ChatGPT 和AlphaGo谁更胜一筹？

估计没人会不同意人工智能行业十几年来让人印象最深的两个标志性事件是：2016年AlphaGo战败李世石和柯洁和2022年chatGPT展现通用智能能力。而很有趣的事情在于这两次突破正好一个对应于垂直领域（AlphaGo），一个对应于相对通用的领域(chatGPT)。

从训练方式上看AlphaGo做到了自己就是数据源，这意味着经常说的数据飞轮效应对AlphaGo在后期变成内置的了。

21天AlphaGo Zero通过自己对战自己达到战败自己哥哥AlphaGo Master的水平。典型的人工智能自己驱动数据飞轮，谁也不靠。

这对判断谁赢有什么帮助呢？其实这非常关键。

判断谁赢，纯靠技术是不行的，因为过去十年最大的经验就是如果从技术角度对未知领域进行判断，那谁也判断不准。所以我们换种模式。

AlphaGo相当于把一个边界足够清楚的事走到顶了，经历了一个人工智能到顶的全过程。所以我们从中可以总结出一个人工智能到顶的关键阶段：

这三个阶段是：现有全量数据阶段–自我数据生成阶段–启动数据→智能飞轮，领域高点。

所以大模型落地的顺序大致会是：纯粹的数字领域，比较低成本可以做到万物皆数的领域，高成本但还是可以做到万物皆数的领域。

下面这个是纯粹猜测，数据→智能飞轮，领域智能高点这个阶段里可能算力需求会下降。这只是一个观察，非技术性的结论。在能力增加的时候AlphaGo所需的算力是下降的

https://www.deepmind.com/blog/alphago-zero-starting-from-scratch

显然的GPT还在继续放大的路上，从最新透漏出来的消息看，GPT-4在120层中总共包含了1.8万亿参数，而GPT-3只有约1750亿个参数。按照这趋势GPT5不太可能变小，还是变的更大。

这也许是因为问题域太大，而限定边界的话就可能可以更早的进入优化阶段。AI未必不能优化自己。从做事的角度看，纯粹数字空间的大模型对绝大多数人而言机会几乎为0，垂直领域大模型早期会加大亏损，但增加最终商业模式跑通的可能性。短期一定会出很多垂域大模型，因为下围棋的话chatGPT总是干不过AlphaGo。长线看通用大模型和垂域大模型的竞争会一直都在，但如果通用大模型真的覆盖每一个AlphaGo这样的领域，那意味着什么呢？