第985讲：因为游戏，让人工智能时代早来了10年

引言

今天我们聊个人工智能话题，很有意思！你最近肯定听说过聊天机器人ChatGPT火的一塌糊涂吧?

这个小子已经聪明到和斯坦福的学生媲美了，有人说它知识量甚至超过了普通学生。

事实上,要不是游戏行业的支撑,我们现在还见不到ChatGPT这么厉害的AI呢。

为什么这么说?我给你科普一波硅谷的内幕吧。

ChatGPT这个家伙有1700多亿个参数,整个模型大小570GB,要不是有超级电脑帮忙,谁也跑不起这个家伙。

ChatGPT和所有的深度学习模型的训练都是靠GPU来完成的,也就是显卡,不是CPU。

说到显卡,玩游戏的兄弟肯定都知道,那么深度学习的训练为何非要靠游戏显卡来做呢?

要理解这个,我们得把时间调回上世纪90年代,当时微软刚推出Win系统和3D图形界面,屏幕上的每个像素颜色都需要实时算出来,1024x768的屏幕就有500多万像素,而且每秒最少要算24次,这下子CPU吃不消了。

这就催生了硅谷一些创业公司，其中之一就是斯坦福出身的黄仁勋，也就是我们叫的黄教主，他创立的就是英伟达。

CPU是一条指令对应一条数据，老老实实一条条算。

但在做3D渲染时，计算每个像素的值公式是一样的，只是数据不同。

所以可以有很多芯片一起算，这样几百万像素的计算就可以实时完成了，这就是SIMD，一条指令对应很多数据。

随着游戏业发展，人们追求更真实流畅的体验，对算力需求也越来越高。

这就推动GPU不断提高算力，每个核的计算能力也越来越强。

他当时就想到可以利用GPU的算力和并行运算来做图像拼接计算，并最先把它应用在B超仪器上，就像iPhone上的全景拍照功能。

后来英伟达也认识到这一点，推出了CUDA，这是一种通用的并行编程语言，GPU一下子就可以用于各种科学计算了。

这时候在加拿大一个小镇，有个出生在前苏联的犹太裔人，刚在斯坦福AI大牛辛顿门下做了两个月博士后，他叫杨立昆，要用神经网络做图像识别，最大问题就是CPU算得太慢。

一个同事告诉他，试试用GPU来算，他一试，速度立刻提高了上百倍，因为深度学习的计算很大一部分是矩阵运算，这正是GPU最擅长的。

杨立昆后来在斯坦福两个辍学生马斯克和奥特曼劝说下，2015年一起创立了OpenAI。

黄教主这次给OpenAI送来了英伟达GPU组成的超级计算机，最后ChatGPT用了上万个英伟达GPU来训练。

一次训练要跑一个月有余，目前全球95%的深度学习训练都是在英伟达GPU上完成的。

不过英伟达的游戏业务还是很大，占40%左右，所以也给他们的研发输入了不少资金。

目前GPU在深度学习训练上的速度比CPU快100倍以上，按半导体摩尔定律，CPU每两年算力提高一倍，10年才会提高64倍。

所以如果没有游戏行业的市场需求和资金推动，ChatGPT至少要晚10年才会出现。

现在兄弟你知道ChatGPT的出现和你玩游戏买显卡的贡献已密不可分了吧?

游戏产业不仅仅在GPU的硬件上帮助了人工智能的发展，还在软件和算法上大有裨益，尤其是对机器人的发展。

比如说那个超酷的波士顿动力机器人，它的翻腾跳跃比人还炫酷，但很少人知道它背后的故事。

其实，研发双足和四足机器人的代码太难了，需要无数次失败的尝试。

但好在有个类似游戏的虚拟环境oni，由NVIDIA提供，让虚拟机器人在里面训练。

就像AlphaGo一样，通过不断试错，最终训练出了强大的机器人。

但这种训练方法只能在虚拟环境中进行，因为在真实环境中，机器人试错的代价太大了。

此外，斯坦福大学和谷歌的研究人员将chat gpt和一个模拟人类生活的游戏结合起来，让AI的未来更加令人兴奋

他们给chat gpt一个长期目标记忆和行为反馈，让它像我们人类一样，每天起床、洗漱、吃饭、上班、聚会和议论别人。

这种技术的进步，让未来的游戏产业和人工智能产业相互促进，将会给我们带来更多的惊喜和改变。

据预测，未来几年，AI产业的规模将会持续增加，从今年的300多亿元增加到2030年的超过1000亿元。

因此，我们不难发现，游戏产业对于人工智能的发展贡献巨大。

在未来，游戏产业和人工智能将会更加紧密地结合在一起，为我们带来更多的创新和惊喜。

内容听完了，以上内容均是由GPT转写，从头到尾，我只花了5分钟敲了会键盘。

AI能大幅提升我们的工作效率，尤其是电商，最近我们新成立了一个AI电商社群。

希望通过AI提升店铺运营能力的，让AI帮我们降本增效，并做到之前做不到的事。