編者按：本文來自微信公眾號 劉潤（ID：runliu-pub），作者：二蔓 ，編輯：李桑，微新創(chuàng)想經(jīng)授權(quán)發(fā)布。
2023年，每天都是大新聞。而其中的一大半，都和AI有關(guān)。
今年年初，ChatGPT突然爆火。緊接著，就是AI領(lǐng)域一顆又一顆的重磅炸彈。GPT-4、Microsoft 365 Copilot、Midjourney V5、Google PaLM API，扎堆引爆。鋪天蓋地的新消息，席卷了每一個人的視覺神經(jīng)。
就在上個月末（5月31日），AI界又發(fā)生了一件大事兒。
包括OpenAI CEO，山姆·奧特曼（Sam Altman）等人在內(nèi)的，一眾全球范圍內(nèi)AI領(lǐng)域的重要人物，共同聯(lián)署了一封公開信，呼吁全球共同努力，降低人工智能導(dǎo)致的滅絕風(fēng)險。
這封公開信很短，短到總共就只有22個詞。
Mitigating the risk of extinction from AI should be a global priority alongside other societal-scale risks such as pandemics and nuclear war.
應(yīng)將緩解人工智能導(dǎo)致的滅絕風(fēng)險，與其他社會規(guī)模風(fēng)險（如大流行病和核戰(zhàn)爭）等視作等同，作為全球優(yōu)先事項。
字越少，事兒越大。
這到底是發(fā)生了什么？我記得前一陣子好像也有這么一封信。人工智能的高速發(fā)展不是提升效率的好事嗎？怎么就和大流行病、核戰(zhàn)爭扯上關(guān)系了？他們到底是在擔(dān)憂些什么？這和我有什么關(guān)系？
這些問題，太重要了。
于是，我試著梳理了一下，想知道這封公開信到底是怎么來的，人們對AI的擔(dān)憂到底是怎么一步一步走到今天的，我們又該怎么辦？
然后，我越梳理越有一種感覺，越梳理這種感覺就越強烈：
山姆·奧特曼的格局，可能遠比我們想象的，還要大得多。
什么意思？
這件事，可能還要從兩個多月之前開始說起。
01滅絕風(fēng)險
還記得上一封著名的“AI公開信”嗎？
3月30日，著名企業(yè)家埃隆·馬斯克等一千多名業(yè)界、學(xué)界人士聯(lián)署發(fā)表公開信，呼吁所有AI實驗室立即暫停訓(xùn)練比GPT-4更強大的AI系統(tǒng)，暫停至少6個月。
3月30日，距離年初那一波爆火的GPT-3.5，才剛剛過去119天。距離更強大的GPT-4的推出，才剛剛過去了2周。
這是要干什么？為什么眾多大咖要一起呼吁，他們到底在擔(dān)憂什么？
我想，最主要的原因，還是因為AI的發(fā)展，實在是太快了。
如果相關(guān)的監(jiān)管和法律沒有跟上，甚至連發(fā)明者也缺乏有效的控制手段。在這種條件下，無限制地使用AI，如果出現(xiàn)問題，很可能就會對社會和人類構(gòu)成深遠的風(fēng)險。
比如，如果人工智能系統(tǒng)設(shè)計不當(dāng)或被惡意使用，可能會導(dǎo)致數(shù)據(jù)泄露、隱私侵犯、社會不公等等問題。
比如，隨著人工智能的進一步發(fā)展，未來可能會出現(xiàn)“超級人工智能”的存在。這種智能可能會遠超人類的智力水平，對人類產(chǎn)生滅絕風(fēng)險。
哪有這么夸張啊？AI，不是來幫助我們提升效率的好東西嗎？況且，AI又不是這兩年才有的東西。要是真有這么夸張，早干什么去了？
這是因為，就連從業(yè)者也沒有想到，連接主義，竟然能強大到這個地步。
02連接主義
什么是連接主義？
在很長的一段時間里，AI的發(fā)展，走的其實是一條名叫“邏輯主義（Logicism）”的道路。
邏輯主義，說白了就是主張用公理和邏輯體系，來搭建一套人工智能系統(tǒng)。
比如你想學(xué)習(xí)一門語言，你要知道語法規(guī)則。“主語+謂語+賓語”，就是一種句子規(guī)則。“我（主語）想要（謂語）吃飯（賓語）”，就符合這種規(guī)則。通過列舉各種各樣的規(guī)則和邏輯，來讓AI學(xué)習(xí)語言。
但你想想，語言是多么微妙，復(fù)雜，富有情感。女朋友一個“嗯”字，背后就有八萬四千種情緒。規(guī)則怎么可能窮舉，邏輯怎么可能沒有漏洞。
而且，人根本就不是這樣學(xué)習(xí)的。你從小學(xué)習(xí)語言，是先學(xué)習(xí)語法嗎？不。我們是在一個環(huán)境里，跟著媽媽咿呀學(xué)語，跟著爸爸哼哼唧唧，看著看著，聽著聽著，自然就會了。
這個“自然就會了”，其實是因為人腦的神經(jīng)元不斷連接。人腦的神經(jīng)元數(shù)量，據(jù)說可以達到1000億個，這些神經(jīng)元，一旦接觸外界的刺激，就會產(chǎn)生連接。刺激越多，連接就越多，直到人腦突然涌現(xiàn)出知識和智慧。很多事情，自然就會了。
這種人腦產(chǎn)生智能的方式，也被用在了AI上。給AI很多數(shù)據(jù)，讓它自己看，自己學(xué)，自己感受。這個路線，又叫“連接主義（Connectionism）”。連接主義，也成為現(xiàn)在AI發(fā)展的主流。
換句話說，今天的AI越來越厲害，是因為真的越來越像個“人”了。而且，是一個擁有上萬億“神經(jīng)元”的“人”。
那么，明天呢？明天的AI，又會變成什么樣？誰知道上萬億個神經(jīng)元在接觸了大量的外界刺激之后，會涌現(xiàn)出怎樣可怕的知識和智慧來？
這種來自未知的恐懼，用埃隆·馬斯克（Elon Reeve Musk）的話說就是：
人工智能，遠比核武器更加危險。
所以，必須要有人呼吁，必須要有人干預(yù)，必須要有人大聲疾呼。
那么，收到3月30日那封公開信的從業(yè)者們，真的會乖乖地暫停AI訓(xùn)練嗎？大概率不會的。
為什么？因為這是一個“壞的納什均衡”。
03納什均衡
什么是“壞的納什均衡”？
你在劇場看戲劇。這出戲演得特別好，特別妙。可是，第一排的那幫人，真的太可惡了。為了能看得更清楚一些，他們竟然忍不住站了起來。
這下可好。他們一旦站起來，第二排的觀眾就被擋住了。于是，第二排觀眾也站起來了。接著，就是第三排，第四排，第五排。
