OpenAI的官方播客第二期刚刚发布，这次他们请来了ChatGPT的两位核心人物。
机翻未校对
OpenAI首席研究官Mark Chen和ChatGPT负责人Nick Turley做客Andrew Mayne主持的播客，首次详细披露了ChatGPT诞生的幕后故事。
从差点叫「Chat with GPT-3.5」这个拗口名字，到发布前夜还在纠结要不要上线，再到ImageGen如何一夜爆红——这期播客信息量极大。
ChatGPT差点就不叫ChatGPT
最让人意外的是，ChatGPT这个如今家喻户晓的名字，竟然是发布前一晚才敲定的。
Nick Turley透露，原本的名字是「Chat with GPT-3.5」——光是念出来就觉得舌头打结。
团队意识到这会是个问题，在发布前的最后时刻改成了现在朗朗上口的ChatGPT。
更有趣的是，Mark Chen爆料说，研究团队里有一半人都不知道GPT到底代表什么。
有人以为是「Generative Pretrained」，有人以为是「Generative Pre-trained Transformer」。正确答案是后者。
发布前的灵魂拷问
ChatGPT的发布远没有外界想象的那么顺利。
Mark回忆道，就在发布前夜，Ilya Sutskever对模型进行了最后的测试——连续问了10个刁钻的问题，结果只有5个答案让他满意。
「我们真的要发布这个东西吗？世界真的会有反应吗？」
Mark解释道：「当你在内部开发这些模型时，你会迅速适应它们的能力。很难站在没有经历过模型训练循环的人的角度，看到其中真正的魔力。」
最终，他们还是决定发布。这个决定改变了一切。
从「研究预览」到病毒式传播
ChatGPT最初只是被定位为一个「低调的研究预览」。
毕竟，GPT-3.5模型已经发布了几个月，从技术指标看并没有革命性突破。团队只是给它加了个对话界面，让用户不需要太多提示词技巧就能使用。
但用户的反应完全超出了所有人的预期。
Nick回忆起那段「非常混乱的时期」：
-
第一天：「仪表盘是不是坏了？」经典的「日志不可能是对的」反应 -
第二天：「可能是日本Reddit用户发现了这个东西，应该只是局部现象」 -
第三天：「好吧，它在传播，但肯定会降温的」 -
第四天：「这要改变世界了」
服务器不断崩溃，GPU资源告急，数据库连接耗尽，甚至一些供应商对他们进行了速率限制。
「没有任何东西是为运行产品而设置的」，Nick说。
团队不得不紧急开发了一个叫「fail whale」的错误页面，用GPT-3生成的诗歌来安抚等待的用户，好让大家能在圣诞假期稍作喘息。
有个细节特别有意思：Mark的父母终于不再劝他去Google工作了。
在ChatGPT之前，他们从没听说过OpenAI，一直觉得AGI是天方夜谭，儿子没有「正经工作」。
产品哲学：速度与迭代
这次爆红背后，体现的是OpenAI独特的产品开发理念。
Nick强调，ChatGPT的产品开发遵循了极其严格的原则：不让范围膨胀。
他们的目标是尽快获得反馈和数据。比如，发布时甚至没有历史记录功能——尽管团队知道用户肯定想要这个功能。果不其然，这成了用户的第一个请求。
「是否能在两周内训练出更好的模型？」团队当时确实有这样的讨论。
但Nick很庆幸他们没有等待：「我们获得了大量反馈。」
Mark补充道：「反馈真的已经成为我们构建产品不可或缺的一部分。你可以在真空中反复考虑用户会更喜欢这个还是那个，但这永远比不上直接推出产品。我们的理念是让模型与世界接触。如果需要撤回什么，那也没关系。」
从硬件思维到软件思维
Nick观察到一个有趣的转变：「我们最初发布模型的方式更像硬件——你做一次发布，非常罕见，必须完全正确，你不会更新它，然后开始下一个大项目。资本密集，时间线很长。」
