· 「名人堂」Jina AI 创始人兼 CEO ·
肖涵，Jina AI 创始人兼 CEO。2018年 - 2020 年，肖涵在腾讯 AI Lab 卖力基于深度学习搜索项目研发，也是腾讯开源办公室成员。2019 年肖涵作为 LF 开源基金会董事成员，对内大力推动腾讯开源协同技能文化，对外积极构建腾讯在国际开源社区的互助，并一手匆匆成腾讯加入 TODO 基金会。肖涵 2014-2018 年在德国 Zalando 公司担当高等研究员。2014 年得到德国慕尼黑工业大学打算机博士学位。肖涵是德中人工智能协会的创办人和主席，也是 Mindspore 技能委员会成员。
Jina AI 专注于大家可用的多模态数据平台，利用云原生、MLOps 和 LMOps 让每个企业和开拓者都能享受到最好的搜索和天生技能。累计得到来自GGV、云启成本、SAP等中美投资机构的 3750 万美元融资。公司自 2020 年景立以来连续两年登榜 CB Insights 环球 Al 百强榜单，荣登 Forbes DACH AI 30 2020。
Jina Al 推崇工程师文化，拥抱开源。公司总部位于德国柏林，在中国和美国均设有办公室。团队成员来自于微软、谷歌、腾讯、Adobe 等顶尖科技公司，覆盖超环球 10+ 国家。
问题 1：天生式、感知式、决策式的AI的核心关系？未来AI的发展趋势？
AI范式紧张分为决策式AI和天生式AI，感知式AI目前不常用。2010年开始海内的互联网企业开始布局干系家当，推出了大略的模型：推举系统、搜索优化、垃圾邮件的分类等；2018年涌现了天生式对抗网络(Generative Adversal Network, GAN)，即Deepfake，随后碰着疫情行业进入低迷；ChatGPT的涌现意味着措辞天生模型、多模态的天生式模型将会越来越多，今年C端会涌现很多新品、B端也会涌现二次开拓平台，在学术圈以及OpenAI的推动下，天生式AI势必进一步发展。
决策式AI更多是基于已有内容、利用AI规则进行内容分类、推举、过滤、提取等，其范围非常广。从2010-2020年决策式AI在语音识别、人脸识别等领域广泛利用。
天生式AI恰好相反，可基于笔墨生产图片、音乐、***等，自2020年后逐步兴起。从前(2014年)的天生式AI较为大略，生产16×16像素的黑白照片；2018年逐渐有所发展，2020年OpenAI推出第一代DALL·E；2021年推出第二代DALL·E，实现文本到图片的跨模态；2022年Stability AI推出stable Diffusion，融资1亿美元；2022年11月30号ChatGPT发布，使得较多博士论文由于过于大略，直接失落去浸染。
问题 2：单模态和多模态AI利害势比拟？多模态发展的核心驱出发分？
在2020年之前，AI的商业化紧张依托于单模态实现，并且单模态的运用处景较多，单模态AI的输入和输出都是同一模态，如图片分类和人脸识别等。虽然 2020 年以前存在部分跨模态的运用(如语音识别等)，但大多数仍为单模态的运用。
然而，随着互联网数据类型和数据量不断丰富，从文本到***的转变已经实现，越来越多的需求须要实现搜索、索引和天生数据，多模态发展的核心成分紧张是数据和技能的不断发展。自从2014年的贝叶斯，到2015年深度学习逐渐成为主导，2016年TensorFlow推出并成为第一个大规模开拓者利用的深度学习框架，其参数规模、打算能力和模型容量也在不断提升，这些成分都推动了多模态的发展。
问题 3：如何看待互联网头部公司与高校中大模型的利害势？
海内的技能路线本身不会有较大的差异。大规模措辞模型相称于一个数据库，问题在于如何有效地储存海量的数据，ChatGPT并未专门针对中国用户进行优化，其数据相对均衡。这对付汉语环境中的未来的商业化落地是一种利好，由于只需往模型中贯注灌注中文，因此其质量可能更高。未来大厂推出产品时，其将会聚焦于仅中文，将大模型变为专项垂直领域的小模型。
大规模措辞模型的特点是弘大。2023年“Reinforcement learning 强化学习”将成为各处着花的技能，而“in-context learning (ICL)”高下文学习技能是机器学习中顶尖技能，当模型大到一定程度的时，模型自然而然地会具备一定的推理、新任务调教等技能；模型越大，该能力越强。
问题 4：当前海内AIGC干系企业的商业化模式相对模糊，如何看待其发展？
2022年stable Diffusion出身后涌现大量的AIGC企业。Jina AI 基于 ChatGPT 研发的一个具有批驳性思维的 AI 赞助决策工具 Rationale.jina.ai。仅一个月 MAU 已达 10w，并且已有付用度户和稳定订阅。因此个人认为2023年To C将会有较快的发展。
AIGC领域的创业并非须要人数弘大的团队，对付汉语圈而言最大的障碍是否是能有一个稳定的高质量中文GPT，其将会激活一大批下贱的产研。
