即使在信息更迭速度如此迅速的时代，也没办法忽略ChatGPT给全世界带来的冲击。这种冲击，总让人忍不住联想起改变历史进程的重要时刻。
2022年11月30日，ChatGPT面世，5天时间便拥有百万用户，到2023年1月活跃用户过亿。
ChatGPT的出现，已有太多的定义与标签：人工智能（AI）的iPhone时刻、AI的奇点时刻，AI向2.0阶段认知智能跃迁……
把时针拨回到1492年10月12日，哥伦布的船队跨越大西洋，发现了美洲新大陆。
自此，海洋与陆地秩序重塑，七大洲、四大洋链接，欧洲崛起，全球贸易肇始，大航海时代到来。
如果说大航海带来了现代历史的前夜，那这场由ChatGPT刮起的AI风暴，是否也将人类带到了新一轮历史变革的节点？
在过去的几个月里，各大公司抢滩大模型、GPT商用化探索、算力基础设施看涨……如同15世纪开启的大航海时代，人类交往、贸易、财富有了爆炸性增长，空间革命席卷全球。
但是，大航海伴随着鲜血与苦难，海洋霸主多轮更替、枪炮与病菌全球传播、海陆秩序持续对抗。直到100多年后，格劳秀斯以《战争与和平法》、《海洋自由论》输出海洋自由论，“自由的海洋，稳固的陆地”新世界秩序的法权规则体系确立。
时间来到当下，ChatGPT面世以来，数据泄露、个人隐私风险、著作权侵权、虚假信息等一直引起争议。此外，AI带来的后人类主义危机已然摆在桌面，面对“硅基生物”超速迭代，人类社会的权力结构是否也将重塑，人们该以何种姿态迎接人机混杂带来的迷思？
面对超万亿参数的GPT大模型，搭载数万块A100与H100 GPU的超级计算机硬件，数亿的用户数目，指数爆炸速度发展的AI科技，人类似乎没办法等待100年的周期再确立规则体系。于是，寻求AI治理的共识、重塑新秩序成了各国共同面对的课题。
奇点时刻
两个月时间，ChatGPT的月活跃用户已达1亿，成为历史上增长最快的消费者应用。要知道，Instagram在全球推出两年后才达到1亿用户，Facebook则用了两年半的时间。
现象级的应用必然带来新一轮商业迭代。
ChatGPT“出圈”的表层是改变了以往人机交互方式，给内容行业带来深层次改变，它可以根据你的提问进行互动，并且能联系上下文持续沟通，还可以写诗、写邮件、写代码。
深层来看，ChatGPT带来的更是范式变革。
ChatGPT是基于Open AI在GPT预训练语言大模型迭代生成的程序，背后为AI大模型。2018年初代GPT-1模型参数为1.17亿，GPT-2、GPT-3模型参数分别为15亿、1750亿，2023年3月最新发布的GPT-4参数数量是GPT-3的16倍，达到1.6万亿规模。而人脑拥有的神经元数目为860亿个。
“大力出奇迹”。大模型有随着训练时间、参数量和训练数据规模的增加，某些能力会“突然”出现拐点，性能肉眼可见地骤然提升，即出现“涌现”效应。涌现的能力包括多步算术、词义消歧、逻辑推导、概念组合、上下文理解等，可以将人工智能从原来的感知提升至理解、推理，甚至近似人类“无中生有”的原创能力。
作为“大数据+大算力+强算法”的结合物，经过大规模数据训练之后，大模型无需微调或仅需少量数据的微调就能适应千变万化的场景，模型泛用能力显著增强。
因此，大模型可以通过在海量、多类型的场景数据中学习，总结不同场景、不同业务下的通用能力，摆脱小模型场景碎片化、难以复用的局限性，为大规模落地人工智能应用提供可能。
这似乎使得过去两年持续探讨的互联网经济第二曲线瞬间失去价值，随着深度学习模型不断完善、开源模式推进、大模型探索商业化的可能，不少业内人士认为，AIGC有望加速发展，互联网奇点正逐渐临近。
奇绩创坛创始人兼CEO陆奇认为，任何改变社会、改变产业的，永远是结构性改变。这个结构性改变往往是一类大型成本，从边际成本变成固定成本。
在他看来，模型的成本开始从边际走向固定，大模型是技术核心、产业化基础。
① 它封装了世界上所有知识。
② 它有足够强的学习和推理能力，GPT-3能力在高中生和大学生之间，GPT-4不光是进斯坦福，而且是斯坦福排名很靠前的人。
③ 它的领域足够宽，知识足够深，又足够好用。自然语言最大的突破是好用。扩展性也足够好。
“加在一起，范式的临界点到了。拐点已经到来。”
疾驰中刹车
商业的狂欢并不相通，拐点时刻踩下刹车。具有颠覆性的新事物，带来的可能性未知。
