关于ChatGPT与时空AI，我们约几位技术咖聊了聊（对话全文）_

由美国OpenAI研发的聊天机器人程序ChatGPT爆火于网络，1月已达到1亿月活跃用户，成为历史上增长最快的消费者应用程序。业界形容它的诞生是人工智能时代的“iPhone时刻”，意味着人工智能迎来革命性转折点。

2月14日下午，维智科技CTO刘泉、复旦大学人工智能创新与产业研究院研究员李昊等坐客泰伯网举办的首期《WGDC会客厅——ChatGPT与时空AI》，针对“ChatGPT爆红背后的原因？是否会取代某些行业与岗位？包括与时空AI结合的挑战？如何选择和应用类似ChatGPT的AI技术？”等话题进行了深刻探讨，同时参与会议的还有100位产学研界代表。

以下是交流内容整理（内容由AI输出，未经嘉宾确认）

刘玉璋:各位朋友下午好，先给大家拜个晚年。2023年初，泰伯智库发布了《2023十大科技与应用趋势》，引起了很多关注。随着外部情况的变化，相信大家对23年有着非常不一样的期待。今天是我们《WGDC会客厅》首场活动，谈到ChatGPT相信今天参加活动朋友都不陌生了，ChatGPT在11月上线以来用户增速是非常快的，达到百万级用户只用了五天。Facebook大概是八个月，两年后发展到一个亿。而ChatGPT在1月底就突破了一亿活跃用户。当年微信达到一亿活跃用户大概是花了433天。ChatGPT只用了两个多月。这确实是一个现象级的。2022年最热的关键词，肯定是他了。再说这个创始人的背景，现在很多媒体亲切的称他为奥特曼，因为他确实很彪悍。甚至有媒体讲他幼儿园的时候就表现出来这种天赋，八岁就开始编码，然后大学提前辍学。特别有意思是他在05年20岁时创业，基于位置的陌生人的社交，跟今天我们所讨论的时空人工智能其实有很大的关联。在12年大概是4300万美金把它给卖掉了。后来他加入了美国顶级的孵化器Y C，我去硅谷的时候参观过，他那时候已经在做总裁了。15年他开始创业做OpenAI这个项目。

刘玉璋:现在进入我们第一个议题。ChatGPT可以讲是突然爆红，一个非常大的现象级的产品。我们请嘉宾先也谈谈，你们从这个爆红看到了什么？爆红背后的原因是什么？

刘泉:我理解ChatGPT突然爆红，包括用户规模的增长以及创始人背景让人觉得很impressive的经历。但实际上我一直在这个ai相关的这个行业和工作当中，它突然的走红我觉得还是有一些必然性的。为什么这么讲呢？在整个2022年我看到的是整个AI这个领域还是有非常多的这种讨论，虽然说是相对小圈子的讨论，但实际上这方面的热点新闻已经是层出不穷了，比如说年终的时候有这个AI的自动作诗，自动作曲，自动作画等等，其实当时都在专业领域掀起过一波又一波的讨论。然后去年《science》杂志有一个年度科学十大突破，我记得有一项是人工智能生成内容，就是GPT，所以在ChatGPT 之前AI领域已经有很多关于这个实践和讨论了，2015年奥特曼创办OpenAI这家公司，一开始这方面也引起的关注相对还是比较少，但经过这么多年的打磨，尤其是GPT3出来之后，再加上这次结合了一些来自于人工反馈的这种强化学习之后，能够让ChatGPT真正在一些通用的问答上，以一个非常自然和流畅的方式跟人类去交互，那整个它的可用性、它的易用性——我们且不论他是否准确或权威，但至少看上去还比较靠谱的答案，这相较之前这么多版本还是有一个非常显著的突破，我认为这也是非常核心的一个内在原因。当然，第三方面我觉得这个里面也包括了互联网公司一些底层的商业模式，尤其是我们最近经常会看到“颠覆谷歌，重构下一代搜索”这方面的讨论，所以这里面有大厂在这方面追加的投入和讨论，进一步把这个事情捧到了一个新的高度吧。包括最近讨论的微软下注了，Google匆忙应战之类的，科技界或者说工业界持续有热点内容产出，我觉得也是另外一个推动ChatGPT相关话题爆红的原因。

