2022年11月开放使用，一周就涌进百万用户的聊天机器人ChatGPT，被全球网友运用发现，可以代学生写论文、老师看不出；还能代读研究报告选股；代回客服信函，甚至帮工程师写程序代码，并通中英文，简直要害文组理组一起失业。如此强大的AI工具，开发公司是Open AI。而这家公司马斯克竟是创办人之一。Open AI还有哪些厉害AI服务等着推？又为何被马斯克半途抛弃？一文完整揭密。
在向大众开放对话式语言模型ChatGPT以后，人工智能研究实验室OpenAI再度让普罗大众惊艳于人工智能的威力，并且记住它的名字。这也是自2020年推出GPT-3以来，OpenAI开发出的服务又一次席卷社群，也擦亮其在人工智能领域的领先招牌。不过，说起OpenAI的发展，这次ChatGPT的耀眼表现，并不适合用“十年寒窗苦心钻研无人问津，而后一夜成名”来描述，探究其发展经历，更可说是厚积而薄发。
究竟OpenAI是什么来头？为什么创办人之一最终退出？科技巨头微软看上它什么？除了ChatGPT以外，OpenAI还开发出什么人工智能的有趣应用？《远见》整理OpenAI的发展脉络，并盘点其面向人们贴近生活的服务，带你一次看。
OpenAI是什么背景？
OpenAI是一间专攻人工智能的企业，由非营利的OpenAI Inc.和盈利的OpenAI LP所组成。其创办人大有来头，分别是特斯拉首席执行官暨Twitter新老板马斯克（Elon Musk），以及素有创业公司孵化器美名的创投Y Combinator前总裁亚特曼（Sam Altman）。
根据官网所述，OpenAI希望能够让通用人工智能（artificial general intelligence，简称为AGI）造福所有人类，致力于打造出安全且对人类有帮助的AGI。
通用人工智能，又称为强人工智能（strong AI），指的是接近、甚至超越人类的人工智能。在预想中，通用人工智能能够像人类一样具备认知能力，能够进行逻辑推理，甚至拥有自我意识，因此能够执行不同种类的任务，用途非常广泛。其在概念上与应用人工智能（applied AI）或者弱人工智能（weak AI）相对，后者的用途相对狭隘，机器仅能学习具有明确目的的任务，例如识别人脸、下棋、医疗图片判读、自动导航等。
专攻西洋棋、由IBM开发的Deep Blue，还有专供围棋、由DeepMind开发的AlphaGo，都属于弱人工智能。（Source：视频截屏）
在人工智能的发展史上，开发出通用人工智能，一向是计算机科学界企求却始终无法实现的渴望。纵使近年来因为计算机运算能力的发展成功渡过AI的寒冬，深度学习便宜且有效的落地，主宰人工智能领域，但目前的众多应用仍在弱人工智能范畴，科幻电影里和人类培养深厚感情的通用人工智能，仍旧是研究者的失落圣杯。
不过，OpenAI并没有因此放弃，它挖掘顶尖人才、引入资金，挑战各类的AI任务，希望能够朝终焉之地迈进。
科技巨头微软看上它什么？
在创立之初，OpenAI属于非营利组织，2019年时OpenAI表示，未来希望能够增加对于运算能力和人才的投资，例如大规模的云计算、建造超级计算机等，同时又要平衡它对于梦想的追求，两者都需要资金，为了增加其募集资金能力，OpenAI决定成立盈利公司OpenAI LP。
虽然OpenAI LP重视盈利，但OpenAI当时表示，它相信自己能够专注于发展新的AI技术，而不是将重点放在商业产品，其同时具有非营利和盈利企业的组织架构，让它不用只看眼前利润，更能够深入研究，借此追求长期回应。
除了初创时投资者与创办人共同承诺投入的10亿美元以外，2019年微软（Microsoft）加码投资10亿美元，希望通过此次和OpenAI的合作共同发展通用人工智能，微软想利用OpenAI先进人工智能研究的力量，并且相关技术民主化。
当然，强强联手不只是做公益，微软不只成为OpenAI的独家云计算系统供应商，两者更合作开发微软公有云服务Azure的超级运算技术。而后微软也推出Azure OpenAI的相关服务，集成进Open AI开发的产品。举例来说，营销领域和媒体界的用户能借此工具，根据球赛的评论快速生成精华摘要，进而迅速发稿。不仅如此，微软也把“望文生图”的DALL-E加到旗下的创作服务和Microsoft 365其中，让微软的客户能够享受OpenAI的世界级产品。
利用DALL·E生成的图片风格各异，能写实也能童稚或者科幻。（Source：DALL·E by OpenAI）
