备案域名怎么购买才放心呢？

OpenAI这家公司是人工智能研究机构，由埃隆马斯克和萨姆阿尔曼等人创立。OpenAI的愿景是打造具有人类智慧的通用人工智能，为人类创造更多的福利。其主要特点是：

开放式研究：OpenAI采取开放式的研究模式，与学术界和其他组织合作，共同推动人工智能的发展。

先进的技术：OpenAI的研究成果在自然语言处理、机器学习、计算机视觉等方面处于领先地位。

社会责任：OpenAI重视社会责任，在推动人工智能发展的同时，也致力于解决相关的伦理和安全问题。

OpenAI主打的产品就是ChatGPT。ChatGPT是OpenAI推出了一种自然语言处理技术，采用了深度学习算法。其主要技术原理是采用Transformer架构的神经网络，通过多层次的自注意力机制实现对语言的理解和生成。应用场景包括：

语言生成：可生成各种类型的文本、包括文章、对话、故事、诗歌等。

问答系统：能够根据用户提出的问题，生成高质量的答案。

近期在做ASO的时候，ChatGPT可以提供很好的帮助。以前在做某个地区的评论的时候，通常是找到翻译公司，做完后再找当地人润色一遍。这个流程中涉及的人力、效率、准确性等都是一种挑战。但我们在最近的一次项目中，在ChatGPT中输入产品名称，告诉他需要写好评、需要写多少条，并且要中文和当地语言的对照输出，在几分钟内就可以拿到结果，同时还能提供各种各样的语气，比起协调三个部门/人，在效率和质量上有明显的提升。

ChatGPT还能做代码纠错，还能提取重要信息。在最新的付费版本里，可以把公开网站的地址输进去，请ChatGPT帮忙总结网站上的重要内容，通过各种各样的形式输出内容，这样对于阅读文章、报告可以提升很大的效率。

AIGC发展史

在OpenAI官网上展示了AIGC的发展史，分为以下几个阶段。第一阶段是1960年，对自然语言生成的探索。花了40年进行原始积累后，2000年达成了自动化文本生成。在很多新闻网站、网文小说都应用了很多年，只需输入关键词即可输出很多内容。包括最近一些产品模拟二次元对话，给他输入人设，都能输出很优秀的文本。

到了2010年，可以生成文章、对话、音频、图像。2020年开始到2023年，模型的成熟度和算法的更新，GAN、VAE、GPT、DALL-E等一些图像生成的产品越来越多的应用到日常生活中。到了2030年一定会有更多复合型的自动生成输出素材的工具来改善生活和工作。

OpenAI的发展大概分4个阶段。2019年GPT-2出现，当时担心被滥用所以仅提供一个接口。2020年GPT-3，是当时最强大的语言模型，具备1750亿个参数，具备创造力和智能水平。2021年图像生成类产品，代码生成类产品出现。2023年会有一些搜寻类的产品，会四处寻找数据增强模型训练。

OpenAI为了资金流更充裕，在和微软商谈的同时也在和很多公司谈过。那么为什么只有微软能做，其他大公司没有做？因为做算力算法包括数据量这样的事情，本源是为了阻止人类被毁灭。但对大公司来讲，这种事情商业化落地场景不明确，没有到达能够持续输出符合人类预期的成果的阶段。当具备一定的交互性和真实使用场景的时候，商业公司才会有使用价值。但是到达这步之前，没有人能够保证可以发展到这个地步，除了死忠粉或者是相信AI的人。所以微软是相信这点的，其他公司在这场军备竞赛中并没有拔得头筹。

所以2023年是一个大爆发，形成了用神经网络优化提高AI可靠性，数学求解和推理，凸显增强，元学习提高AI训练效率，参数也达到了3000亿。

此前AI Dungeon是基于深度学习技术的游戏生成系统，对于角色、场景、故事生成等方面还是很不错的。而ChatGPT则是语言模型的改进版，采用Whisper和Persona技术，可以用于智能客服、虚拟助手、聊天机器人等领域，可以生成更自然、更连贯的对话。

这里并不是说从0到1，而是说它生成的对话好不好，够不够自然，出错率多少。我们做互联网产品的，更多的是说产品是一个工具。比如做一个聊天系统，IM系统都会做，但是IM系统稳定性如何、使用数据库是否全面，数据安全性如何，用户体验如何，推广运营效果如何等，这些运营层面包括产品品质层面的事情，是GPT这几年不断进化来解决的问题。

OpenAI各产品也有不同的迭代路径和应用方式。ChatGPT更多是基于文本的领域；DALL-E更多是基于图像，包括图像编辑、根据文字生成高质量图像；CODEX更多是基于代码，用自然语言生成对应的编程任务甚至快速生成代码，补全代码。