问题 5：如何看待未来下贱运用的广泛性？会从角度颠覆内容产出？
大规模措辞模型是金子，而ChatGPT像铲子。ChatGPT能够将大模型技能直接应用于产品中，从而提升用户的生产效率。部分产品已经在准备商业化，个人认为第一个consumer product可以是类似Notion等。
用户关注ChatGPT能够为日常事情和生活中的痛点带来什么效果，然而目前 ChatGPT 的输出须要大量的前期沟通。如果能够确定好前期的 Prompt，则有望将 ChatGPT 逐渐推进产品化的方向。
这也便是为什么我们推出了一款用 AI 全面优化 Prompt 的新产品「最美提示词」，用邪术来打败邪术。当你输入提示词后，它就会输出优化后的「最美提示词」，并让你预览优化前后的模型输出。目前文本模型支持 ChatGPT、GPT 4、GPT 3 的提示词优化，还支持图像模型 Stable Diffusion、DALL·E 、Midjounery、Lexica 等等，Promptperfect 能够帮助你在各种大措辞模型找到最好的提示词。
产品体验链接：promptperfect.jina.ai
问题 6：当古人们主动获取信息的紧张路子是搜索，而 ChatGPT 可能使得问答更加高效精准。如何看待 ChatGPT 对付搜索的影响？在您看来，搜索的未来是什么？
我在12月15号写了一篇长文章，名称是《SEO已去世，LLM永生》。
在讲搜索之前，先讲一下SEO家当。人们会为了提高网站的排名只管即便去写文章， 将文章中要推举的产品只管即便铺外链，写一些干系性文章，使得这些外链末了指向产品主页，这样用户在搜索某个关键词的时候，产品有非常大的机会能靠前显示。这基本上是现在搜索引擎的一些做法。通过剖析用户的输入和每天爬取的网页，去判断个中的干系性，并判断全体网页的权重，对所指向的外链和内链综合给出排名。
ChatGPT 刚涌现的时候，很多人以为太方便了，原来做内容天生，须要自己去构建外链文章，须要自己写，或是雇人写，现在直接用 ChatGPT 天生。比如：我要推举一个手机，就让 ChatGPT 总结出这部手机的十大优点，市场上的竞品，都可以几秒钟之内天生一段相对可读的文章。从搜索引擎的角度来讲，它区分不出来文章是人写的还是机器写的，反正都抓取过来，判断一下干系性，这中间存在一个信息差，SEO 的从业者就利用信息差去实现自动化。
但实际上 ChatGPT 最大的一个问题就在于：可以把它想象成一个数据库，它通过大规模的措辞模型，将所有人类的知识，笔头上、书本上的一些知识存储起来，再以某种概率形式返还给你，以是它给出的结果就相称于数据库中的存储与读取，只不过它的数据库是一个概任性的数据库，并不是直接返回你一个确定性的结果，有可能是通过差值产生的。
基于这种事理，实在可以把 ChatGPT 想象成一个搜索引擎，它和搜索引擎有很多相似性：搜索引擎是将所有网上的数据去爬取，根据用户的输入去判断干系性，返回 top rank 的结果，比如排名前10、前 20。GPT 也是将所有的人类书写的东西索引起来，存储在几百亿的参数模型下，用户在输入时，它激活这些神经网络，把相应的数据返还给用户。从本身的事理上来讲，抽象地看，这两者大致是相同的。
为什么 ChatGPT 要比 Google 的用户体验更好？由于 ChatGPT 因此一种人机对话的形式来返还给用户，并且返还的时候，它不返前 20 的，就返还排名第一的，这时候的用户体感就非常好。在做搜索引擎时，可能要翻好几页、好几十页去找一个结果，ChatGPT 直接返还给你第一个结果，见告你这个便是你想要的答案，以是又会节省非常多的韶光。
这个中就引出一个问题：如果未来的搜索都因此 ChatGPT 的形式存在，这时候想做 SEO，该怎么做？SEO 通过不断地写文章、不断构建外链，能够让搜索引擎给出用户想要的排名，但 ChatGPT 可能会给出商家不想要的结果，这时候从商业上考量，未来大规模措辞模型可能须要通过高下文学习、产生特定的输出。
问题 7：ChatGPT 未来创造逾额收益是否是可预见性的？大概须要的韶光？
是否能够把 ChatGPT 创造的东西进行变现。个人认为：第一，ChatGPT大规模措辞模型永久不会有创造力；第二，基于差值产生的内容有一定的代价，能够取代很多人工输出的内容。但真正能够推动历史发展的东西，是不会创造出来的，仅会根据人类历史而不断地做均匀，随后返回均匀的结果。指望大规模措辞模型带来真正的创造力是不可能的、
从某种意义上而言，ChatGPT的内容生产存在一定的局限性，若未来网络上的东西均为ChatGPT产出，势必对社会构造产生影响。
日常生活中的内容是能够被ChatGPT取代的，其涉及到内容变现，此时无需创作者，仅需进一步依托于ChatGPT进行降本即可，提升其边际收益。从现在开始，我们应学会如何同时接管人类产生的信息和机器产生的信息。