李昊:ChatGPT是gpt领域的一个大突破，我作为一个长期从事视觉领域的人，感觉真的是又嫉妒又羡慕！为什么他会爆红呢？我个人觉得实际上在过去十几年里，由深度学习引发的这波人工智能的快速发展，我感觉正好完成了一个小周期，即从最初的爆红到后面相对的平台期，也就是前段时间的这个相对低潮期，大家对人工智能的预期没有之前那么高了，原来我们做过非常多的人工智能和行业相结合的尝试，大家从最开始觉得人工智能无所不能，到现在觉得它可能只能解决有限的一些问题，或者说它更多的是起到了一些锦上添花的作用，而起到非常核心的、主导作用的这种场景相对来说是比较少的。那在这样的一个较低的预期之下，使得这个ChatGPT能够爆红。第二呢，我是觉得随着一直以来的技术积累，比方说大模型，多模态自学习以及强化学习等等，还有海量数据，gpu等基础设施的积累，使得训练ChatGPT这样的模型能力成为可能，他训练出来之后就给人一个非常大的惊喜，使得他迅速爆红。另外呢，我觉得ChatGPT的GPT很容易做成一个toC的产品，使得大家都能感受到、都能去用，也是它能够受到这么多关注的一个原因。其实刚开始的时候我对它其实不太在意，但是我做了一系列的尝试，有件事情使得我非常的震惊。就是我把中文出的题目交给他的GPT，它会出现一个python这样的程序，虽然它没有一次性做对，但是我把程序做一个简单的修改，就能达到一个非常好的效果。然后我又把一个正确的程序让ChatGPT的GPT转成C＋＋，它转的就非常完美，让我非常震惊。我相信在很多领域，或者说很多人的感受应该是我跟我一样的。

刘玉璋:这个问题我也问了一下ChatGPT，它说自己之所以爆红，是因为它可以极大的提升了聊天机器人的能力。它使用了一种模仿人类学习能力的计算模型，根据上下文理解用户的语境，并提供准确的回答。今年ChatGPT的爆红跟去年元宇宙有相似之处，像一股浪潮扑面而来，但跟元宇宙不同，元宇宙感觉还是很遥远的事情。有些大厂号称自己干元宇宙，上去一看其实场景还差的很远，它没有那么直接。而ChatGPT让所有人都可以快速体验。我们看ChatGPT所代表的人工智能技术它的进化曲线，是一浪又一浪的，它跟其他很多技术进化的轨迹还是有不一样的特点。

刘玉璋:第二个问题特别有意思，目前来看确实也有这样的担忧，就是技术工作者确实有被ChatGPT替代的可能。从你们的角度来看。会不会有这种担心？你们认为哪一些岗位被替代会更加直接的呢？

李昊:我觉得如果是这个工作是重复性的，大量的重复，而且不需要面对面的沟通的工作，实际上有可能会被部分替代。比如翻译，或线上客服。但整体来讲我是觉得这是一件好事，这使得大家就不去做这些重复性的工作，让大家的工作更有创造性、更有价值。对我们来说，更多的是辅助大家更好的去完成工作，而不是说去替代，使得大家都失业了。

刘泉:我非常赞同李博士的看法。这确实是一个很有意思的问题，我大概分几个角度谈一谈我的看法。首先中国有一个词语叫此消彼长，不仅是ChatGPT，科技的进步总是可能会让一些行业，或者一些工种逐渐消失掉。但在这个过程中，它还会增加一些新的岗位或工作机会。媒体的解读经常关注在它取代了什么，而对他对于工作的辅助以及创造新的一些岗位这些方面却只字不提。我觉得这本身不是非常公平，或者非常完整的角度。第二方面，AI可以替代一些简单重复性的工作，但人的创造性还能够有很大的发挥空间，而不是说简单的和机器去pk确定性的、机械重复的事情。第三方面，ChatGPT也是刚出来不久，得到这么大的热度，褒贬不一，我们也要辩证的来看，就比如说它对于在一些准确现象，在权威这个方面的一些顾虑，也包括它可能对于一些传统的社会秩序、伦理方面的冲击。假设一个学生他不用自己去学习了，他使用ChatGPT来应付作业和考试，他能够比其他学生更容易拿到更高的分数，这个从教育公平的角度或者社会的底层逻辑角度来说，它现在还不是一个完全兼容的状态。我们也看到美国很多高校是明确禁止在校内使用ChatGPT的，像Science杂志，Stack Overflow这样海外知名技术网站也明确禁止使用。所以一方面它很热，另一方面它也有自身的一些局限。当然，这些可能会被逐渐的修正，达到一个相互之间平衡和被社会可接纳的状态。