就這樣，整個劇場的人，最后都是站著看完的這場戲。
但是，你發(fā)現(xiàn)沒有，整個劇場都站起來了之后，大家從觀看視線的角度，還是跟原來坐著一樣。本來所有人都可以舒舒服服地坐著看，但就是因為第一排的人站起來了，所有人就都得跟著站起來看。
這就是“壞的納什均衡”。
每一個參與其中的人的“最優(yōu)策略”，是“不遵守規(guī)則”。每一個人的不遵守規(guī)則，又會導(dǎo)致“最差結(jié)果”。
所以，一紙公開信，很容易變成一張“今天誰復(fù)習(xí)誰是小狗”的廢紙。一到家，只有那個提議的人沒復(fù)習(xí)。
所謂的暫停開發(fā)，很容易就會演變成秘密開發(fā)。前排所有的觀眾都站起來了，我不站起來，我就看不到戲劇了。對面所有的對手都舉著槍，我要是把槍放下，我就必死無疑。萬一別人都在研究，就我沒有，那我的損失就太大了。
那怎么辦？
這時，最好的解決辦法就是：行政手段。
04行政手段
什么是行政手段？
誰都不準(zhǔn)站起來，誰站起來罰款，是行政手段。禁止參加校外的輔導(dǎo)課，誰參加就罰款，是行政手段。不允許使用不合規(guī)的廣告，誰使用就罰款，是行政手段。
3，2，1。都給我把槍放下來。
當(dāng)所有人只要“不遵守規(guī)則”就會受到足夠力度的懲罰的時候，每個人才會乖乖地遵守規(guī)則。當(dāng)每個人都遵守規(guī)則的時候，才會發(fā)現(xiàn)，坐著，也許也挺好。
于是，5月16日晚上，山姆·奧特曼，走上了美國參議院的聽證會，并在聽證會上表示，政府監(jiān)管對行業(yè)的未來至關(guān)重要。
你能想象嗎？山姆·奧特曼，竟然在聽證會上表示：我愿意遵守規(guī)則，請給我戴上手銬。而且，我建議你可以這樣給我戴。
第一，建立一個政府機構(gòu)，給我們發(fā)放許可證，如果模型不符合政府制定的安全準(zhǔn)則，也可以撤銷這些許可證。
第二，為高能力的人工智能模型制定安全標(biāo)準(zhǔn)，并建立模型必須通過的具體功能測試，確保它不產(chǎn)生危險內(nèi)容。
第三，引入與創(chuàng)造者及政府無關(guān)的第三方專家進行獨立評估，以確保人工智能工具在立法準(zhǔn)則內(nèi)運行。
一刀，兩刀，三刀。刀刀砍在要害上。
有了許可證之后，開發(fā)AI所需要的數(shù)據(jù)，可能就拿不到了。有了安全標(biāo)準(zhǔn)之后，OpenAI目前已有的能力，可能會受到強烈的限制。有了第三方專家之后，所有炫目華麗的科技，可能都要在鐐銬下起舞。
而這個召喚手銬的人，不是某個還在觀望AI的人，不是某家還沒成功開發(fā)的公司，而是OpenAI的首席執(zhí)行官，AI世界的重要人物，某種意義上未來世界的領(lǐng)跑者，山姆·奧特曼。
天啊，這是什么樣的格局。
可是，他會這么說，應(yīng)該也不奇怪吧？該賺的錢，他早就賺夠了。監(jiān)管之后，所有人都不發(fā)展了，OpenAI領(lǐng)頭羊的位置反而得到了保護。這副手銬對山姆·奧特曼來說，簡直就是實打?qū)嵉慕鹗咒D呀！
唉。那我想說，這也太低估奧特曼的境界了。
OpenAI，根本就是一家非營利機構(gòu)。
05非營利機構(gòu)
什么是非營利機構(gòu)？
非營利機構(gòu)，在英文世界里叫做，Non-Profit Organization，指的是那些不以營利為目的的組織。非營利組織的運作并不是為了產(chǎn)生利益，這一點通常被視為這類組織的主要特性。但是，關(guān)鍵是但是，但是，非營利組織還是必須產(chǎn)生收益，以提供其活動的資金，只不過它的收入和支出都是受到嚴(yán)格限制的。
舉個例子。
你是一家非營利機構(gòu)性質(zhì)的私立學(xué)校創(chuàng)始人，你的夢想，是通過特有的教學(xué)理念，來提升中國學(xué)生的綜合素質(zhì)。而這家擁有遠大夢想的私立學(xué)校，收入不菲。我的孩子想到你這里來上學(xué)，光是一年的學(xué)費就要大20萬。你每年招收500名學(xué)生，那么這家私立學(xué)校每年能從學(xué)費上拿到的收入，是整整1個億。這1個億，是給你用來支付教師工資、購買課桌椅、提升教學(xué)環(huán)境，用來支撐各類運行費用，用來實現(xiàn)“非營利目的”的。
注意，重點來了。這1個億，在支撐完各種費用之后，還有盈余，怎么辦？對不起，多出來的錢，你不能從中分紅。你得把這筆錢，用在請更好的老師、買更好的課桌椅上。可是可是，那萬一我收的學(xué)費，還不足以支撐運行費用，怎么辦？很遺憾，你也不能融資。你只能接受別人的捐贈。
這就是：非營利機構(gòu)。
你見過的一些私立學(xué)校，是非營利機構(gòu)；你聽過的一些基金會，是非營利機構(gòu)；而這家一飛沖天的OpenAI，竟然也是非營利機構(gòu)。
而奧特曼的夢想，是在這個非營利機構(gòu)里，用（在很多人眼里，根本不可能的）通用人工智能，造福全人類。不是賺錢。但是，如果他一不小心賺到錢了，這筆錢也要繼續(xù)投入到“造福全人類”中去，是不能從中分紅，再拿回去買房買車買島買飛機的。
于是，在聽證會的現(xiàn)場，我們看到了那個我不知道該怎么形容的表情。
在吃驚地向聽證會核實了好幾次提問之后，山姆·奧特曼才帶著木訥地表情回答說：我在開放人工智能中沒有股權(quán)，我賺到的錢只夠我購買食物和保險。
我根本就沒有錢。
啊？怎么可能。就連聽證會都吃驚地說到：你需要一個律師，我懷疑你被人騙了。
天啊。這是怎樣一個理工男，怎樣一個鐵憨憨，怎樣一個理想主義者。
他要通過人工智能，造福全人類。他要實現(xiàn)他的理想，而不是賺錢。也許他會一不小心賺到錢，但請放心，他一定會繼續(xù)用這筆錢來造福全人類。
但現(xiàn)在，為了更好地造福全人類，也順帶著實現(xiàn)我的理想，請為我戴上手銬。
于是，他終于在一個致力于推動AI安全研究和政策的非營利組織Safe AI Society發(fā)起的，呼吁全球的研究者、政策制定者和公眾共同努力而不是只有從業(yè)者的，只有22個詞的公開信上，簽下了自己的名字。
Sam Altman。
06最后的話
那么，簽下這封公開信之后，AI的世界將會變成什么樣呢？
還不確切知道。看后面發(fā)展吧。但我想，這大概只是一個開始。
