理解人类意图、精准回答问题、流畅生成结果方面远超人类预期，几乎“无所不能”，引发网络热潮。据瑞银数据，ChatGPT 产品推出 2 个月后用户数量即过亿，而上一个现象级应用 TikTok 达到 1 亿用户花费了 9 个月时间。微软将 ChatGPT 整合到其搜索引擎必应中后，在 1 个多月的时间内让必应日活跃用户数过亿。 图4：ChatGPT 可完美实现用户的需求甚至可输出代码 图5：ChatGPT 用户数 2 个月过亿超越 TikTok 资料来源：OpenAI 官网 数据UBS GPT-4 能力进一步提升，安全性显著增强。Open AI 在当地时间 2023 年 3 月 14日发布了 GPT-3.5（ChatGPT 基于 GPT3.5 开发）的升级版 GPT-4，性能全面超越 ChatGPT。其具备多模态能力，可以同时支持文本和图像输入。支持的文本输入数量 提升至约 32000 个 tokens，对应约 2.5 万单词。性能方面，（1）理解/推理/多语言能力增强，在专业和学术考试中表现突出，全面超越 GPT3.5，通过了统一律师考试的模拟版本，分数在考生中排名前 10%。（2）理解能力显著增强，可以实现“看图说话”，甚至能够理解一些幽默的图片笑话。（3）可靠性相比 GPT3.5 大幅提升 19%。（4）安全性指标相比GPT3.5 有显著提升，对不允许和敏感内容的错误反应显著下降。 图6：GPT-4 的性能显著强于上个版本 图7：GPT4 在推理和逻辑能力上大幅提升 资料来源：Life Architect 官网 资料来源：OpenAI 官网 图8：GPT-4 可理解部分图片笑话 资料来源：OpenAI 官网、 图9：GPT4 准确度相比之前的版本大幅提升 图10：对不被允许和敏感的内容的错误响应显著下降 资料来源：OpenAI 官网 资料来源：OpenAI 官网 图11：GPT4 的多项能力超越人类平均水平 资料来源：Life Architect 官网 、 算法是人工智能的基石，Transformer 逐步成为主流 、 始于 NLP，延伸至各领域，Transformer 在人工智能行业展现统治力 算法是构成模型的基石，循环神经网络（RNN）和卷积神经网络（CNN）曾为自然语言处理和图像处理的领域主流算法。早年人工智能领域常见的算法包含循环神经网络（RNN）和卷积神经网络（CNN），其中循环神经网络每个环节的输出与前面的输出有关（有“记忆”），因此可更好的处理序列问题，如文本、股市、翻译等。卷积神经网络则以图像识别为核心，通过卷积核进行窗口滑动来进行特征提取，进而实现图像识别等功能。但两类算法均存在自身的问题，循环神经网络并行度低，计算效率受限，同时输入的数据较为庞大时，早期的记忆容易丢失。而卷积神经网络由于需要卷积核滑动来提取特征，面对距离较远的特征之间的关系识别能力有限。 图12：循环神经网络适合处理序列信息 图13：卷积神经网络可实现图像处理等任务 资料来源：CSDN 资料来源：CSDN Transformer 结构性能强大一经推出迅速得到认可。Transformer 在谷歌著名的论文“Attention is all you need”首次出现，其优