刘玉璋:我们来看看ChatGPT自己对这个问题的回答。因为ChatGPT自己也可以回答，我们等于是多了一位嘉宾。他说他不担心，他可以提供的是一种新的计算模式，帮助人们克服传统计算方法的局限性，使这个技术进步更快，可以有效的利用人力资源，实现工作效率。同时呢他也讲，因为它减少了一些开发时间和成本，还可以带来一些新的岗位，带来一些新的发展机会。你看，它的回答还是非常具有外交辞令的，看上去也非常完美。

刚才几位嘉宾所谈到的，有一些岗位消失了，另外有一些岗位可能会产生出来。外卖我想可能就是一个典型的例子，我们从没想过今天仍然需要这么多人力帮我们去解决最后一公里的问题。我想AI进步之后可能也会产生出很多跟艺术、跟人的创造性有关的岗位，也可能是我们今天没有预见到的。把那些基础的工作交给AI，我们去做更加有价值的输出。

刘玉璋:接下来再看第三个话题，关于AI与空间信息的结合，从你们的理解来看，有哪些领域可能影响会比较大？就是原来可能不太有，但将会有比较大的新的影响；另外时空技术与AI的结合，会有哪些新的挑战？

刘泉:我觉得这是一个非常好的问题，也是一个很深刻的问题。最近维智内部也在做很多这方面的讨论，ChatGPT以及ChatGPT背后它代表的，比如说ai预训练、大模型、NLP能否突破到一个新的非常通用的高度等等，这些东西对于我们的空间计算，对于我们所希望建设的智慧城市能够产生怎样的一些影响和怎样的一些结合？我觉得它可能是一个需要持续思考和持续论证的一个过程，至少在我们公司内部是这样子。我们也可以跟各位分享和汇报一下我们阶段性的一些共识，包括这里面我们能够着手去做的一些机会点。

首先我们认为以ChatGPT为代表的这样一个ai技术以及预训练大模型的技术应该是能够进一步的加速整个空间计算领域，或者说GIS领域和ai技术的结合。我们看到很多传统的GIS公司对于多源地理信息的清洗，治理，融合等等，然后在上面去建设基于地理信息数据服务的平台或工具。但这个东西本身它在走向更加精细的城市治理过程中，其实面对的这个数量级爆炸式的一个增长，以及基于这个海量数据怎么样能够快速提取出行业的这种B I知识也好，或者ai洞察也好，我觉得是蛮有挑战的。所以近年来我们看到很多GIS厂商不断在拥抱大数据，希望提高海量异构数据处理能力，并行计算能力等。我觉得GPT代表的这样一类新兴技术热点的出现，一定程度上来讲对于我们把行业大数据和人工智能做进一步的结合，是一个很好的鼓舞。我再进一步说几个确定性更强，或者更加具有实操性的机会点。第一个，我们之前所做的一些对于城市跟人工智能相结合的一些预测，更多还是出于单点、单行业的角度，但实际上在城市这样一个维度下，很多数据的获取是非常有难度的，可能获取了一部分，有些东西可能有没有完全的被记录下来，这些东西可能更为稀疏更为多样，但它总量可能并不小，在这里面其实我们想的是怎么样能通过一些通用的行业大模型的研发来辅助我们在某个具体子领域的判断。比如说我们之前帮助一些线下的零售门店看疫情之中以及疫情之后怎么样能够恢复门店营业额的增长。如果我们只拿单个门店的数据，我们发现最终预测的准确度会快速收敛到一个瓶颈，这时候我们通过引入更多数据，比如说其他同类的门店，甚至宽泛意上整个零售行业，开店关店，外卖销量等这些数据补充建立在一个通用的行业大模型的基础之上，再对于这个具体门店，我们发现它预测的准确性和可预测程度都有一个非常显著的提升。所以说从预训练和大模型的角度，我认为是一个相对确定性的、可投入的事情。

