作者 | 齊健

【資料圖】

編輯 | 陳伊凡

OpenAI在12月1日發(fā)布的NLP（自然語言識別）新模型ChatGPT，剛剛與廣大網(wǎng)友度過了一個愉快而又有意義的周末。

該模型是OpenAI在2020年推出的NLP預訓練模型——GPT-3的衍生產(chǎn)品。在此之前，一直有預測OpenAI將在今年底或明年初推出GPT-4，雖然本次放出的ChatGPT被稱為GPT-3.5，而不是GPT-4，但業(yè)內(nèi)人士同樣認為這將是對NLP以及人工智能領(lǐng)域有重要意義的一款模型。

ChatGPT一經(jīng)發(fā)布就被OpenAI掛到官網(wǎng)上，接受廣大網(wǎng)友的“檢測”。 免費公測版本的服務器很快被熱情的測試用戶擠爆了。

一時間，針對ChatGPT的調(diào)戲、探討、詢問、閑聊貼刷屏了Twitter和朋友圈。周末沒有跟蹤ChatGPT新聞的“紐約時報”甚至遭到了已離開OpenAI的創(chuàng)始人馬斯克發(fā)推奚落。

TED負責人Chris對紐約時報沒有報道ChatGPT表示震驚，馬斯克也在下面奚落紐約時報應該改名叫“社會正義時報”

ChatGPT有多厲害？

GPT-3目前的能力已經(jīng)接近人類，甚至超過人類了。

ChatGPT模型看起來比以往的人機對話模型更強大，例如，其敢于質(zhì)疑不正確的前提和假設(shè)、主動承認錯誤以及一些無法回答的問題、主動給拒絕不合理的問題、提升了對用戶意圖的理解以及結(jié)果的準確性。與之前的GPT3不同，相比于此前海量學習數(shù)據(jù)進行訓練，ChatGPT中，人對結(jié)果的反饋成為了AI學習過程中的一部分。

馬斯克發(fā)推稱：ChatGPT厲害的嚇人，我們距離危險而強大的AI不遠了。

ChatGPT 使用監(jiān)督微調(diào)訓練了一個初始模型：人類 AI 訓練員提供對話，他們在對話中扮演雙方——用戶和 AI 助手，AI 訓練員可以訪問模型編寫的對話回復，以幫助 AI 調(diào)整回復內(nèi)容。

為了創(chuàng)建強化學習的獎勵模型，該研究需要收集比較數(shù)據(jù)，其中包含兩個或多個按質(zhì)量排序的模型回復。該研究收集了 AI 訓練員與聊天機器人的對話，并隨機選擇一條模型編寫的消息，抽取幾個備選回復，讓 AI 訓練員對這些回復進行排名。此外，該研究還使用近端策略優(yōu)化算法（PPO）微調(diào)模型，并對整個過程進行了數(shù)次迭代。

目前已經(jīng)有網(wǎng)友嘗試讓ChatGPT參加美國高考；誘騙ChatGPT規(guī)劃如何毀滅世界；甚至讓ChatGPT扮演OpenAI，在系統(tǒng)內(nèi)構(gòu)建ChatGPT套娃。

ChatGPT在網(wǎng)友的引導下創(chuàng)作的小說

更多新功能還在持續(xù)等待網(wǎng)友開發(fā)中……

這么好玩的東西不會只是拿來玩的吧？

在網(wǎng)友排隊“調(diào)戲”AI的同時，ChatGPT商業(yè)落地問題亦成為產(chǎn)業(yè)界關(guān)心的話題。

ChatGPT或?qū)⒀苌鲆慌鷱姶蟮腘LP商業(yè)應用。一位人工智能行業(yè)專家告訴虎嗅，通用大模型的普及預計會在3-5年內(nèi)實現(xiàn)，人工智能將很快替代簡單重復勞動，甚至是一些流程性的技術(shù)崗位，比如翻譯、新聞簡訊編輯等。通用大模型很可能會在短時間內(nèi)改變現(xiàn)在生產(chǎn)和生活的很多方式，大量基礎(chǔ)性的工作流程會被基于大模型的智能應用滲透甚至取代。