也許，我們要等很久很久，才能見到GPT-4.5了。也許，我們很快會迎來一套全新的法規(guī)，全新的部門。也許，我們將會用上更高效，同時也更安全的人工智能。
那么，這對我們又意味著什么？
也許，我們最應(yīng)該從中習(xí)得的一件事就是：永遠，不要放棄做一個理想主義者。永遠，不要放棄做一個有格局的人。永遠，不要忘記自己的初心。
唉。很多人都希望改變世界。但是走著走著，就被這個世界改變了。即使沒有被改變，世界也會說，你變了。
他們會說，3月30日的公開信，是在“GPT-4剛剛推出2周”的時候呼吁的，明擺著就是為了打壓山姆·奧特曼。
他們會說，5月16日的聽證會，請求政府實行行業(yè)監(jiān)管，明擺著就是為了持證上崗，實行壟斷。
他們會說，5月31日的公開信，肯定是因為山姆·奧特曼已經(jīng)得到了官方人員的許諾，才簽的字。
他們會說，不過就是天天露臉，想火想瘋了罷了。
他們會說，搞不好，連這個人都是假的！
一旦愿意相信陰謀，這個世界其實到處都可以是陰謀。
只是，在這個糖果商不會告訴你吃得太多會蛀牙的世界里，我愿意相信他沒有陰謀。
在這個太多人在灰色地帶做著明明就令行禁止的事的世界里，我愿意相信他沒有陰謀。
在這個很多人眼中鈔能力就是一切的世界里，我愿意相信他沒有陰謀。
我愿意相信，奧特曼沒有陰謀。
就像我愿意相信，人性本善。
唉。
本文為專欄作者授權(quán)微新創(chuàng)想發(fā)表，版權(quán)歸原作者所有。文章系作者個人觀點，不代表微新創(chuàng)想立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系http://www.i0562.net/。
]]>
隨著GPT-4、Stable Diffusion和Midjourney的爆火，越來越多的人開始在工作和生活中引入生成式AI技術(shù)。
甚至，有人已經(jīng)開始嘗試用AI生成的數(shù)據(jù)來訓(xùn)練AI了。難道，這就是傳說中的「數(shù)據(jù)永動機」？
然而，來自牛津、劍橋、帝國理工等機構(gòu)研究人員發(fā)現(xiàn)，如果在訓(xùn)練時大量使用AI內(nèi)容，會引發(fā)模型崩潰（model collapse），造成不可逆的缺陷。
也就是，隨著時間推移，模型就會忘記真實基礎(chǔ)數(shù)據(jù)部分。即使在幾乎理想的長期學(xué)習(xí)狀態(tài)下，這個情況也無法避免。
因此研究人員呼吁，如果想要繼續(xù)保持大規(guī)模數(shù)據(jù)帶來的模型優(yōu)越性，就必須認(rèn)真對待人類自己寫出來的文本。
論文地址：https://arxiv.org/abs/2305.17493v2
但現(xiàn)在的問題在于——你以為的「人類數(shù)據(jù)」，可能并不是「人類」寫的。
洛桑聯(lián)邦理工學(xué)院（EPFL）的最新研究稱，預(yù)估33%-46%的人類數(shù)據(jù)都是由AI生成的。
訓(xùn)練數(shù)據(jù)，都是「垃圾」
毫無疑問，現(xiàn)在的大語言模型已經(jīng)進化出了相當(dāng)強大的能力，比如GPT-4可以在某些場景下生成與人類別無二致的文本。
但這背后的一個重要原因是，它們的訓(xùn)練數(shù)據(jù)大部分來源于過去幾十年人類在互聯(lián)網(wǎng)上的交流。
如果未來的語言模型仍然依賴于從網(wǎng)絡(luò)上爬取數(shù)據(jù)的話，就不可避免地要在訓(xùn)練集中引入自己生成的文本。
對此，研究人員預(yù)測，等GPT發(fā)展到第n代的時候，模型將會出現(xiàn)嚴(yán)重的崩潰問題。
那么，在這種不可避免會抓取到LLM生成內(nèi)容的情況下，為模型的訓(xùn)練準(zhǔn)備由人類生產(chǎn)的真實數(shù)據(jù)，就變得尤為重要了。
大名鼎鼎的亞馬遜數(shù)據(jù)眾包平臺Mechanical Turk（MTurk）從2005年啟動時就已經(jīng)成為許多人的副業(yè)選擇。
科研人員可以發(fā)布各種瑣碎的人類智能任務(wù)，比如給圖像標(biāo)注、調(diào)查等，應(yīng)有盡有。
而這些任務(wù)通常是計算機和算法無法處理的，甚至，MTurk成為一些預(yù)算不夠的科研人員和公司的「最佳選擇」。
就連貝佐斯還將MTurk的眾包工人戲稱為「人工人工智能」。
除了MTurk，包括Prolific在內(nèi)的眾包平臺已經(jīng)成為研究人員和行業(yè)實踐者的核心，能夠提供創(chuàng)建、標(biāo)注和總結(jié)各種數(shù)據(jù)的方法，以便進行調(diào)查和實驗。
然而，來自EPFL的研究發(fā)現(xiàn)，在這個人類數(shù)據(jù)的關(guān)鍵來源上，有近乎一半的數(shù)據(jù)都是標(biāo)注員用AI創(chuàng)建的。
論文地址：https://arxiv.org/abs/2306.07899v1
模型崩潰
而最開始提到的「模型崩潰」，就是在給模型投喂了太多來自AI的數(shù)據(jù)之后，帶來的能夠影響多代的退化。
也就是，新一代模型的訓(xùn)練數(shù)據(jù)會被上一代模型的生成數(shù)據(jù)所污染，從而對現(xiàn)實世界的感知產(chǎn)生錯誤的理解。
更進一步，這種崩潰還會引發(fā)比如基于性別、種族或其他敏感屬性的歧視問題，尤其是如果生成AI隨著時間的推移學(xué)會在其響應(yīng)中只生成某個種族，而「忘記」其他種族的存在。
而且，除了大語言模型，模型崩潰還會出現(xiàn)在變分自編碼器（VAE）、高斯混合模型上。
需要注意的是，模型崩潰的過程與災(zāi)難性遺忘（catastrophic forgetting）不同，模型不會忘記以前學(xué)過的數(shù)據(jù)，而是開始把模型的錯誤想法曲解為現(xiàn)實，并且還會強化自己對錯誤想法的信念。
舉個例子，比如模型在一個包含100張貓圖片的數(shù)據(jù)集上進行訓(xùn)練，其中有10張藍毛貓，90張黃毛貓。
