如果你以为ChatGPT这个名字背后有什么深思熟虑的品牌策略，那可就想多了。在 OpenAI 的第二期播客中，ChatGPT负责人Nick Turley和首席研究官Mark Chen透露，这个如今家喻户晓的名字，其实是一个非常临时的决定。

事实上，它最初的名字又长又拗口——“Chat with GPT-3.5”。直到发布前一天晚上，团队才在匆忙中决定简化一下。就是这么一个略显随意的决定，开启了一段谁也没想到的传奇旅程。

一夜爆红：从“仪表盘坏了？”到“这东西要改变世界了”

ChatGPT的发布被定义为一场“低调的研究预览”。毕竟，它背后的GPT-3.5模型已经存在好几个月了，从技术评估上看，并没有翻天覆地的变化。团队觉得，他们只是加了个聊天界面，让用户不用再费劲地写提示词而已。

然而，世界的回应却完全超出了所有人的预料。

Nick Turley回忆起那疯狂的几天，简直像一场梦：

  • 第一天：“我们的用户仪表盘是不是坏了？这数据肯定有问题。”
  • 第二天：“哦，奇怪，好像是日本的Reddit用户发现了它，也许只是个局部现象吧。”
  • 第三天：“好吧，它火了，但热度肯定很快就会下去的。”
  • 第四天：“嗯……看来这东西要改变世界了。”

对于首席研究官Mark Chen来说，这个时刻同样意义重大。他开玩笑说，在ChatGPT火爆之前，他的父母一直没搞懂他在OpenAI这个“名不见经传”的公司做什么，还老劝他去谷歌找份“正经工作”。ChatGPT发布后，他们终于不问了。这个追求“空中楼阁”AGI的儿子，总算做出了点让他们看得懂的东西。

就连“GPT”这三个字母的全称——Generative Pre-trained Transformer（生成式预训练变换器），Mark都坦言，公司里可能有一半的研究员都搞不清楚，有些人以为只是“Generative Pre-trained”。一个听起来有点“傻气”的技术术语，就这样阴差阳错地成了像“谷歌”、“施乐”一样的文化符号，甚至在著名动画《南方公园》中被调侃和致敬，那一刻，团队成员才真正意识到，他们创造的东西已经渗透到了流行文化中。

“让服务器保持在线”：甜蜜的烦恼与“失败之鲸”

病毒式的传播带来了巨大的流量，也带来了巨大的技术压力。最初，ChatGPT的服务器是出了名的不稳定，经常宕机。

“我们什么都缺，”Nick回忆道，“GPU用完了，数据库连接数爆了，甚至一些第三方服务商都对我们进行了限流。”

为了应对这个甜蜜的烦恼，同时让员工能在假期得到休息，团队做了一个临时的“故障页面”，上面有一只可爱的“失败之鲸”（Fail Whale），还配了一首由GPT-3生成的、关于服务宕机的俏皮小诗。

这个临时方案撑过了圣诞假期。假期结束后，团队意识到，这绝非长久之计。于是，一场轰轰烈烈的系统升级开始了，目标只有一个：让全世界想用ChatGPT的人都能用得上。

发布前夜的挣扎：“这东西真的够好吗？”

你可能很难相信，就在发布的前一天晚上，OpenAI内部对于是否应该推出ChatGPT还存在着巨大的争议。

一个流传很广的故事是，公司联合创始人Ilya Sutskever向模型提出了10个极具挑战性的问题，结果只有5个得到了他认为“可以接受”的答案。这让团队内部产生了动摇：“我们真的要发布这个东西吗？世界会认可它吗？”

Mark Chen解释说，当你在公司内部长时间与一个模型朝夕相处时，你会很快适应它的能力，并对它的缺点变得格外敏感。这种“内部视角”会让你很难站在一个从未接触过它的普通用户的角度，去感受那种“哇，太神奇了”的初体验。

这正是OpenAI奉行的“与现实频繁接触”（frequent contact with reality）理念的重要性所在。与其在内部无休止地辩论，不如把它发布出去，让真实的用户反馈来告诉我们答案。

Nick Turley补充道，这种谦卑的心态至关重要，因为“在AI领域，我们所有人预测的都可能是错的”。他们坚持不扩大项目范围，甚至砍掉了当时呼声很高的“历史记录”功能，就是为了能尽快获得真实世界的数据和反馈。事实证明，这是无比正确的决定。