第二点，GPT它本身对于智能生成内容的能力甚至不比一般的行业从业者。我们是定位在一个智慧城市，或者说一个数字化的城市，它在展示和交互层面显著区别于传统大屏的创新，就是在这样一个更加丰富立体的元宇宙环境当中，这个数字环境需要有大量内容的生成，需要被消费，需要被推送。我们传统可能有很多的平面设计交互设计，包括模型编辑，制作人员等。这个模型不是深度学习模型，是三维立体这个模型，我们看ncg能力的成熟，也许能够极大的提高我们在单点上的生产效率。我们公司元宇宙的业务线也积极在做这方面的探索。通过文字来自动生成图片，可能已经被行业内很多地方去做讨论了，我们现在也是开始尝试把AI一些能力整合在我们的元宇宙，未来城市智能的交互形态当中内容的生成，这些方面我认为都是我们正在发生的一些改变。

刘玉璋:感谢李总的干货分享，把你们最新的进展也都讲出来了。OK，我们再听一下李博士的观点。

李昊:ChatGPT直接在空间信息，或者是时空人工智能上的应用，我个人并没有看到。但是这个GPT相关技术我觉得会对整个行业带来非常大的变化。举个例子，比如我们正在做用人工智能去做中短期天气预报。之前实际上大家都是用的数字模式，我把整个地球化成很多个网格，然后再用大气动力方程，或者说用一些物理过程，对整个大气的这个过程做一个仿真，然后来预测未来的几天或者十几天的天气，可想而知，它的计算量是非常大的，需要大量的超算来来完成上面的过程。那在ai来看这个问题是什么呢？就是输入持续的一个一个序列。比方说我输入的是过去几天的天气情况，然后每一个序列点上会有一幅图像，这幅图像是一个个的网格，每个网格是三维的，每个网格里面会有一个Embedding

或者一个非常长的特征。实际上这两个问题在是非常相似的，我们也采用了GPT相关的一些技术，比如说大模型，比如说transform相关技术，我们发现利用这些技术之后，在分析的数据集上我们能比数字模式90%以上的预报做的更好。当然这是在一个测试机上，并不是一个线上的系统，即便是这样，我觉得对行业可能会带来一些比较大的改变。另外，在遥感图像生成，比如基于春天的遥感图像，生成一个任何时间的图像，或者说做一些超分，2米的做一个0.5米的图像的生成，个人觉得还是有比较大的用途。

刘玉璋:我们也看一下ChatGPT的回答。它讲它在空间地理信息领域，带来的主要影响可以是有效利用文本，语音等输入，加快实现有效的空间地理建模，还能够根据用户的输入信息实时的生成准确的空间表达。从而构建更为有效的空间查询系统，实现更加个性化，更有洞察力的查询分析等功能。

这跟刚才两位谈到的，因为它要大量的输入之后，它有一个输出过程。对于整个空间地理信息行业来讲，还是有些可以探讨的点。包括刚才讲的文字到图片，一些数据怎么样能够到整个环境渲染上来。我最近看有人讲了一个例子，就是拿GPT来生成地图，把一些数据参数给它之后它可以直接输出一张MAP，大家有兴趣的也可以去看一看。再一个呢，最近我也关注到谷歌在巴黎最近的一次DemoDay上，他自己讲到最近ai的进展，要把ChatGPT类似的技术应用在地图上，包括搜索里面。我刚才也在想，它是不是也会利用相关的技术，把地图的沉浸感做的更强？未来有没有可能直接跟卫星相连？卫星给它数据它不需要人工干预就可以直接生成地图，更加沉浸式的环境渲染，就是我们刚才讲到元宇宙怎样体现一个更加逼真的环境。这会不会是一个好的应用方向？包括刚才讲到基于遥感数据，怎样不需要人工干预，实现预测准确率更高等等，今天和大家做一些这种启发式的交流。