那么代表著最新AI訓練趨勢的ChatGPT，在商業(yè)化方面有可能面臨哪些挑戰(zhàn)呢？

多位業(yè)內(nèi)人士向虎嗅表示，今天的ChatGPT距離實際落地還有一段距離。其中最為核心的問題，在于模型的準確性和部署成本。

首先，ChatGPT的回答并不能保證準確性，這對需要準確回答具體問題的商業(yè)應用來說是致命傷。這也是ChatGPT要在C端大規(guī)模推廣，所需要面臨的挑戰(zhàn)。一些業(yè)內(nèi)人士擔心，如果AI輸出虛假信息的速度太快，可能會在互聯(lián)網(wǎng)中淹沒真實信息，甚至對整個社會產(chǎn)生誤導。

這樣的擔心不無道理，也并非沒有先例。Meta早些時候推出的一款大型科學預言模型Galactica，就因為回答問題過于“放飛自我”，在網(wǎng)上輸出了大量憑空捏造的虛假內(nèi)容，僅上線三天就匆匆下架了。

ChatGPT也并不能避免這個問題，OpenAI的科學家John Schulman在此前接受采訪時曾表示，他們在解決AI編造事實的問題上取得了一些進展，但還遠遠不夠。

商業(yè)化考慮的另一個問題就是經(jīng)濟性。ChatGPT目前尚處在免費的測試階段，眼前最接近實際的應用場景是搜索引擎優(yōu)化、營銷媒體內(nèi)容創(chuàng)作輔助和開發(fā)者編程。

由于，ChatGPT現(xiàn)在還處在一個優(yōu)化迭代的階段，目前開放的公測應該也是希望搜集大眾使用的反饋對模型持續(xù)改進。OpenAI首席執(zhí)行官Sam Altman曾提到過，OpenAI未來的重點更新功能之一，是對ChatGPT生成的內(nèi)容提供Citation。

GPT-3參數(shù)量達到1750億，在2020年6月發(fā)布之后， OpenAI開始嘗試對GPT-3進行商業(yè)化。目前OpenAI以API的形式向開發(fā)者客戶有償提供GPT-3模型，并根據(jù)token使用量來收費。其客戶包括傳媒、營銷等多個領(lǐng)域，基于GPT-3產(chǎn)生的App達300多個。

從OpenAI官網(wǎng)公布的API價格來看，收集莎士比亞作品集的價格在48-24000美元不等

訓練階段的沉沒成本過高，也導致人工智能應用早期很難從商業(yè)角度量化價值，也就是算不好“經(jīng)濟賬”。隨著算力的不斷提高、場景的增多、翻倍的成本和能耗，將成為橫梗在所有公司面前的問題。盡管OpenAI的估值目前為200億美元，但此前亦有觀點認為OpenAI應該是一家萬億估值的公司，而這家公司目前階段主要產(chǎn)品和技術(shù)仍停留在實驗階段。

盡管很多小規(guī)模的預訓練模型在今天的人機對話領(lǐng)域已經(jīng)有很多成功的商業(yè)應用，但像ChatGPT這樣大規(guī)模的模型，在To B領(lǐng)域中部署的難度很高，部署速度慢、成本高，商業(yè)價值也不明確，因此僅能停留在搜索、文化、娛樂等應用領(lǐng)域。

容聯(lián)云AI科學院院長劉杰對虎嗅表示，To B行業(yè)對人工智能要求更嚴肅、嚴謹，目前的人機對話內(nèi)容主要集中在客服、外呼、營銷等領(lǐng)域，需要有針對的模型庫，利用BERT（預訓練的語言表征模型）基礎(chǔ)上的UniLM框架等規(guī)模小一些的模型進行快速訓練。