模型學(xué)到的結(jié)論是，黃毛貓更普遍，同時會傾向于把藍毛貓想象的比實際更偏黃，所以在被要求生成新數(shù)據(jù)時可能會返回一些類似綠毛貓的結(jié)果。
而隨著時間的推移，藍毛的原始特征在多個訓(xùn)練epoch中逐漸被侵蝕，直接從藍色變成了綠色，最終再演變?yōu)辄S色，這種漸進的扭曲和丟失少數(shù)特征的現(xiàn)象就是模型崩潰。
具體來說，模型崩潰可以分為兩種情況：
1. 早期模型崩潰（early model collapse），模型開始丟失有關(guān)分布尾部的信息；
2. 后期模型崩潰（late model collapse），模型與原始分布的不同模式糾纏在一起，并收斂到一個與原始分布幾乎沒有相似之處的分布，往往方差也會非常小。
與此同時，研究人員也總結(jié)出了造成模型崩潰的兩個主要原因：
其中，在更多的時候，我們會得到一種級聯(lián)效應(yīng)，即單個不準(zhǔn)確的組合會導(dǎo)致整體誤差的增加。
1. 統(tǒng)計近似誤差（Statistical approximation error）
在重采樣的每一步中，信息中非零概率都可能會丟失，導(dǎo)致出現(xiàn)統(tǒng)計近似誤差，當(dāng)樣本數(shù)量趨于無限會逐漸消失，該誤差是導(dǎo)致模型崩潰的主要原因。
2. 函數(shù)近似誤差（Functional approximation error）
該誤差主要源于模型中的函數(shù)近似器表達能力不足，或者有時在原始分布支持之外的表達能力太強。
眾所周知，神經(jīng)網(wǎng)絡(luò)在極限情況下是通用的函數(shù)近似器，但實際上這種假設(shè)并不總是成立的，特別是神經(jīng)網(wǎng)絡(luò)可以在原始分布的支持范圍之外引入非零似然。
舉個簡單例子，如果我們試圖用一個高斯分布來擬合兩個高斯的混合分布，即使模型具有關(guān)于數(shù)據(jù)分布的完美信息，模型誤差也是不可避免的。
需要注意的是，在沒有統(tǒng)計誤差的情況下，函數(shù)近似誤差只會發(fā)生在第一代，一旦新的分布能被函數(shù)近似器描述出來，就會在各代模型中保持完全相同的分布。
可以說，模型強大的近似能力是一把雙刃劍：其表達能力可能會抵消統(tǒng)計噪聲，從而更好地擬合真實分布，但同樣也會使噪聲復(fù)雜化。
對此，論文共同一作Ilia Shumailov表示：「生成數(shù)據(jù)中的錯誤會累積，最終迫使從生成數(shù)據(jù)中學(xué)習(xí)的模型進一步錯誤地理解現(xiàn)實。而且模型崩潰發(fā)生得非常快，模型會迅速忘記最初學(xué)習(xí)的大部分原始數(shù)據(jù)。」
解決方法
好在，研究人員發(fā)現(xiàn)，我們還是有辦法來避免模型崩潰的。
第一種方法是保留原始的、完全或名義上由人類生成的數(shù)據(jù)集的高質(zhì)量副本，并避免與AI生成的數(shù)據(jù)混合，然后定期使用這些數(shù)據(jù)對模型進行重新訓(xùn)練，或者完全從頭訓(xùn)練一遍模型。
第二種避免回復(fù)質(zhì)量下降并減少AI模型中的錯誤或重復(fù)的方法是將全新的、干凈的、由人類生成的數(shù)據(jù)集重新引入訓(xùn)練中。
為了防止模型崩潰，開發(fā)者需要確保原始數(shù)據(jù)中的少數(shù)派在后續(xù)數(shù)據(jù)集中得到公正的表征。
數(shù)據(jù)需要仔細(xì)備份，并覆蓋所有可能的邊界情況；在評估模型的性能時，需要考慮到模型將要處理的數(shù)據(jù)，甚至是最不可信的數(shù)據(jù)。
隨后，當(dāng)重新訓(xùn)練模型時，還需要確保同時包括舊數(shù)據(jù)和新數(shù)據(jù)，雖然會增加訓(xùn)練的成本，但至少在某種程度上有助于緩解模型崩潰。
不過，這些方法必須要內(nèi)容制作者或AI公司采取某種大規(guī)模的標(biāo)記機制，來區(qū)分AI生成的內(nèi)容和人類生成的內(nèi)容。
目前，有一些開箱即用的解決方案，比如GPTZero，OpenAI Detector，或Writer在簡單的文本上工作得很好。
然而，在一些特殊的文本中，這些方法并不能有效執(zhí)行。比如，在EPFL研究中有ChatGPT合成的10個總結(jié)，而GPTZero只檢測到6個是合成的。
對此，研究人員通過微調(diào)自己的模型來檢測AI的使用，發(fā)現(xiàn)ChatGPT在編寫本文時是最常用的LLM。
對于構(gòu)建的檢測AI數(shù)據(jù)的方法，研究人員利用原始研究中的答案和用ChatGPT合成的數(shù)據(jù)，訓(xùn)練了一個定制的「合成-真實分類器」。
然后用這個分類器來估計重新進行的任務(wù)中合成答案的普遍性。
具體來講，研究人員首先使用真正由人類撰寫的MTurk回應(yīng)，和合成LLM生成的回應(yīng)，來訓(xùn)練特定任務(wù)的「合成-真實分類器」。
其次，將這個分類器用于MTurk的真實回應(yīng)（其中眾包人可能使用，也可能沒有依賴LLM），以估計LLM使用的普遍性。
最后，研究者確認(rèn)了結(jié)果的有效性，在事后比較分析擊鍵數(shù)據(jù)與MTurk的回應(yīng)。
實驗結(jié)果顯示，這個模型在正確識別人工智能文本方面高達99%的準(zhǔn)確率。
此外，研究人員用擊鍵數(shù)據(jù)驗證了結(jié)果，發(fā)現(xiàn)：
– 完全在MTurk文本框中寫的總結(jié)（不太可能是合成的）都被歸類為真實的；
– 在粘貼的總結(jié)中，提取式總結(jié)和LLM的使用有明顯區(qū)別。
具體來講，人工智能生成的文本通常與原始總結(jié)幾乎沒有相似之處。這表明AI模型正在生成新文本，而不是復(fù)制和粘貼原始內(nèi)容的一部分。
「人類數(shù)據(jù)」很重要
現(xiàn)在，人們普遍擔(dān)心LLM將塑造人類的「信息生態(tài)系統(tǒng)」，也就是說，在線可獲得的大部分信息都是由LLM生成的。
使用綜合生成數(shù)據(jù)訓(xùn)練的LLM的性能明顯降低，就像Ilia Shumailov所稱會讓模型患上「癡呆癥」。