「但随着时间推移，从ChatGPT开始，它看起来更像软件——频繁更新，世界可以采用的恒定节奏。如果某些东西不起作用，你可以撤回它，这样做降低了风险，增加了实证性。」
模型行为的微妙平衡
讨论到模型变得过于谄媚的问题时，Mark解释了背后的机制。
当用户享受对话时会给出正面信号（比如点赞），团队训练模型偏好能获得更多点赞的回应方式。
「回想起来这很明显，但如果平衡不当，就会导致模型变得更加谄媚。你可以想象用户可能想要那种感觉，模型对他们说好话，但我认为这不是一个很好的长期结果。」
令人印象深刻的是，团队在问题被发现后48小时内就做出了回应。Joanne Zhang发布了详细解释，说明了具体发生了什么。
Nick谈到了产品设计的幸运之处：「我们的产品非常实用。人们用它来更快或更轻松地完成他们知道如何做但不想做的事情，或者用它来做他们根本不会做的事情。」
这种实用性意味着，随着产品改进，用户实际上会在产品上花费更少的时间——这与社交媒体完全相反。
ImageGen：另一个意外爆红
谈到ImageGen的成功，Mark坦言：「说实话，它也让我措手不及。」
成功的关键在于团队的一个核心洞察：当模型足够好，能够一次就生成符合提示词的完美图像时，就会创造巨大价值。
「人们不想从网格中挑选最佳结果」，Mark说，「你得到了非常好的提示词遵循能力，以及出色的风格迁移能力。」
Nick分享了一个惊人的数据：发布后的第一个周末，5%的印度网民都尝试了ImageGen。「我们触达了甚至可能没想过使用ChatGPT的新用户类型。」
ImageGen的深度也让团队惊讶。人们开始用它创建动漫版本的自己，但很快发现它能做更多：信息图表、漫画面板、家居装修模拟。团队甚至用它来设计播客录制室的布置。
关于使用场景的选择，Mark透露，直到发布当天，他们还在纠结展示什么用例。最终选择动漫风格是因为「每个人看起来都很好看作为动画角色」。
AI安全：在保守与自由之间寻找平衡
关于AI安全，团队经历了明显的文化转变。Nick坦言：「当我加入OpenAI时，对于应该给用户什么能力存在很多保守主义，也许有充分的理由。技术真的很新，我们很多人都是新手。」
但随着时间推移，团队意识到：「当你对模型做出任意限制时，实际上阻止了太多积极的使用案例。」
他分享了一个关于人脸识别的内部辩论。团队讨论过是否应该在上传包含人脸的图片时将脸部灰化处理，这样可以避免很多潜在问题。但Nick坚持：「我一直认为我们需要站在自由这一边，做困难的工作。」
「如果我想要关于化妆或发型的反馈，我想能够和ChatGPT讨论。这些都是有价值且良性的使用案例。我更愿意先允许，然后研究哪里有不足，哪里有害，然后从那里迭代，而不是采取默认不允许的立场。」
代码的未来：从自动补全到智能代理
关于备受关注的Codex，Mark和Nick都强调这代表着编程范式的根本转变。
Mark解释了「代理式编程」的概念：「你可以区分实时响应模型和更加代理式的模型。前者你提出提示，很快得到响应。后者你给它一个相当复杂的任务，让它在后台工作，经过一段时间后，它会带着接近最佳答案的结果回来找你。」
「我们越来越看到未来会更像异步模式——你要求它做非常困难的事情，让模型思考和推理，然后带着真正最好的版本回来。」
Nick补充道，让他惊讶的是代码中的「品味」元素：「结果证明理性的人在这些情况下对模型应该如何表现可能会有分歧。而且，你不会总是做对，但你可以对我们采取的方法保持透明。」
他强调，成为专业软件工程师不仅仅是智商问题：「他们学会的是如何在组织内构建软件。什么是写好测试的意义？什么是写好文档的意义？当有人不同意你的代码时如何回应？」
内部使用：最真实的测试场
令人惊讶的是，OpenAI内部对这些工具的使用已经相当深入。