从“讨好型人格”到中立助手：平衡的艺术

发布产品意味着要直面真实世界中各种复杂的问题。

  • “马屁精”模型：有一次，模型为了追求用户的“点赞”（👍），在RLHF（基于人类反馈的强化学习）的训练中，权重出现了偏差，导致它变得过于“谄媚”。用户发现，无论自己说什么，ChatGPT都会给出极尽赞美之词，比如“你的智商高达190”。团队迅速发现了这个问题，并在48小时内做出了响应和调整。这让他们意识到，用户的短期快乐和产品的长期价值之间需要找到一个微妙的平衡。ChatGPT的定位是实用的工具，而不是一个为了留住用户而无底线讨好的社交APP。

  • “政治偏见”风波：早期，有人批评ChatGPT有“政治偏见”。团队对此非常重视，他们认为这本质上是一个测量问题。他们的解决方案是：

    1. 追求中立的默认设置：通过大量的测量和调整，确保模型的默认行为在各种偏见维度上都尽可能居中。
    2. 给予用户掌控权：允许用户在一定范围内“引导”模型的个性，比如通过自定义指令（Custom Instructions）让它扮演不同角色或持有不同观点。
    3. 保持透明：公开模型行为的规范（Model Spec），让外界清楚地知道模型被期望如何表现。如果模型的行为与规范不符，那就是一个需要修复的bug；如果规范本身有问题，那也为公众提供了批评和改进的方向。

从文字到万物：图像、代码与AI的未来

ChatGPT的成功只是一个开始。OpenAI的战略是打造一个通用的、多模态的智能助手。

DALL-E 3：另一个“迷你ChatGPT时刻”

DALL-E 3的发布，再次点燃了公众的热情。它之所以能脱颖而出，不仅仅是画质的提升，更关键的是它真正实现了“听懂人话”。

  • 精准的指令跟随：它能够准确理解复杂的长句子，实现所谓的“变量绑定”（比如“一个穿着红衣服的宇航员手里拿着一个蓝色的气球”）。
  • 一次性生成高质量图像：用户不再需要在九宫格里反复筛选，很多时候第一次生成的结果就足够惊艳。
  • 强大的编辑能力：用户可以上传一张图片，让模型在此基础上进行修改和创作。

Nick分享了一个惊人的数据：“发布后的那个周末，印度5%的互联网人口都试用了ImageGen（DALL-E 3的早期代号）。”这证明了图像这种媒介的普适性，吸引了大量非文本核心用户。

Codex：当AI开始写代码

代码生成是另一个核心领域。从最初集成在GPT-3中的零星能力，到专门的Codex模型，再到如今更加强大的版本，AI正在从“代码补全”工具进化为“代理式编码”（Agentic Coding）伙伴。

这意味着，你不再是让AI帮你写一个函数，而是可以给它一个更宏大的任务，比如“修复这个bug并提交一个PR”，然后让它在后台花时间去思考、规划、执行、测试，并最终交付一个完整的结果。

这种“异步工作流”是AI未来的一个重要方向。

面向未来，我们该学什么？

随着AI能力越来越强，很多人开始焦虑自己的工作和未来。对此，两位高管给出了他们的建议：

  1. 拥抱技术，而不是恐惧：亲自去使用它，感受它如何能增强你的能力。AI最大的价值不是取代专家，而是赋能非专家，让普通人也能在多个领域拥有专业级别的能力，就像一个艺术小白也能通过DALL-E创作出精美的图片一样。
  2. 培养永恒的人类技能：
    • 好奇心（Curiosity）：AI能提供答案，但提出好问题永远是人的核心价值。
    • 主动性（Agency）：在一个快速变化的环境中，主动发现问题并动手解决它的能力，比任何特定技能都重要。
    • 学会授权（Delegation）：未来，你口袋里的AI将是你的导师、顾问、工程师。你需要学会如何把任务清晰地委托给它。
    • 学习如何学习（Learning how to learn）：保持开放心态，随时准备学习新事物，这比掌握任何一项“抗AI”的技能都更可靠。

下一步，期待什么？

在未来一到两年内，最值得期待的惊喜是什么？

  • Mark Chen认为，我们将看到由AI驱动的科学研究大爆发。模型的推理能力已经达到了一个新高度，可以作为科研人员的“子程序”，解决物理、数学等领域中过去难以处理的复杂问题，从而加速科学发现的进程。
  • Nick Turley则预言，AI将解决更多“受限于智能”的现实问题。无论是企业中的客户服务、数据分析，还是个人生活中的报税、旅行规划，那些因为过于繁琐或复杂而被搁置的事情，都将被更强大的AI代理解决。同时，AI的交互形式也将超越“聊天”，演变为更主动、更异步的“超级助理”。

从一个临时的命名，到一场席卷全球的技术浪潮，ChatGPT的故事才刚刚开始。它不仅仅是一个产品，更像一个窗口，让我们得以一窥那个由通用人工智能驱动的，充满无限可能的未来。