劉杰認為，包括ChatGPT在內(nèi)的NLP，在商業(yè)化上還處在一個螺旋上升的階段，未來應用場景很廣，但當下技術(shù)和商業(yè)模式還需要盡快找到一個“共振”的頻率。

不過，也有很多人認為ChatGPT未來的應用領(lǐng)域未必局限在人機對話，可能會擴展到更多應用領(lǐng)域，例如程序問題的識別和搜索引擎等。只是不論是哪一點，其都無法避免那些商業(yè)化的難題。

依托云廠商生長

數(shù)據(jù)是一切AI算法、AI模型的原料。

依附于云廠商，顯然是一種聰明的做法，原料越豐富，做出來的菜色更多樣。

2019年，OpenAI收到來自微軟的10億美元投資，此后一直與微軟保持緊密合作。ChatGPT和GPT 3.5的訓練也都是基于微軟的Azure AI的超算基礎(chǔ)設(shè)施完成的。

憑借著大規(guī)模通用AI模型在實際應用中對算力的需求，Azure AI可以利用ChatGPT秀一波肌肉。

去年11月，微軟宣布，OpenAI的GPT-3將通過新的Azure OpenAI服務提供給開發(fā)人員。大幅加強了微軟在NLP方面的技術(shù)能力。OpenAI的直接競爭對手DeepMind則在2014年被谷歌母公司Alphabet收購。谷歌和DeepMind合作的主要項目之一，是后者開發(fā)的人工智能推薦系統(tǒng)，這也大大提高了谷歌數(shù)據(jù)中心的效率。

微軟和谷歌在與頂級人工智能研究實驗室的合作中收獲頗豐，而在這方面亞馬遜的AWS可能已經(jīng)落后于另外兩家云業(yè)務不那么出眾的競爭對手。Gartner于2021年3月發(fā)布的關(guān)于云人工智能的Magic Quadrant報告發(fā)現(xiàn)，AWS遠遠落后于微軟、谷歌和IBM等競爭對手。

不過，在人工智能研究方面，AWS在2017年也推出了自己的機器學習解決方案實驗室，提供機器學習專業(yè)知識，用于識別和構(gòu)建識別AWS客戶端的機器學習解決方案。在今年9月還推出了一款據(jù)說在機器學習任務上表現(xiàn)優(yōu)于GPT-3的seq2seq模型AlexaTM 20B。

人工智能發(fā)展的瓶頸

一位在人工智能領(lǐng)域耕耘多年的業(yè)內(nèi)人士告訴虎嗅，人工智能領(lǐng)域一直以來面臨的瓶頸是建立在基礎(chǔ)理論之上的，對于算法和架構(gòu)的突破——大家習慣了用筷子夾丸子，但有沒有想過，可能用簽子串，效率更高。90年代末期，正在攻讀博士的他就經(jīng)歷了一次AI的浪潮，過去40年，發(fā)生在AI產(chǎn)業(yè)上有三次浪潮，每一次都是由于理論發(fā)展的瓶頸最終退潮。

另一個瓶頸是倫理道德。一提到人工智能的倫理道德問題，多數(shù)人會想到自動駕駛定責等嚴重的問題，一位人工智能領(lǐng)域投資人向虎嗅指出，如今自動駕駛的技術(shù)走在了法律法規(guī)的前面。而如今，隨著生成式AI的逐步成熟，AIGC的版權(quán)以及AI的價值觀問題都成了制約人工智能發(fā)展的大問題。

在人類與AI交流的過程中，AI如何學習，能否輸出正確的價值觀？

大規(guī)模訓練部分取決于數(shù)據(jù)的質(zhì)量，AI無法主觀判斷什么是正確的，所以AI很容易“學壞”。雖然ChatGPT在“防騙”方面有了很大進步，但它仍然會在“不懷好意”的圍觀群眾誘導下表達出一些不那么“政治正確”的觀點，這可能會是通用AI模型商業(yè)化的阻力之一。

關(guān)鍵詞： chatgpt 人工智能 gpt-3