Reference: [1] 陈永伟. 超越ChatGPT：生成式AI的机遇、风险与挑战[J]. 山东大学学报（哲学社会科学版）, 2023(3): 127-143.

Authors: Yongwei Chen

intro

以ChatGPT为代表的生成式AI标志着人工智能从“分析式AI”向“生成式AI”的重大变革，被视为通往通用人工智能（AGI）的关键转折点 。

Algorithm

生成式 AI 的爆发是算法、算力和数据的进步共同推动的，其中，算法层面的突破是最为关键的因素

• 生成式 AI的主要训练算法

  涵盖自回归模型、生成式对抗网络（GAN）、变分自编码（VAE）、流模型及扩散模型五大类 。其中ChatGPT采用自回归算法

• 生成式 AI的主要训练架构

  Transformer架构通过“自注意力”机制实现了并行运算，并有效破解了处理长文本时的“长期依赖问题”

• 从 GPT 到 ChatGPT

  ChatGPT引入了“人类反馈强化学习（RLHF）”，使输出结果更符合人类的语言习惯、偏好与价值观

Representation Power

生成式 AI 与分析式 AI不同，除了拥有和分析式 AI 类似的预测功能外，它们还能根据决策独立作出判断、生成内容。

• 消费端

  提升内容的数量、质量与多样性，并简化繁琐任务以增加人类闲暇

• 产业端

  加速自动化进程，通过“组合式创新”促进技术进步，甚至创造出合成数据等新生产要素

Application

• 消费端
  1. 内容生产： AIGC 将成为继 PGC 和 UGC 之后的新型生产模式，提供更高产出、更稳质量和更低成本的内容，尤其在元宇宙的 3D 建模中前景广阔
  2. 便捷交互： 生成式 AI进一步推进人机交互的中心由机器转向人的这一趋势，并由此产生人机交互的新界面，用户可以通过自然语言对话让计算机执行检索、整理资料等复杂任务
  3. 简化工作: 生成式 AI 被誉为“文案工作的计算器”，能够处理编程、翻译等专业级工作，提升效率并增加人类闲暇
• 产业端
  1. 工业设计： 引入生成式 AI 可缩短设计周期，减少原型测试阶段的浪费。例如在芯片设计中，谷歌和英伟达已利用 AI 优化晶片组件排布
  2. 药物研发： AI 能通过预测蛋白质结构（如 AlphaFold）和重构化合物分子构造来降低高昂的研发成本，英矽智能曾利用该技术在 21 天内开发出新型抑制剂
  3. 材料科学 实现材料的“反演设计”，大幅提升高熵合金等新材料的设计效率
  4. 合成数据 利用 AI 生成数据来解决真实数据不足、质量差或隐私受限的问题，且合成数据的标注成本仅为真实数据的百分之一

Risks and problems

技术进步是一把双刃剑。和所有技术一样，人工智能技术的进步在提升用户福利、提高生产效率的同时，也会带来很多的问题

• 劳动力市场冲击
• 财富分配不平等
• 垄断与进入壁垒
• 知识产权纠纷
• 安全与伦理
• 环境负担

Policy Considerations

生成式 AI 技术不仅具有十分广阔的应用前景，也可能会带来很多现实的风险和挑战

• 产业政策 不应仅对标特定产品（如 ChatGPT），而应立足基础设施建设。支持算力网络布局（东数西算）、量子计算应用研究，并构建中国自主的开源生态

• 就业与保障 优先发展服务业以吸纳就业，建立适应智能社会的终身培训体系。对于无法再就业的人员，建议向大规模使用 AI 的企业征税以支持社会保障或全民基本收入（UBI）

• 法律法规 明确 AI 训练材料的“合理使用”边界，在现有《互联网信息服务深度合成管理规定》等框架下，针对 AIGC 权责利出台更精细的司法解释

Comment

• 读者认为陈永伟教授这篇文章的关键之处在于他打破了“人工智能只威胁低端岗位”的思维定势，明确指出生成式 AI 对中高层白领阶层的冲击。