刘玉璋:我们再来看第四个话题。大家都很想快速的把ChatGPT的GPT跟自己的研究结合起来。如何来选择GPT技术呢？因为毕竟ChatGPT现在对于国内的用户是完全不友好的，因为众所周知的原因。国内很多大厂都在加速研发类似技术。你们认为未来如何选择？是直接用国外的技术还是等一等国内的大模型出来？国内你们预测谁家将值得期待或技术更强呢？

李昊:这个问题比较简单。我觉得我们肯定要用我们自己的模型，或者我们自己的某某GPT。整体来讲，我觉得技术并不是一蹴而就的，你看到这个ai出了一个成果，我一个月两个月也做一个，我个人觉得不太现实。那到底谁能做出相关的结构，我觉得取决于很多方面，但是有三点是我觉得一定要具备的。首先是他在人工智能上有一个非常长时间的积累，第二它有海量的高质量的数据，比方说像知乎、百度知道之类的，有非常好的结构化的海量数据作为打底，第三呢，它有非常好的基础设施，有大量的gpu去完成模型的训练。满足上面三条的大厂或中小厂我觉得是不多的，那答案也呼之欲出了吧。

刘泉:李博士的回答非常有意思，窗户纸差最后一层就捅破了。我还是非常认同的，他说的这三点就对应到了算法、算力和数据这三条，确实缺一不可。我们看算力这个，搞一次这个GPT的训练花费几百万美元，甚至这个时间会很长，模型规模非常大，如果没有相当的资源投入就是一个奢谈。实际上这基本上已经把很多公司排除掉了。另一方面在数据这个维度，我可以再补充一下。刚才李博士提到，知乎那种高质量的问答，我非常的认同，那另外一方面我认为通用的搜索问答这类文本的语料积累非常的关键，如果说我们是在一个垂直的领域，比如我只做社交，我只做购物，或者只做其他等等，实际上它对于一个非常丰富和完整的NLP自然语言语料的收集，还是很难免有自身的一个局限，包括他们自己内部的技术可能也会更加聚焦在那个领域之内。当然，今天我们也有一个相对开放的互联网生态，有大量中文的语料，文本信息等，我们从网络上公开的爬渠道，然后把它们放在我们通用的模型训练当中，我觉得这种方式也是可行的。只不过中文在整个互联网上语料的规模量，尤其是有质量的这种规模量，可能相较于英语和其他语言，可能会有一定差距，我们拭目以待吧。

最后一方面，刚才讲的很多角度都是在说国内哪个公司能够自研这个大模型，我觉得对于绝大多数企业来讲，尤其是科技不是它的主营业务的这些企业来讲，更多还是我们看怎么样能够和这样一个时代的技术趋势做一定的结合，然后来帮助自己，不管是业务转型也好，或者让自己基业长青也好，这是一个可能对于绝大多数，尤其是传统行业的上规模企业来说更加直接的一个问题。我还是非常看好用这个接口的方式，就是model as a service和data as service的方式来帮助很多中小企业，是他们不需要做那么高的资源投入，不需要去雇佣算法人员，不需要去研发算力机器等，就能通过少量的数据交互，稍微定制化，或者说直接就用一个线程的一个能力和接口。如果说它本身的通用性足够好，准确性足够好，它也许能够通过这种接口的方式以相对低的边际成本把这样的能力集成进来。我觉得这种方式是非常值得很多企业的从业人员去思考和去探索的。

刘玉璋:ChatGPT的GPT，最近有人讲它有人的心智，通过这个问题其实我也有类似的感受。两位嘉宾没有明确哪一家大厂会更强，ChatGPT回答这个问题也巴拉巴拉说了一堆。它说国内已经有一些著名的互联网公司拥有强大的类似的技术，比如某某，某某。。相关大厂它都贴了一遍，对每个大厂还点评了一下。但我不满足于它的回答呀，我就问他到底谁最好呢？它又说，腾讯和字节两个企业都是极具价值的GPT相关技术提供商，因为他们不仅在知识图谱、深度学习、NLP、ai等方向有了非常好的基础，而且拥有丰富的大数据资源。所以很值得期待他们有类似的更好的突破。然后我又继续问它。这种问题追着我们嘉宾问，嘉宾会觉得要他们在公众场合站队，好像确实也不太合适。那我又继续问ChatGPT，两家到底谁会是第一呢，或者未来谁的用户将增长更快呢？结果它说这个问题太烧脑了，一时没有想出来。