AIGC在互联网的应用——游戏行业

接下来分享AIGC在互联网的应用，主要围绕游戏领域展开。AIGC确实对游戏的研发效能有极大的提升，比如我们去ChatGPT上问：我要做一个SLG，要参考某某产品，采用冰与火之歌的背景，ChatGPT都会给到一个尚可的输出结果。当然这个输出肯定没有专业的人员写得好，但是对于强数值的商业化游戏来讲，是可以给到6—8分的结果，在早期的测试是可以用的。因为这样可以节省大量的人力和想象的过程，他可以给你各种各样的数据库。

我们也可以直接问ChatGPT：你熟悉哪些领域。他对唯物主义的领域还是比较了解的，但是对于唯心主义的领域ChatGPT不太敢讲，因为方法论太多了，很难输出单一的结论。另外就是玄学，对于非物理、非科学领域ChatGPT不太会讲。此外还有宗教、政治领域，ChatGPT也不会说。

AIGC对游戏研发效能的提升

生成剧情和游戏设定，包括怎么做核心玩法、怎么做扩展玩法，游戏有哪些要素，配置表如何设定，都可以通过ChatGPT完成。

在Midjourney方面，GitHub上有个专门的站点，里面介绍了哪些提示可以有效输出你想要的结果。Midjourney这款产品对于英文的输入更加高效，如果需要同一角色不同pose或者体位的话，还是需要给它一个参考，说需要另外一个表情、姿势。这样的关键词给到它，可以生成一系列的图片。以前一周的工作量，在ChatGPT和Midjourney和配合下可能半天就能完成，大量时间是在和ChatGPT沟通，如何正确地提需求。

UI领域有一些工具号称能做到，目前只有一些视频。真正测试的版本相信在不久之后，通过大量数据的喂养和正向的反馈是可以做到的。

动画方面已经有一些开了先河的。还需要继续试验一下，哪些工具是合适的，可能还需要多个工具配合达成目标。

AIGC对游戏生命周期效能的提升

关于AIGC对游戏生命周期效能的提升，我认为会大量优化掉3—5年工作经验的人，最终只留下一个提需求的、一个审核和机器。更多的工作是喂给机器数据、素材，输出之后做初步筛选，慢慢让自己逐步自动化，最终只需要一个会使用这个机器的人。

从市场调研开始，确实ChatGPT能够给出一个比较完备的答案。但是它的答案是否准确，也取决于提问的人对这项事情的认知有多深。如果能立刻判断出答案有问题，给它一个反馈，那么ChatGPT能够比较好的沟通。比如问为什么没有提到运营层面，那ChatGPT就会说它遗漏了并进行完善。所以在市场调研方面，ChatGPT确实可以提升效率。包括有些文章不愿意写，交给ChatGPT后进行润色。包括竞品分析，只要是ChatGPT知道的，最终输出的结果还是可控的。

最早接触ChatGPT的时候认为它只会讲一些简单的东西，做一些很泛的事情。但随着数据量的更新以及问答的专业性和自然性，第二次使用ChatGPT的时候感受完全不同。比如我们直接问了他一款SLG怎么发，它给出的答案可能超出过80%以上3-5年经验的从业者。

所以，当我们喂给它的数据越多，它给出的回答越专业。当然对于8年以上的经验，ChatGPT还是会漏掉一些点。这个在接到API或SDK之后，可以进行定制化的设计。但最终使用体验，从调研到立项阶段，我认为可以节省至少80%的时间。

在研究AIGC的时候，我们发现了很多功能，包括自动生成PPT，自动生成日报，自动做图等，很多工具用起来很方便。市场数据的抓取，最终要落在更可控、更高效的立项报告。当然也不排除会漏掉一些点，毕竟是创意行业，让它做模板可以，需要思考需要创意的东西，还是需要人们思考。让工具配合我们进行合作，这样可以发展得更长久一点。

在团队组建的环节，我认为加一些AIGC的技术专家来调试工具和使用工具，还会加一些AIGC的算法工程师提升效率。如果公司规模比较大，这个队伍放在内部做全职就够了。如果是小团队，直接用一些现成的开源的工具也可以。这样会优化掉大量初级的人力，毕竟基础的重复的劳动已经被机器所取代，剩下的就是如何使用工具，如何形成高效解决方案等更有创意性的劳动。对行业来讲也是好事情，可以极大地提升生产效能。

到了Demo和研发阶段，可以高效地制作，同时极大的降低人力成本。游戏内容的话，目前对脚本的自动生成的成熟度较高；美术素材方面，很多公司已经开始用自己风格的素材喂养机器并输出图片再去挑选，可能节省了75%以上的美术成本；音视频方面的应用并没有图像和文本那么成熟，但我认为2-5年间就能发展到比较成熟，可以在创意行业大量使用机器输出内容、挑选内容，形成工业化体系。

到Soft Launch阶段，整个营销模型AI搭建也可以输出准确率更高的数据。因为以前搭模型的时候需要调用很多数据，抓取的数据越全数据越精准。以后这些事情都交给机器来做，那对生产力是极大的提升。

到了Release推广，包括运营数据分析，相信也会有AI来推送运营方案，如自动上架、自动推活动。自动化运营也能节省很大的人力，降低出错率，版本也更加稳定。