而這個問題將會變得更加嚴(yán)重，因為隨著LLM的普及，眾包工作者們已經(jīng)廣泛使用ChatGPT等各種LLM。
但對于人類內(nèi)容創(chuàng)作者來說，這是一個好消息，提高工作效率的同時，還賺到了錢。
但是，若想挽救LLM不陷于崩潰的邊緣，還是需要真實的「人類數(shù)據(jù)」。
1. 人類數(shù)據(jù)在科學(xué)中仍然是至關(guān)重要的
2. 在合成數(shù)據(jù)上訓(xùn)練模型可能會帶來偏見和意識形態(tài)永久化
3. 隨著模型變得流行和更好/多模態(tài)，采用率只會增加
總的來說，由人類生成的原始數(shù)據(jù)可以更好地表示世界，雖然也可能包含某些劣質(zhì)、概率較低的數(shù)據(jù)；而生成式模型往往只會過度擬合流行數(shù)據(jù)，并對概率更低的數(shù)據(jù)產(chǎn)生誤解。
那么，在充斥著生成式AI工具和相關(guān)內(nèi)容的未來，人類制作的內(nèi)容或許會比今天更有價值，尤其是作為AI原始訓(xùn)練數(shù)據(jù)的來源。
參考資料：
https://arxiv.org/abs/2306.07899v1
https://arxiv.org/abs/2305.17493v2
本文（含圖片）為合作媒體授權(quán)微想智云轉(zhuǎn)載，不代表微想智云立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系http://gpt.idea2003.com/。
]]>
編者按：本文來自微信公眾號 硅發(fā)布（ID：guifabucom），作者：Lynn Yang，微想智云經(jīng)授權(quán)轉(zhuǎn)載。
前些天有這樣一條消息：5 月 29 日，OpenAI 創(chuàng)始人薩姆.奧特曼在接受人工智能公司 Humanloop 的 CEO 拉扎.哈比卜訪談時談到了 OpenAI 的未來。
盡管第二天，Humanloop 應(yīng) OpenAI 要求迅速刪除了這一分享。但根據(jù)其他網(wǎng)站的轉(zhuǎn)載，我們依然可以追溯到奧特曼當(dāng)時分享的幾個核心要點。
其中，奧特曼提到了一個重要信息。如下：
“ChatGPT 不會很快發(fā)布后續(xù)插件，因為從實際市場情況看，插件目前沒有達到產(chǎn)品與市場的契合度（Product/Marketing Fit）。除了瀏覽之外，插件的使用情況表明，他們還沒有和市場達到最佳的契合點。”
換句話說：ChatGPT 并沒有像很多人預(yù)期的那樣因為插件而成為一個超級入口。
那么究竟是為什么呢？
（一）
5 月 29 日那天，我正好把自己關(guān)在家里，緊張兮兮地測試釘釘加入生成式 AI 后的能力。
5 月底，我成為了“釘釘斜杠‘/’”第一批邀請測試的企業(yè)用戶，“釘釘斜杠‘/’”首批開放的能力還挺多，不光有熟悉的文檔，還有群聊、應(yīng)用開發(fā)以及會議等場景。
我的目標(biāo)是：我要測試一下這幾個場景的生成式 AI 能力，并將其與我所熟知的海外同類產(chǎn)品做一對比。
首先我發(fā)現(xiàn)，釘釘文檔與 Notion 很像，都圍繞辦公內(nèi)容生產(chǎn)的自動化設(shè)置了十幾個場景。但兩者的最大差異是：釘釘把“文生圖”、“文生表格”的能力也一起放進了文檔里。
這樣做的最大好處是：在工作中，我們可以在一個界面，就完成寫作、插圖和表格的植入。這將大大提高職場人士生產(chǎn)內(nèi)容的效率，也使釘釘成為了國內(nèi)首個將文生圖 AI 能力落地到應(yīng)用中的生產(chǎn)力工具。
比如，Notion 就沒有文生圖功能。文字生成圖片方面，海外做得最好的是 Midjourney。盡管釘釘文檔生成的圖像在畫質(zhì)優(yōu)雅方面不如 Midjourney，但我覺得這不是大問題，因為釘釘強調(diào)的是辦公場景，更加強調(diào)的是圖像的功能性。反而，我覺得釘釘文生圖兩個最大的 Bug 是：
第一，因為眾所周知的原因，釘釘無法生成敏感人物的圖（如特朗普、范冰冰等）；第二，釘釘無法很好地生成涉及名人的圖。根據(jù)釘釘告訴我的說法：這個問題與版權(quán)有關(guān)，因為名人圖像非常容易被惡搞之后四處傳播，在法律上容易存在風(fēng)險。
下面，是我用釘釘文檔中“文生表格”功能生成的一張表格，我把它調(diào)成了我最喜歡的綠色。隨后，我將用這張圖來測試釘釘在生成應(yīng)用方面的生成式 AI 能力。
（二）
在釘釘應(yīng)用生成方面，我最喜歡的是一個傻瓜級功能，叫“識圖搭應(yīng)用”，它允許任何人通過拍照的方式來讓釘釘識圖，然后快速生成應(yīng)用，非常適合我這種不會寫代碼的人。
如下圖，當(dāng)我把上述綠色的表格上傳到“識圖搭應(yīng)用”里，機器人很快就把我制作的表格變成了一個應(yīng)用，讓我預(yù)覽。
預(yù)覽中，我發(fā)現(xiàn)表格的標(biāo)題不完整，于是動手修改。這個時候，頁面飛快地轉(zhuǎn)到了釘釘在 2020 年推出的低代碼應(yīng)用平臺——宜搭。
根據(jù)從釘釘了解到的信息：我用 AI 生成的這些應(yīng)用，也可以打通釘釘、內(nèi)部系統(tǒng)。如銷售人員可以在群里實時提交當(dāng)天的客戶跟進記錄，相關(guān)信息也可以通過宜搭接口同步到企業(yè)內(nèi)部的 CRM 系統(tǒng)中，數(shù)據(jù)打通實現(xiàn)數(shù)據(jù)回流。
第二，釘釘已經(jīng)把低代碼的各類通用模板、常見小程序喂給大模型。因此，大模型里沉淀了千行百業(yè)（制造業(yè)、醫(yī)療、建筑等）以及各類高頻業(yè)務(wù)場景（人事行政、財務(wù)報銷、生產(chǎn)制造）中的上千個應(yīng)用模板，構(gòu)建了大量業(yè)務(wù) Knowhow 數(shù)據(jù)，可以根據(jù)用戶指令來智能推薦并補全業(yè)務(wù)應(yīng)用信息。
另一個我覺得很有意思的 AI 功能，是釘釘群聊 IM 中的問答機器人。