刘玉璋：第五个问题。因为基于两种框架下的模型训练数据的不同，长期来看这两种能力上你们感觉会不会有差异？反推到我们自己在做研究，在做研发，在做接口选择的时候，怎么来站队？

刘泉:我们先不说选择和站队吧，先就事论事的看一下这两者的差异。我觉得可能有些因素不仅是ChatGPT引起，十年二十年一直在说中英文的很多差异，我觉得这些东西还是天然继承过来的。你比如说中文要做分词，中文句法比较复杂，容易产生歧义，我觉得这些特点我们不能忽视它，其实他这么多年一直如此。英文至少不用切分词吧，过去时态、现在时态，相对来说会更加的清晰直接一些，这是语言方面的一个差异。

另外，刚才我提到这个语料库的差异，我相信这个总量绝对是非常多的，但真正要给到训练里面尤其是问答这种形式，我们要有一些高质量的问答内容。包括像ChatGPT它最终还引入了一些基于人工反馈的强化学习的链路，类似于这些内容的输出，尤其是在一些比较前沿的领域，比如金融、法律的某个交叉前沿内容，可能中文相对来说的语料或者说高质量的语料较少一点。所以它的通用性方面我认为会存在一些挑战。当然更重要的，我认为还是在在算力方面的差异。首先中国能够支持这种大规模算力的机构屈指可数，另外这个里面还会涉及到一些芯片、卡脖子问题。假如我们的gpu等供应是存在问题的，那嫁接在算力基础之的模型训练都是空谈了。所以在算力这方面我认为一直以来是我们的瓶颈。同时这个方面也会有进一步迭代的风险。

最后我想说一个偏软性的因素，关于长期主义。玉璋总介绍到这个奥特曼的履历，我们一方面很羡慕他年轻有为，每一个点都踩准了，另一方面他所处的环境和个人追求可能决定了他不需要太多的关注短期的一些ROI产出，商业上短期的得失利弊和取舍。如果看我们生活的环境，包括国内具有这方面实力的大厂，实际上对他们也是有挑战的。这还是非常考验一个人的，或者说一个机构对于长期主义的坚持。这是我认为在国内的研发环境中，我自己，包括这个行业从业者，我们大家都需要去关注和思考的一个方面。

李昊:其实有很多观念跟您是非常相似的，我就简单补充两点，特别是对于长期主义这部分，我跟您这个是高度一致的。其实现在这个Chat GPT它是支持各种语言的，我个人觉得他看来有可能输进去的都是各种各样的符号，随着数据量的增加或者各种模型的增大，对于语言的限制，我觉得会越来越越少，这方面可能会趋同。在什么方面会引起不同呢？比方说各地的政策文化，如果它非常不适合输出一些东西，那这个就会衍生，有可能会衍生各种各样的定制化的版本。第二呢，应用的场景上，你做一个非常通用的人工智能，我个人觉得比较难，我在客服上，在搜索上会有不同的行业属性，这种差异的GPT，这样可能会出现一些版本。

刘玉璋:这个问题确实体现出ChatGPT的专业性了，对于它的回答我还是比较满意的。它说，选择ai模型时，应考虑两种语言的特定应用场景和使用领域，包括它的一些差异化。特别提到的就是数据是ai模型最重要的调节器，所以数据的训练特别重要。在两种框架下，相同的模型可能也会得到不同的结果。英语的训练数据可能比中文的充足，但这也会根据具体的应用场景变化。我们有必要及时补充数据，以保证训练模型的精准性。它总结，长期来看英文和中文这两种ai模型，不会存在明显的差距。刚才两位嘉宾也谈到了，从我们整体的软性的也好，硬性的也好，算法算力数据确实现在来看都还是有差距的。但如果放在一个更长期的维度来看，我认为对于满足我们自己的应用来看数据量是够用的。当然原创性的原始性的这种创新上怎么样能够跟最前沿的观点和模型能够保持一致，还是需要及时考虑。

