黄仁勋万字答问实录：AI的下一个浪潮是什么？(7)

　　这就是我所说的，机器人领域的ChatGPT时刻可能近在咫尺。还有很多伟大的科学问题需要解决，但你可以看到它的外延，并且这个机器人可以生成令牌。对软件来说，这有意义吗？它不知道区别。它只是一个令牌。所以你必须对这个进行标记化。它的编号是多少？计算机科学家会弄明白的。一旦他们将所有这些手势标记化，他们就会像你标记化单词一样将其泛化、上下文化。最后一部分是使其究竟化。究竟化的部分是强化学习，在ChatGPT中是人类反馈，你会给它很多例子，问题与回答。在哲学、化学、数学中的适当回答，以及非常精心制作的、人类合适的问题与回答。其中一些遭描述在页面中，有成千上万，更多的例子已经呈现给了成为ChatGPT的大型语言模型。他们所做的工作真的很辛苦。

　　来个人类的示例。让我向你展示如何制作咖啡，这是一个非常清晰表达的例子，然后机器人会说，哦，我明白了。让我泛化一下。你的意思是如果我把这个稍微移动到这里，那仍然是同一个活动，制作咖啡。所以我使用的是完全相同的类比。你能看到这两条相似的路径吗？因此，事实上你在ChatGPT中所看到的，现在经过我这样的解释，你几乎可以看到它。我们看不到它，唯一的原因是，不知何故，我们无法在大脑中将文字和机器人的动作分离开。那是唯一的原因，唯一的障碍。如果我告诉你对于计算机来说，它们都只是数字；它不知道差异。然后你就会说，哇，那很有趣。这是可行的。

　　记者：关于幻觉问题，我想知道你是如何看待它，特别是在像医疗保健这样的任务关键型事务中，你必须做到百分百的正确。那是可以解决的吗？你是怎么看的？

　　黄仁勋：是的，我非常感谢这个问题。幻觉是非常可解决的，不是靠它自己，但它很容易遭解决的。如果你说每一个谜底，你首先必须查找谜底。所以，这遭称为检索增强生成。现在，检索生成仍然有一些弱点，但不管怎样，基本概念是有意义的。所以，不能编造一个谜底，如果你进行网络查询，它应该先搜索，然后从搜索中，AI读取谜底。不要编造它。只需从网络上读取谜底，然后从你读到的内容中，优先考虑你认为最能回答我的问题、最准确、最真实的那些。也许它对某个网站了解一些，也许它只是在描述中知道有些不对，就要拒绝这个回答，并找到最有意义的谜底，然后将其描述给你。

　　实际上，如果谜底对你真的很重要，这个AI不能回答你不真实的东西。它首先进行研究，落实哪一个谜底是最好的，然后总结给你。它要进行研究。所以现在，假设你没有聊天机器人，这实际上是一个为你做总结的研究助理。根据信息的关键性，我可能会坚持要求你在回答我之前总是先进行研究。这并不是什么大问题。例如，如果我只是想知道，我知道这些谜底是常识，只是我不落实究竟是什么。例如，热茶的温度是多少？我不太落实。如果不落实的话，你可以先查一下。

　　记者：我想知道，在构建像Blackwell这样的平台时，你们是如何估算计算需求的，或者说，只是以尽可能快的速度增加计算能力到无限。如果是后者，你们是如何从功耗和可持续性的角度考虑这个问题的。

　　黄仁勋：谜底非常简单。我们必须弄清楚我们的物理极限在哪里，并尽可能地推进到这些物理极限，同时超越它们。那么，我们如何超越物理极限呢？超越物理极限的方式是使事物更加能源效率高。所以我们做的第一件事是使事物更加能源效率高。实际上，我昨天展示的例子是，训练GPT-4大约需要90天。使用Hopper，将需要8000个GPU花90天来训练GPT-4，使用Blackwell只需要2000个Blackwell，4兆瓦，比训练GPT-4少11兆瓦，时间相同。因此，我们制造了Blackwell，有更高的能源效率，我们就可以推动极限。能源效率和成本效率是首要任务。我还展示了，其可以为大语言模型生成令牌的速度提高30倍。换句话说，我们使其速度提高了30倍，这意味着我们在这样做时节省了很多能源，产生相同令牌需要的能源减少了30倍。能源效率和成本效率实际上是我们所做一切的核心，这实际上是首要的。