OpenAI CEO呼吁微软提供更多资金打造“超级智能”——为未来AI发展提供强劲支持
阿尔特曼在接受《金融时报》采访时说，他的公司与微软首席执行官萨蒂亚-纳德拉（Satya Nadella）的合作"非常顺利"，他希望"随着时间的推移"能从这家科技巨头和其他投资者那里获得更多支持。预期筹集资金。构建更复杂人工智能模型的刑罚成本。
据熟悉谈判情况的人士透露，微软今年早些时候向 OpenAI 投资了 100 亿美元，作为"多年期"交易的一部分，该交易对这家总部位于旧金山的公司的估值为 290 亿美元。
当被问及微软是否会继续进一步投资时，阿尔特曼说："我希望如此："我希望如此。还有很长的路要走，从这里到 AGI 之间还有很多计算要做。培训的成本是巨大的。"
他没有透露财务细节，由于培训成本的原因，该公司仍然没有盈利。但他表示，与微软的合作将确保"我们都能从对方的成功中赚钱，大家都能够满意"。
作为 OpenAI 打算在 ChatGPT 的基础上建立商业模式的最新迹象，该公司在 11 月 6 日纳德拉出席的一次活动上发布了一套面向开发者和公司的新工具，以及对其现有模式 GPT-4 的改进。
工具包括可为特定应用定制和量身打造的定制版 ChatGPT，以及一个 GPT Store，即最佳应用市场。最终目的是与最受欢迎的 GPT 创建者分成，商业模式类似于苹果的 App Store。
"现在，人们[说]'你们有这个研究实验室，你们有这个 API [软件]，你们与微软有合作关系，你们有这个 ChatGPT，现在还有一个 GPT 商店'。但这些并不是我们真正的产品，"阿尔特曼说，"它们是我们同一产品的渠道，我们的产品是超级智能，我认为这才是我们的目标。"
为了建立企业业务，阿尔特曼说他聘请了布拉德-莱特凯普（Brad Lightcap）等高管担任首席运营官，莱特凯普曾在 Dropbox 和创业加速器 Y Combinator 工作过。
与此同时，奥特曼将自己的时间分配在两个领域：研究"如何创造超级智能"以及创造超级智能所需的计算能力的方法。阿尔特曼说："我们的方法是构建 AGI，不背锅找出如何使其更安全。"
在谈到 GPT 的推出时，他说 OpenAI 正在努力创造更多的自主代理，它们可以执行代码、付款、发送电子邮件或提出索赔等任务和功能。
"我们会让这些代理变得越来越强大。从这里开始，活动将变得更加复杂，"他说："我认为，能够在每个类别中做到这一点所带来的商业价值是巨大的。"
OpenAI公司还在开发下一代人工智能模型 GPT-5，但他没有给出发布时间表。它需要更多的数据来训练，这些数据将来自互联网上的公开数据集和公司的专有数据。
OpenAI 最近一直在向一些组织寻求"目前还不容易在网上向公众提供"的大规模数据集，特别是长篇文章或对话。虽然 GPT-5 很可能比其前身更加复杂，但从技术上讲，很难预测该模型可能具备哪些新能力和技能。他说："在我们对模型进行训练之前，这对我们来说就像一个有趣的猜谜游戏。我们正试图在这方面做得更好，因为我认为从安全角度来看，预测能力非常重要。但我无法告诉你它到底能做什么GPT-4做不到的事情。"
为了训练其模型，OpenAI 和其他大多数大型人工智能公司一样使用 NVIDIA 先进的 H100 芯片，这种芯片在去年成为硅谷最热门的商品，因为竞争对手的科技公司都在争先恐后地建造他们需要的人工智能系统。大家都在抢购关键的半导体。
阿尔特曼说，NVIDIA 每片售价 4 万美元的芯片供应短缺导致了全年的"残酷危机"。他说，他的公司已经收到了 H100，预计很快会收到更多，并补充说，"明年看起来已经会更好"。
不过，由于Google、微软、AMD 和英特尔等其他厂商正准备发布竞争对手的人工智能芯片，对 NVIDIA 的依赖不太可能持续太久。"我认为资本主义的魔力正在这里发挥作用。现在很多人都想成为 NVIDIA，"阿尔特曼说。
大约一年前，OpenAI 发布了 ChatGPT，在创建生成式人工智能（能在数秒内创建文本、图像、代码和其他多媒体的系统）的竞赛中占据了领先地位。
尽管在消费者方面取得了成功，但 OpenAI 仍希望在构建人工通用智能方面取得进展。作为 ChatGPT 基础的大型语言模型（LLM）是如何构建 AGI 的核心部分之一，但在此基础上还有许多其他部分。
虽然 OpenAI 主要关注 LLM，但它的竞争对手正在采用其他研究策略来推进人工智能的发展。团队认为语言是"压缩信息的好方法"，因此可以驱动智能，他认为Google DeepMind 等公司忽略了这一因素。
"有很多聪明人。但他没有这样做。"他说："即使我认为我们已经用 GPT-3 证明了这一点，他们也没有这样做。在开发 AGI 的竞赛中，"最大的缺失"是需要什么来实现这类系统所需的基本认识飞跃。“”
"曾有很长一段时间，牛顿的正确做法是多读数学教科书，多与教授交流，多做练习题。这就是我们目前的模型所做的事情。"奥特曼用一位同事之前用过的例子说道。但他也说，牛顿不可能仅仅通过阅读几何或代数知识就发明微积分，"我们的模型也是如此。"
"因此，问题在于还缺少什么思想来产生新的净值。人类的知识？我认为这是最大的问题"。