刘玉璋: 最后希望两位嘉宾把你们的观点再做一个简单的总结，也包括对未来的一个展望。

李昊:我就说一句话，其实我看到这个ChatGPT是非常的激动的，然后人工智能离大规模的落地，感觉是越来越近了。希望我自己能有机会参与进去，也希望大家能有机会参与进去，谢谢大家！

刘泉:李博士开一个很好的头。要非常精炼一句话概括，这个对我有点难度，我稍微展开一下。ChatGPT为代表的Ai技术为我们打开了一个新的大门，或者说极大提高了我们在这方面的期望，我们也非常热切的期待能够和很多对于这个领域感兴趣的，尤其是对于结合最前沿的ai技术落地在智慧城市的建设和应用方面感兴趣的同学一起携手，积极的去做一些探索。我觉得它不应该只是一个玩具，不应该只是一个通用的问答机器，它背后很多底层的ai技术应当在我们生活的物理环境得到更广泛的应用。非常热切的期待这一天的到来，而且因为我们更早的到来，谢谢！

刘玉璋:感谢两位嘉宾的精彩分享！尤其是最后的总结，也真的让大家感受到了你们因ChatGPT引发的AI应用憧憬的激动之情。我自己最近也在反思，ChatGPT对于我们来讲到底意味着什么？我最近正好看完一本书《人脑传》，就是介绍人脑的发展历程。我们的技术大咖在训练这样的ai模型，我时常也在训练自己的大脑，所以要理解大脑到底是怎么回事。特别让我觉得有意思的，是今天我们所看到的ai，即便是今天在这样的进化速度下，和人脑是不是还有一个鸿沟，它永远没办法跨越呢？这也是硅基生命跟碳基生命之间的鸿沟。《大脑传》在最后讲到了一个故事，1998年有两个非常著名的神经科学家，他们在德国不莱梅一次酒会上打了个赌，就是在未来四分之一个世纪内研究意识到底是怎么产生的，他们当时打赌23年以前是不是能够有比较明确的研究，到今天为止已经正好25年过去了，这个话题仍然没有答案。对于ai来讲是一堆芯片板卡集成在一起，它的硬件和软件是分开的。但是对于人类大脑来讲，它是一种完全不一样的东西。虽然我们把人脑比喻成一种计算机，但是实际上这两者之间存在着如此的不同，那就是意识。意识到底是我们人身体哪个器官在起作用？如果只有大脑发挥了作用，是大脑的哪个部位？它是用什么样的功能区所产生的？意识跟心智还不完全一样，它是一种念头之间突然闪现的一种对外界的感知，感知道你现在是在现实、梦境还是其他环境之下。人类的这种感知，实际上是一种觉醒，那机器呢？机器会不会也有觉醒的那一天？它会不会突然进化到像人类一样拥有这样的意识？这也是之前科学著名杂志对未来预测里面，十几个重要的问题排名的前两个，第一个是宇宙到底是由什么构成的，第二个就是人类意识的生命基础是什么。也希望我们大家都能保持这种敬畏之心，也保对未来的好奇心，一起来关注ai的进化跟迭代。我们下期再见，谢谢大家！

*完整视频回放地址：http://wgdc.taibo.cn/

《WGDC会客厅》第二期：从数字孪生到数字原生已开放预约，欢迎扫码加群！

*WGDC（全球地理信息开发者大会）自2012年举办至今，已成功举办十一届，累计超过二十余个国家六万多人次参会，成为极具影响力的科技与产业跨界盛会。WGDC大会始终以“跨界、创新、变革”为核心理念，推动空天科技与人工智能、云、大数据等新一代信息技术融合创新，促进“空天＋”应用场景落地，被业界誉为“科技与产业风向标”。

WGDC2023（第十一届全球地理信息开发者大会）预计将于5月17-18日在北京召开，本届大会以“时空智能，从感知到决策”为主题。内容涉及数字孪生城市、实景三维、卫星应用、自然资源信息化、高精地图与定位、智慧交通、地理空间情报等十余场峰会和研讨会，揭晓“年度创新力榜单”，举办“2023空天信息科技创新成果展”，发布“中国空天信息产业发展指数报告”、“地理空间产业趋势报告”等多项智库成果。

大会官网：http://wgdc.taibo.cn/