這個機器人支持任何人和公司在投喂給它私有數(shù)據(jù)后，都可以定制一個專屬于自己的 AI 對話機器人。如下圖，我投喂給了機器人我的《加入知識星球必讀》。
在快速學(xué)習(xí)了我的私有數(shù)據(jù)后，下面是我向機器人提取的信息：
這個機器人的胃口很大，可以一次學(xué)習(xí)數(shù)十萬字的中文材料，然后，智能生成對話問答。每一位群成員都可以在群里 @它、向它提問。
從體驗中可以想象到商業(yè)場景的可能性：這種 AI 場景將在社群運營、客服答疑、新人培訓(xùn)、公司制度及各種專業(yè)類內(nèi)容（如法律等）時發(fā)揮重大作用，并大大幫助公司節(jié)省人力、提升分析問題和尋找答案的效率。
當(dāng)然，釘釘也有群聊 AI 方面的其他功能。如在面對群內(nèi)海量聊天記錄時，能夠一鍵自動生成聊天摘要、拿捏出重要信息。
此外，釘釘會議還可以實現(xiàn)無時長限制、無字?jǐn)?shù)限制的摘要能力，一場兩小時、一兩萬字的會議，釘釘會議會根據(jù)內(nèi)容智能劃分章節(jié)，最終根據(jù)信息整合類似的內(nèi)容生成為幾個大的議題摘要。
需要注意的是：5 月 4 日，Salesforce 也推出了人工智能工具 SlackGPT。和今年 3 月 Slack 推出的 ChatGPT 機器人作為一個集成添加到平臺中不同，SlackGPT 是被嵌入到了 Slack 的核心功能里。
簡單講，SlackGPT 具有集成到應(yīng)用本機界面的功能，以及用于自定義工作流程的無代碼工具。用戶可以一鍵點擊迅速“總結(jié)”錯過的內(nèi)容。在大家的討論場景下，SlackGPT 還可以根據(jù)音頻記錄生成智能摘要并將其放入聊天中。
但是截至目前，Slack 還沒有推出 SlackGPT，高管說可能需要等到明年。也就是說，釘釘推出群聊 AI 的速度要比 Slack 快很多。
（三）
當(dāng)然，Notion 和釘釘?shù)淖畲蟛町惼鋵嵤恰暗谝贿壿嫛薄?/strong>
盡管兩者在整體架構(gòu)上很像，都可以用于經(jīng)營公司、管理項目和捕捉想法，但 Notion 的第一邏輯首先是一個個人工具，然后才是公司邏輯；而釘釘則首先是公司邏輯，然后才是一個個人工具。也正因為此，我非常期待融合了 AI 屬性的釘釘個人版的出現(xiàn)。
并且，我很自然地就由釘釘個人版的 “/”，聯(lián)想到了伊隆.馬斯克的 “X”。
因為同是 5 月 29 日消息：根據(jù)薩姆.奧特曼在接受人工智能公司 Humanloop 的 CEO 拉扎.哈比卜訪談時的說法：
“盡管許多開發(fā)者都表達了在 API 中融入 ChatGPT 插件的興趣，但是插件可能不會很快發(fā)布：因為插件目前沒有達到產(chǎn)品市場契合度（PMF），除了瀏覽之外，插件的使用情況表明他們還沒有和市場達到最佳的契合點。
第二，很多人認(rèn)為他們希望他們的應(yīng)用程序在 ChatGPT 中，但他們真正想要的是在他們的應(yīng)用程序中可以使用 ChatGPT。”
這里透露出的一個重要問題是：為什么目前 ChatGPT 的插件沒有達到產(chǎn)品與市場的契合度？
我猜測可能的答案如下：
根據(jù)我查閱的 Chat.openai.com 在 Similarweb 的信息，如下圖：
Chat.openai.com 在今年 3 月的總訪問量（桌面和移動設(shè)備）達到了 18 億次，平均每次訪問的頁數(shù)為 6.22，平均訪問的持續(xù)時間為 8:32 分鐘。
從上圖中可以看到：平均訪問的持續(xù)時間太短，可能是一個問題。
此外根據(jù)美媒的最新報道：為了對抗微軟和 OpenAI，以及谷歌的 DeepMind 的合作伙伴關(guān)系，伊隆.馬斯克正在 AI 領(lǐng)域準(zhǔn)備一個新項目，這個新項目“某種程度上”可能涉及利用馬斯克的至少兩家公司——特斯拉和推特——的技術(shù)。
馬斯克的原話是：“我認(rèn)為這場比賽中，應(yīng)該有重要的第三匹馬。”
馬斯克近日對美媒表示，他不想在公告上倉促行事，“但 OpenAI 與微軟的關(guān)系似乎運作良好……所以 X.AI、推特和特斯拉，可能會有類似的東西。”
上個月，馬斯克將 X.AI Corp. 注冊為 AI 的初創(chuàng)公司，并將 Twitter Inc. 并入了 XCorp.。根據(jù)馬斯克的說法，他對 Twitter 的抱負(fù)之一是將其轉(zhuǎn)變?yōu)椤耙磺袘?yīng)用程序”，也就是它戲稱的 “X”。
而葉軍也曾在 4 月 18 日的媒體專訪會上提到了一個很有意思的觀點，如下：
“未來不需要那么多 App 了，用戶端有一個超級 App 就可以了。然后，這個超級 App 去跟周邊包括打車軟件、訂房軟件全集成到一起。這是一種新形態(tài)，以前都是鏈接、跳來跳去，但未來的智能時代不會有跳轉(zhuǎn)，不會有界面，也不會有 App。”
“我個人的判斷是：未來是一個從 Low Code 到 No APP 的過程，而智能入口就是核心的入口，操作極簡，把底層數(shù)據(jù)都打通。這個過程一旦完成，格局將發(fā)生非常大的變化。所以從今年開始，釘釘?shù)墓δ芤矔兊迷絹碓胶啙崱Ｎ艺J(rèn)為未來釘釘個人版的 AI 助手，會是就嵌入到各種場景里的自然語言的表達，這種形式將成為終極的形式。”
因此，我也非常期待釘釘 AI 個人版的發(fā)布。并且我想提出的一個重要問題是：
如果 ChatGPT 的用戶平均訪問的持續(xù)時間太短是一個問題，那么一個本身就有極強用戶粘性的超級 App——可能是如 Twitter 這樣的 IM（即時通訊）或是如釘釘這樣的辦公 IM——是否可能塑造未來 AI 的終極形式呢？
本文為專欄作者授權(quán)微想智云發(fā)表，版權(quán)歸原作者所有。文章系作者個人觀點，不代表微想智云立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系http://gpt.idea2003.com/。
]]>
編者按：本文來自微信公眾號 紅餐網(wǎng)（ID：hongcan18），作者：曾憲天，微想智云經(jīng)授權(quán)發(fā)布。