为什么马斯克半路退出？
微软投资OpenAI时勾勒出的愿景如此动人：民主化人工智能技术、共同开发对人类有益的通用人工智能，然而，2020年9月时，OpenAI把集结科学家心血、耗费巨资开发的GPT-3独家授权给微软，引来外界的口诛笔伐。虽然走向商业化之路无可厚非，但因为OpenAI曾经承诺过要做到开放，因此不是所有人都能够接受与微软的合作。
事实上，创办人之一的马斯克在2019年2月宣布离开OpenAI，除了因为要专注于处理特斯拉和SpaceX的工程与制造问题以外，马斯克指出，特斯拉与OpenAI在争取相同人才，有潜在利益冲突，此外“我并不认同OpenAI团队想做的一些事情。”
2月马斯克前脚刚走，3月OpenAI便成立了盈利公司OpenAI LP，这很有可能就是马斯克所说的道不同不相为谋。也因此2020年时见到微软取得GPT-3的独家授权，马斯克在Twitter上发文抨击“OpenAI已被微软俘虏”，纵使微软首席技术官暨副总史考特（Kevin Scott）指出，外界仍可以持续使用GPT-3以及其他OpenAI开发出的模型，但马斯克仍说，如此行为看起来并不像誓言“开放”的组织会做的事。
OpenAI开发出什么有趣的人工智能服务？
OpenAI并没有让投资人和社会大众失望，它陆续开发人工智能创造内容（AI generated content）的模型，并且公开部分成果让大家使用。
以图像和文本来说，它们分别推出了输入文本便能输出图像的DALL-E，以及给定图片后产出描述文本的CLIP。DALL-E和Midjourney相似，用户输入各种指令（prompt）的组合，人工智能便会生产机制出精美程度甚高的图像，虽然有时候会出现和物理世界不符的情况，例如不符合人体工学的肢体角度、动物拥有四肢以外的躯干、出现不可能存在的光影等，但“以文产图”的结果早已能够符合大众的审美。
至于CLIP模型，是利用对比的方式，让计算机认识不同图片之间的差异，进而产生判断，再依此产出文本。它的实用性也不容小觑，平常人们在整理照片时，时常要花时间整理相册，像是将照片依照以往参加过的活动分类，甚至有些要重命名方便日后查找。然而，真的要找特定的照片还是很艰难，因为图片与文本并不公用，例如“自己与家中小狗的合照”或是“塞车街景”，即使在搜索字段中输入小狗或者塞车，也不会跳出正确的结果。
利用CLIP生成的模型，能够“以文找图”。（Source：GitHub）
以文搜图超方便
有了CLIP模型之后，我们便能够像Google图片搜索一样，利用以文搜图的方式查找自己的照片。听起来不是什么新发明，但CLIP其实已经做到了物体识别，它不再只是传统的“这张照片是狗”、“这张图里面有动物”，而是能够正确的认出单张图片中的不同概念，例如“狗在玩雪”、“夜晚的台北市交通打结”等。
不只图像上的突破，OpenAI陆续开发了MuseNet和Jukebox，前者能够依照用户输入的音乐，进一步融合不同风格的演奏，甚至增添乐器，产出新的音乐，它可以模仿莫札特与披头四，也能用乡村音乐或者Lady Gaga的风格作曲。
用户可以到OpenAI的官网使用MuseNet，除了自行上传MIDI文件以外，也能从默认的列表选择乐曲，接着还能改变风格与乐器。（Source：OpenAI）
Jukebox则往前跨了一步。用户连音乐都不用上传了，只要提供类型、音乐人、歌词，Jukebox便能够产出接近典型CD品质的音乐片段（即采样Sampling的“样”），时长约为4分钟。不过，因为Jukebox产出的品质相对较高，因此训练时间长达数小时，不像MuseNet仅花以秒计的时间便可完成。
除了音乐以外，OpenAI也开发了将文本描述转译为程序代码的Codex，还有擅长玩电动的OpenAI Five。不过，OpenAI最厉害的还是其开发出的GPT相关模型，例如第三代GPT-3，它能够理解人类语句并做出回应，同时也是这次ChatGPT的基石。
随着人工智能的逐步发展，人类在“以文生图”后反思创作、在“以字产乐”后回顾音乐风格，ChatGPT则让人们寻找机器与人类相似与相异之处。
有了科技巨头的鼎力相助，我们要问的问题或许不再是有生之年能否见到通用人工智能的到来，而要改问还要多久就会到来。到了彼时，人类应该如何自处？又要如何寻找或者认可生而为人的价值？借着他者，更能够观照自身。在科技奇点来临之前，我们还有时间能够不断反思。
（首图来源：shutterstock）