第1天数据出来后，团队开始怀疑“是不是搞错了”；第2天，网上的讨论进一步扩大；才到了第3天，团队就意识到这个模型真·火了；并且进入第4天，他们意识到ChatGPT将改变世界。 据Nick Turley回忆，ChatGPT刚发布的那段时间相当混乱，所有人都以为是不是出了故障，怀疑它的爆火只是昙花一现，奥特曼还曾私下调侃道： 随着ChatGPT的一路走红，研究人员反而陷入困扰，面对GPU短缺、数据库连接耗尽、服务商速率限制导致的系统宕机，他们创建了“fail whale”页面，通过生成一首由GPT-3完成的诗歌自我调侃，提醒用户：我们宕机了！ 经常宕机的情况并没有持续多久，OpenAI开始积极根据用户反馈改进ChatGPT，主要是通过RLHF（使用人类反馈的强化学习），当用户为对话提供积极反馈时，模型会训练自己生成更迎合用户的响应。 Nick Turley表示，ChatGPT作为一个实用产物，长期的优化目标并不在用户的使用时长上，而是用户的长期留存率，这也是他们构建产物的核心机制。 并且他还预测，其他模态（如语音和视频）也会有类似的魔法时刻——当它们达到用户预期时，不仅会改变人们的生活，而且会进一步扩大ChatGPT的影响力。 比如对于ChatGPT，团队预期它会是一个纯粹的实用产物，但实际上人们经常拿来娱乐；而对于ImageGen，本来以为人们会拿来搞搞表情包娱乐一下，结果大部分都是用于实际工作生活，如制作ppt插图或家居设计。 就拿生成人物肖像来说，当他们首次在ChatGPT推出图像上传功能时，还曾考虑要不要对图片进行模糊处理，从而避免人们基于肖像进行推断或说一些刻薄之言。 ChatGPT是实时响应模型，输入提示，就立马给出答案，而Agentic编码是指模型接受一个复杂的任务后，将在后台长时间处理，最终返回一个接近最佳答案的结果。 如何保障代码的正确性，如何构建组织内部的软件、编写好的测试和文档，如何处理代码分歧等，这些都是AI模型未来需要集中学习的“品位”和“风格”元素。 此外，OpenAI专注构建通用技术，像Codex，虽然当前定位是专业的软件工程师，但考虑到其他用户的使用需求，未来他们将继续迭代优化，希望能降低编程门槛，让人人得以软件开发。 对于OpenAI内部如何使用这些工具，Nick Turley表示，他们的工程师使用Codex分担测试任务，分析师会使用它来自动标记日志错误，也有员工用它来规划未来的待办事项。 OpenAI鼓励员工使用编程工具，帮助提高生产力的同时，可以预测产物的未来走向。他们不会将自己不认可的产物推向市场，内部使用是一个预先检验，能让他们及时了解到人们适应新工作流程所需的时间。 AI领域有太多未知的东西。员工需要保持谦逊，因为在真正深入研究和尝试理解之前，你无法得知什么是有价值的，什么又是存在风险的，唯有强烈的好奇心能驱使人们不断学习和探索。 总之在Nick Turley看来，OpenAI之所以能快速推出产物，正是因为公司里有如此多具备行动力、能够真正“交付”（ship）产物的人，并且公司内部的繁文缛节很少。 与此同时，随着OpenAI的规模从最初的150-200人增长至约2000人，他们还通过独立项目精简人员配置、定期举办黑客马拉松保持文化和精神。 Mark Chen表示，在未来12~18个月内，最大的惊喜无疑是AI所展现出的“推理能力”，这种能力符合他们之前讨论的“Agentic范式”，且目前已经能看到它在数学、科学和编程领域取得了巨大进展。 举个例子，对公司来说，目前模型还无法解决一些本质上很难的问题（如软件工程、数据分析、卓越的客户支持），但实际上这些问题很容易描述和评估。 对消费者也同样，许多个人生活中相对麻烦的事情（如报税、旅行规划、购买高价值商品），所有这些问题都需要“多一点智能”和“合适的表现形式”。