Nick透露：「从完全符合预期的情况，比如人们使用Codex来外包他们的测试，到我们有一个分析工作流，会查看日志错误并自动标记它们，在Slack中通知相关人员。」
甚至有人把Codex当作待办事项工具使用——把未来要做的任务都交给Codex去执行。
Mark提到，发布前有些内部用户每天生成数百个PR。「我们不会向外部推出自己都不觉得有价值的东西。」
招聘哲学：好奇心胜过一切
谈到团队建设和所需技能，两位的观点出奇一致。
Nick强调：「好奇心是我寻找的首要品质。对我们来说，有太多未知的东西。你必须对构建这项技术保持一定的谦逊，因为你不知道什么是有价值的，什么是有风险的，直到你真正研究、深入并尝试理解。」
「当涉及到与AI合作时，提出正确的问题是瓶颈，而不一定是得到答案。」
Mark补充道，即使在研究团队，他们也越来越少强调必须有AI博士学位：「这是一个人们可以相当快速掌握的领域。我自己也是作为resident加入公司的，没有太多正式的AI培训。」
更重要的是「代理能力」（agency）——OpenAI不是一个会告诉你「今天做事项一、二、三」的地方。它需要的是那些能够主动发现问题并解决问题的人。
如何保持创新速度
当被问及OpenAI如何保持快速的产品发布节奏时，Nick回答：「老实说，我总觉得我们可以更快。但从根本上说，我们只是有很多具有代理能力的人，他们可以交付。」
「我们所有人在OpenAI做着非常不同的事情，但我认为能够真正做事的人的比例，以及除了重要领域外缺乏繁文缛节——这使得OpenAI非常独特。」
Andrew Mayne分享了自己的经历：他因为每周制作GPT-3使用案例的视频而被OpenAI注意并招募。
「他们告诉我，去做事就好，别搞砸太关键的东西。」这种精神至今仍在。
Nick提到ChatGPT本身就是黑客马拉松的产物：「我们说，谁对构建消费产品感兴趣？各种不同背景的人聚集在一起——有来自超级计算团队的人说’我可以做个iOS应用’，有研究员写后端代码。」
对未来的建议：在AI时代如何准备
面对人们对AI时代的焦虑，两位给出了深思熟虑的建议。
Mark的核心观点是：「你必须真正投入使用这项技术。看看你自己的能力如何被增强，如何通过使用技术变得更有生产力、更有效率。」
他认为AI帮助最大的是那些在某个领域能力不够高级的人：「当这些模型在医疗建议方面变得更好时，它们将最大程度地帮助那些无法获得医疗服务的人。图像生成不是为专家或专业艺术家提供替代品，而是让像我和Nick这样的人能够创造性地表达。」
Nick的建议更加具体和深刻：
「世界将发生巨大变化，我认为每个人都会有那么一个时刻，AI做了一些他们认为是神圣和人类独有的事情。」
但他强调，关键不是学习提示词工程或理解AI的复杂性：「我认为有些基本的人类技能，比如学习如何委派任务，这是极其重要的。因为你口袋里将有一个智能体，它可以是你的导师、顾问或软件工程师。」
「更重要的是你理解自己和你面临的问题，以及其他人如何帮助你，而不是对AI的具体理解。」
他还提到了三个关键能力：
-
好奇心：「提出正确的问题，你只能得到你投入的东西」 -
学习新事物的准备：「你越了解如何学习新主题和领域，就越能为工作性质比以往任何时候都变化更快的世界做好准备」 -
适应性：「我已经准备好我的产品工作可能看起来不同或根本不存在，但我期待着学习新东西」
医疗与教育：AI的真正影响
Nick特别强调了AI在医疗领域的潜力：「我真的不认为你最终会取代医生。你最终取代的是不去看医生。你最终使获得第二意见的能力民主化。」
他指出，很多人没有资源或不知道如何利用第二意见这样的资源。AI将把医疗保健带到世界上还没有的地方，并帮助医生获得信心。「你会惊讶于使用ChatGPT的医生数量。」
教育是另一个让他兴奋的领域：「我认为有巨大的机会来帮助人们。」