3月底，在ChatGPT热潮中，美国亿万富翁埃隆·马斯克和人工智能领域顶尖专家、图灵奖得主约书亚·本吉奥等人联名签署了一封公开信，呼吁暂停开发比GPT-4更强大的AI系统至少6个月，称其“对社会和人类构成潜在风险”。
信中连续抛出四个疑问：我们是否应该让机器用宣传和谎言淹没我们的信息渠道？我们是否应该让所有的工作自动化，包括那些令人满意的工作？我们是否应该发展最终可能在数量上超过我们、在智能上超越我们、能够淘汰并取代我们的非人类思维？我们应该冒着失去对我们文明控制的风险吗？
公开信还呼吁开发人员和政策制定者合作，大幅加快强大的AI治理系统的开发。这其中至少应当涉及监管机构、审计和认证系统、监督和追踪高性能AI系统、人工智能造成伤害后的责任问题、为AI技术安全研究提供公共资金等方面。
尽管有声音质疑已经离开OpenAI董事会的马斯克呼吁“暂停”是想延缓OpenAI研发GPT系列大语言模型的节奏，但对于ChatGPT引发的人工智能忧云，确实悬浮在各国各地区的监管机构上空。
南财合规科技研究院从业界了解到，目前针对ChatGPT为代表的生成式AI监管难题集中在训练模型数据合规、虚假信息治理、“提供者”责任分配等方面。
上述提到，大语言模型是算力与数据加持下的“暴力美学”，不断给模型“喂料”、加参数，语料库大量的互联网数据，存在高度的数据合规风险。欧盟数字权利活动人士表示，公众经常在不知不觉中被大规模监控系统进行实验，或在未经同意的情况下被收集数据来训练人工智能。对于庞大的语料库，提供者、开发者、使用者该如何做好合规工作？
此外，据学者解释，大语言模型本质是一个猜词模型，是基于对训练语料库的概率性预测，在给定输入序列的情况下选择最有可能出现在训练数据中的词，因此，大语言模型缺乏对对错的认知。大型语言模型是自回归的，即使当它们做出我们可能认为糟糕的猜测时，这些猜测的词汇仍会被添加到它们自己的输入中以猜测下一个词。
根据OpenAI在2023年3月发表的论文《GPT-4 System Card》，GPT-4具有“幻觉”倾向，即“在某些来源中产生无意义或不真实的内容。”随着模型变得越来越令人信服和可信，这种倾向可能会特别有害，导致用户过度依赖它们。
面对这些“硬伤”，如何匹配相应的主体责任？这成为监管治理的关键。
在生成式AI发展进程中，产业结构已经发生变化，传统以信息为介质开展商业化的平台企业并不一定仍是轴心，产业链条可能演变为大模型开发者、部署者、应用终端。监管思路又该如何转变应对？
欧盟委员会《人工智能法案》提案的谈判授权草案将风险加以区分，围绕四类人工智能系统构建，分为：不可接受的风险、高风险、有限风险以及最低风险。其中前三类将受到法案的监管。
《人工智能法案》草案还细化了主体责任分配，对训练集数据来源的合法性、对基础模型提供者义务以及投入市场应用后的检测进行监管。对于ChatGPT等生成式人工智能，开发者还必须保证用于模型训练中的数据不违反著作权法，谈并为“高风险”应用建立风险管理系统。同时，每个欧盟成员国都将设立一个监督机构，确保这些规则得到遵守。
2023年4月，国家网信办起草《生成式人工智能服务管理办法（征求意见稿）》并征求意见，想要完善中国人工智能治理体系的框架。目前对中国而言，在大模型开发方面进度条慢了一拍，因此在这项未知的技术面前，以何种姿态进行监管，考验着政策制定者的智慧。
往哪儿走
这几个月的行业圈，最常听到的话大概就是：如果抓不住GPT这场新工业革命，就会被“革命”。但我们是否真的做好了迎接这场变革的准备？
无法预测的涌现性，生成式AI带来的幻觉，海量数据泄露风险，以及创作、对艺术、对劳动力市场的冲击……这些近在咫尺的问题，是最先需要应对的。
往赛博空间一步步走深，所有现实似乎都可以被代码化，代码管理模式背后的权力结构，隐秘而深刻。Code is law，但这套规则掌握在谁的手中，个体如何反馈与对抗？
To be or not to be？它既关乎技术进步、产业发展、国家竞争力，可能也关乎每个人未来的每一天。
AI幕布之下，公众、学界、业界、监管理应加入讨论，把握新的社会契约时刻。
借此，南财合规科技研究院将推出AI契约论系列报道，从中外监管模式、主体责任分配、语料库数据合规、AI伦理、产业发展等维度，进行剖析，以期为AI治理方案提供一些思路，保障负责任的创新。