機器人餐廳歷經(jīng)十年發(fā)展，有著大量無疾而終的商業(yè)故事。無論是謹(jǐn)慎探索的中小品牌還是不差錢的巨頭大廠，為何都沒能成功？
最近，有業(yè)內(nèi)人士向紅餐網(wǎng)爆料稱，某巨頭轟轟烈烈搞了幾年的機器人餐廳項目，已經(jīng)到了業(yè)務(wù)停滯、團隊解散的階段。
這個失敗案例其實有著共性意義，機器人餐廳歷經(jīng)十年發(fā)展，有著大量無疾而終的商業(yè)故事。
比如2016年時，曾經(jīng)的“網(wǎng)紅”湖南米粉品牌人人湘，就在北京開過一家無人化的機器人餐廳，當(dāng)時這家店在餐飲消費和互聯(lián)網(wǎng)科技領(lǐng)域都引起了轟動。然而僅僅過了兩年，人人湘就關(guān)閉了無人餐廳，并宣告前期投入的100多萬全部打水漂。
這么多年來，不只是中小品牌折戟，就連不差錢、不差資源的巨頭大廠，也沒能講好機器人餐廳這個故事。
巨頭下場，也沒做成
2018年時，執(zhí)掌碧桂園的楊國強曾公開表示，5年內(nèi)碧桂園要在機器人領(lǐng)域投入至少800億元，引發(fā)外界關(guān)注。
2019年5月，碧桂園成立了負(fù)責(zé)餐飲機器人的千璽機器人集團，不僅覆蓋餐飲機器人設(shè)備的研發(fā)、制造、銷售，還嘗試打造自營的機器人餐廳，企圖通過合營、加盟等方式構(gòu)建連鎖化品牌發(fā)展生態(tài)。
2020年1月，千璽機器人集團打造的FOODOM天降美食王國機器人餐廳首家旗艦店在廣州珠江新城開業(yè)。
隨后的2020年6月，F(xiàn)OODOM天降美食王國機器人餐廳，在碧桂園博智林公司總部所在地順德開出了第二家店。
公開信息顯示，F(xiàn)OODOM天降美食王國是業(yè)態(tài)完整的機器人餐廳綜合體，面積約2000平米，點餐、出餐、送餐均由機器人設(shè)備完成，餐廳內(nèi)有炒鍋機器人、煲仔飯機器人、粉面機器人等20余種餐飲機器人設(shè)備，可提供近200種各式菜品，最快20秒出餐。
在2021年初的碧桂園年度工作會議上，時任碧桂園董事局主席的楊國強再度強調(diào)了對機器人業(yè)務(wù)的野心，其表示一年內(nèi)機器人餐廳要在大灣區(qū)布局1萬家門店，未來劍指全球最大餐飲集團、最大餐飲設(shè)備制造商。
然而站在2023年回望，這一目標(biāo)終成空談。FOODOM天降美食王國機器人餐廳高調(diào)開出的廣州珠江新城店早已歇業(yè)退場，位于順德碧桂園博智林公司總部的門店似乎也處于“半隱退”的狀態(tài)中。
目前，在大眾點評上搜索該餐廳僅出現(xiàn)一個結(jié)果，也就是博智林機器人總部店，評分為3.9分。紅餐網(wǎng)翻看數(shù)百條用戶點評發(fā)現(xiàn)，該餐廳存在缺少服務(wù)、點餐后無反應(yīng)、機器人故障、出餐慢、菜品味道差等槽點。
值得一提的是，在最近幾次財報季中，碧桂園方面幾乎沒再提及過餐飲機器人、機器人餐廳等相關(guān)信息，轉(zhuǎn)而聚焦于其建筑機器人方面的進展披露。
阿里旗下的盒馬鮮生，很早以前也已涉足機器人餐廳市場。
2018年2月，盒馬Robot.HE機器人餐廳落地上海，顧客選座/落座后使用手機掃碼點餐付款，智能機器人制作餐品，智能送餐車送餐，全程不超過30分鐘。
目前，該店在大眾點評上的評分同樣只有3.9分，存在菜品、餐具不干凈，環(huán)境衛(wèi)生不好，上菜太慢，菜品味道一般等問題。
從數(shù)百條用戶反饋的評論可以看出，大部分用戶被機器人餐廳的噱頭所吸引，在體驗前就有了較高的期望值，然而在實際體驗過程中卻出現(xiàn)了不愉快的經(jīng)歷，導(dǎo)致產(chǎn)生較大的落差感。
值得一提的是，早在2018年時盒馬就對外宣稱，機器人餐廳開業(yè)4個月便已營收平衡，但直到2023年4月，其才在上海開出第二家機器人餐廳。這或許也從側(cè)面說明，目前機器人餐廳的模式還不適合大面積復(fù)制落子。
有著類似經(jīng)歷的還有京東。2018年“雙11”前，京東首家機器人餐廳“京東X未來餐廳”在天津開業(yè)，從點餐、配菜、炒菜、傳菜到用餐、結(jié)算，智能機器人和人工智能后臺貫穿餐廳運營全過程。
消費者點餐后，后臺將炒菜任務(wù)分配給烹飪機器人，機器人依據(jù)菜譜進行菜品的烹制，最后再由采用自動駕駛和高精地圖技術(shù)的傳菜機器人將烹制好的菜品送到餐桌前，盡可能實現(xiàn)了無人化模式。
彼時擔(dān)任京東集團副總裁、X事業(yè)部總裁肖軍稱，京東X未來餐廳打造的智能餐廳解決方案將面向更多城市，進一步拓展無界零售應(yīng)用場景和線上線下融合版圖，未來將持續(xù)在全國落地。
△圖片來源：大眾點評
然而如今再查看這家門店，已“查無此店”，彼時宣布擴張計劃的京東副總裁肖軍也早已于2021年11月從京東離職。目前在大眾點評中能查詢到的京東未來餐廳信息，僅剩其沈陽門店。
機器人餐廳，為何水土不服？
不差錢的巨頭們親自下場布局?jǐn)?shù)年，這件事也沒能做成。在風(fēng)口期涌入的中小餐飲企業(yè)，更是折戟無數(shù)。
為什么機器人餐廳始終無法走出合適的發(fā)展路子？
△圖片來源：大眾點評
早在2018年時，人人湘聯(lián)合創(chuàng)始人嚴(yán)興會就曾進行過復(fù)盤，并坦言互聯(lián)網(wǎng)科技的未來感風(fēng)格并不太適合餐飲體驗，餐飲門店更需要煙火氣。
“不可以犧牲顧客體驗去做技術(shù)。”嚴(yán)興會認(rèn)為，餐飲行業(yè)的成本重構(gòu)，還遠未到能完全用機械化來替代人力成本的時候。
今年4月，客如云COO蘭彥暉在在紅餐網(wǎng)推出的系列化直播欄目《紅咖說》中 曾表示，目前國內(nèi)大概有1000萬餐飲企業(yè)，整體的連鎖化、數(shù)字化率可能僅在20%左右。
在餐飲數(shù)字化率并不高的當(dāng)下，想要跳過管理系統(tǒng)、結(jié)算系統(tǒng)、點餐系統(tǒng)、供應(yīng)鏈系統(tǒng)等多個方面的數(shù)字化打磨升級，直接一步登天進入“全自動”的機器人餐廳階段，顯然是不現(xiàn)實的。