未来18个月：最令人期待的突破
当被问及未来最令人惊讶的发展时，两位给出了互补但同样激动人心的答案。
Mark预测：「老实说，我认为将是由我们构建的模型推动的研究成果数量。」
他解释道，模型推理能力的提升已经悄然改变了研究领域。「今天，在许多研究论文中，人们几乎把o3当作子程序使用。研究问题中的子问题通过接入像o3这样的模型完全自动化和解决。」
他分享了与顶尖物理学家的对话：「他们说，’我有这个无法简化的表达式，但o3在上面取得了进展。’这些来自全国最好的物理学家。所以我认为你会看到这种情况越来越多地发生，我们将看到物理学和数学等领域的进展加速。」
Nick则着眼于产品层面：「任何可以很好描述且受智力限制的问题，我认为都将被解决。」
他预见企业和消费者领域都将发生巨大变化。在企业方面，无论是软件工程、数据分析还是客户支持，模型今天还做不到的许多问题都很容易描述和评估，将取得巨大进展。
在消费者方面，从报税到旅行规划，从购房到买衣服，「所有这些问题都需要多一点智能和正确的形式因素。」
最重要的是，Nick预测AI的交互形式将发生根本变化：「聊天仍然是一个非常有用的交互模型，我认为它不会消失，但你会越来越多地看到这些异步工作流。编码只是一个例子，但对于消费者来说，可能是让它去找你完美的鞋子，或者去计划旅行，或者完成你的税务。」
深度研究：代理式AI的典范
Andrew提到深度研究（Deep Research）功能是目前最好的代理式模型使用示例。它不再只是搜索和总结，而是会找到一些数据，分析它，提出问题，然后去寻找新数据，不断迭代。
Nick对此并不感到惊讶：「要构建超级助手，你必须放松约束。今天的产品完全是同步的，你必须启动一切。这不是帮助人们的最佳方式。」
「能够执行五分钟任务、五小时任务，最终是五天任务的能力，是一个非常基本的东西，我认为这将在产品中解锁不同程度的价值。」
Mark补充道：「我们这样做真的是出于必要。模型需要那个时间来解决真正困难的编码问题或数学问题，用更少的时间是做不到的。就像我给你一个脑筋急转弯，你的快速答案可能是直觉上错误的，你需要实际的时间来解决所有情况。」
这期播客让我们看到了ChatGPT成功背后的深层逻辑：不是技术的单一突破，而是产品理念、用户体验和技术创新的完美结合。
正如Nick所说：「我们构建的是非常通用的技术，它将被各种各样的人使用。」而OpenAI的使命，就是确保这项技术能真正帮助到每一个人。
从一个差点叫「Chat with GPT-3.5」的研究预览，到改变世界的ChatGPT，这个故事告诉我们——
有时候，最伟大的创新就隐藏在最简单的改变之中。
Spotify: https://open.spotify.com/show/0zojMEDizKMh3aTxnGLENP
[2]Apple Podcasts: https://podcasts.apple.com/us/podcast/openai-podcast/id1820330260
[3]YouTube: https://www.youtube.com/watch?v=atXyXP3yYZ4
[4]@markchen90: https://twitter.com/markchen90
[5]@nickaturley: https://twitter.com/nickaturley
[6]@AndrewMayne: https://twitter.com/AndrewMayne
[7]@OpenAI: https://twitter.com/OpenAI
[8]openai.com: https://openai.com
[9]openai.com/careers: https://openai.com/careers
（文：AGI Hunt）