此外，機器人餐廳代表的無人模式理論上可以減少人力成本，提高餐品制作、門店運營等方面的效率，但在實際落地中，這一模式又往往會帶來新的問題。
無論是機器人餐廳還是未來智能餐廳，勢必需要突出經(jīng)營自動化的能力，而這樣會增加很多運營成本，動輒數(shù)萬元的迎賓機器人、送餐機器人、炒菜機器人等等，需要投入大量資金引入。驟增的成本支出，也拉高了機器人餐廳的建設(shè)門檻。
△圖片來源：1688
不僅如此，當(dāng)下的機器人交互技術(shù)和手段，還難以滿足消費者的對話需求，無法確保消費者的用餐體驗。機器人餐廳普遍評分不高，用戶吐槽較多的情況也印證了這一點。
而對于互聯(lián)網(wǎng)大廠，以及試圖跨界科技的巨頭而言，打造機器人餐廳的意義或許更多是展示其技術(shù)能力和落地場景的可能性，為后續(xù)的推廣打個樣。
大廠們尋求的更多是以輔助、賦能的輕資產(chǎn)模式來運作，出售手中的技術(shù)能力，使其產(chǎn)生營收價值。這也就不難理解，為何大廠們總是不親自下場，用自營的重資產(chǎn)模式來連鎖化、規(guī)模化打造機器人餐廳了。
用一個比喻能更好理解這種純自動、無人化，滿滿科技感的機器人餐廳的發(fā)展境況，它就像汽車工業(yè)里的概念車一樣，是大廠們“秀肌肉”的媒介之一，短期內(nèi)無法也不會量產(chǎn)。
△圖片來源：Midjourney
事實上，不僅僅是餐飲行業(yè)，完全依賴技術(shù)和機器人設(shè)備的無人模式在不少應(yīng)用場景中都出現(xiàn)了問題。
來看看酒店領(lǐng)域。阿里在2018年12月高調(diào)開業(yè)了一家名為“菲住布渴”的無人酒店，從大堂、電梯、房間，再到餐廳、健身房等酒店空間，都整合了人臉識別、語音控制、智能機器人等黑科技，住客從入住到離店全程可實現(xiàn)無人化服務(wù)。
“晚上點了機器人送餐，結(jié)果是酒店員工送來的，說是機器人送餐經(jīng)常卡頓，暫時在升級中。”有入住過的用戶在大眾點評上寫下了上述吐槽評論。在其他用戶相關(guān)的負(fù)面評價中，還存在著諸如缺乏人情味，冷冷清清，房間用品存在瑕疵難以找人處理等吐槽。
有知情人士向紅餐網(wǎng)表示，其實“菲住布渴”無人酒店是飛豬旗下的業(yè)務(wù)，曾經(jīng)希望通過這個酒店樣本，將阿里的無人酒店解決方案出售給更多的酒店集團，從而引領(lǐng)行業(yè)的智能化發(fā)展。
但落地至今近5年，飛豬的核心管理層屢次更替，“菲住布渴”酒店逐漸淪為無人問津的邊緣業(yè)務(wù)，阿里、飛豬都鮮少再提及這個曾經(jīng)的發(fā)展構(gòu)想和野心。
從業(yè)界主流酒店集團并未出現(xiàn)大規(guī)模跟進類似無人酒店業(yè)態(tài)的舉措來看，“菲住布渴”所代表的酒店智能化解決方案，也并未得到行業(yè)的認(rèn)可，普及更是無從談起。
餐飲+機器人，正在走出新路子
回看餐飲行業(yè)，這終歸是一門講究體驗、產(chǎn)品和服務(wù)的生意。
在餐廳中只能對著冷冰冰的機器人，人們更多還是會表現(xiàn)得無所適從，再智能化的設(shè)備、模式，似乎都與當(dāng)下的用戶需求格格不入。
“未來餐廳，讓我感覺好孤獨。”大眾點評用戶@蝦仁兒在體驗機器人餐廳時，面對擬人造型的機器人廚師和智能傳送帶發(fā)出了這樣的感慨。而這，其實也是大部分消費者對機器人餐廳最直觀的感受。
△圖片來源：@蝦仁兒，紅餐網(wǎng)已獲授權(quán)
可以看到的是，后來也有不少餐飲智能化企業(yè)轉(zhuǎn)而采取了相對“折中”的方式，不再追求完全替代人力的“無人化”，而是轉(zhuǎn)向研發(fā)一些幫助餐飲門店提質(zhì)增效的智能機器人設(shè)備或是解決方案。
比如碧桂園旗下的千璽機器人集團，在2019年成立了廣東智源機器人科技有限公司，同步布局不同品類的智能化機器人設(shè)備，其相關(guān)解決方案及硬件設(shè)備還應(yīng)用在了2022年的北京冬奧會的智慧餐廳中。
△圖片來源：千璽機器人官網(wǎng)
2021年7月，原美團核心高管郭慶創(chuàng)立了橡鷺科技，聚焦“機器人+ Food”賽道，深耕布局炒菜機器人產(chǎn)品，通過機器人全自動化策略提升餐飲門店后廚效率，同時又兼顧菜品的煙火氣問題，從后廚板塊幫助餐飲品牌強化快速連鎖、規(guī)模化復(fù)制的可能性。
再比如商用服務(wù)機器人企業(yè)普渡科技，通過算法升級與機器人視覺融合導(dǎo)航技術(shù)的迭代，打造出了能夠在室內(nèi)外作業(yè)的送餐機器人產(chǎn)品，為餐飲商家、門店提升運營效率提供了更多可能性。
眼下，智能機器人設(shè)備在麥當(dāng)勞、海底撈等諸多連鎖品牌的門店中已然能夠看到。
各式各樣的機器人設(shè)備或是以門店功能性機器人的方式落地，或是以無人便民早餐車等方式呈現(xiàn)，更高效地滿足了消費者在不同場景下的餐飲需求，提升餐飲商家的服務(wù)效率，增加消費觸點。
△圖片來源：Midjourney
在餐飲門店的后廚里，機器人的用處也越來越大。連鎖品牌“霸碗蓋碼飯”，在四年時間里投入兩千多萬元資金，成功自研蓋碼飯機器人，并將其應(yīng)用到了門店的后廚里。
霸碗的廚房工作人員只需要負(fù)責(zé)菜品的清洗處理，將食材和事先研制的調(diào)料瓶準(zhǔn)備好后，機器人就會以極快的速度完成放油、投料、爆炒、出鍋、清洗等所有程序，極大提升了餐品的標(biāo)準(zhǔn)化品質(zhì)與出餐效率。如今，憑借著智能化的優(yōu)勢，霸碗蓋碼飯也在全國開出了上百家門店。
可以看到，“餐飲+機器人”在經(jīng)歷多年曲折后，逐漸走出了一條更為合適的路子。
煙火氣、人情味與科技賦能本不應(yīng)是“你死我活”的對立關(guān)系，或許不遠的將來，行業(yè)中能真正出現(xiàn)兼具科技效率與用戶體驗的機器人餐廳大模型，而不是過去那般“有名無實”的概念型門店。
本文為專欄作者授權(quán)微想智云發(fā)表，版權(quán)歸原作者所有。文章系作者個人觀點，不代表微想智云立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系http://gpt.idea2003.com/。
]]>