【ChatGPT，算法領域的“大力出奇迹”】（思進注：有網友還記得我曾在直播中提到馬斯克的OpenAI嗎，最近推出的ChatGPT太酷了，這幾天我也玩兒了一下，很容易上瘾（這二天，ChatGPT多次Server down），有意思的是，我發現ChatGPT是個理工直男，請見附圖（問：媽媽和女友掉進河裡，你先救誰？））
摘要：如果技術發展的曆史有大小年之分，2022年應該算是人工智能（Artificial Intelligence，AI）曆史上的一個“中”型年份——它比不上2012年，那一年，工程師們第一次疊出了5層人工神經網絡，“深度學習”的概念就此誕生；也比不上2016年，那一年，人類最優秀的圍棋選手李世石被一個叫AlphaGo的AI打敗。但2022年的人工智能領域絕對比2016年之後任何一年結下的碩果都多。4月，一個叫DALL-E 2的模型幾秒鐘就能根據指令生成令人眼前一亮的圖像畫作；11月末，一個叫ChatGPT的模型又橫空出世，富有邏輯地接住了來自人類的任意發問——除了天氣預報。兩個模型都由一家位于舊金山的人工智能公司。
記者：吳洋洋
來源：第一财經YiMagazine
ChatGPT官網對其的介紹是優化對話的語言模型。
一個月後，總部位于倫敦的Deepmind也釋出了一個可以寫代碼的模型AlphaCode。從名字就能看出，它是該公司旗下圍棋高手AlphaGo和蛋白質預測大師AlphaFold的兄弟。
此前，AI普遍擅長分析，比如判斷一個郵件是否為垃圾郵件、辨識一張圖檔是蘋果還是梨或者猜測你喜歡哪一類型的商品。與這類“分析式人工智能”（Analytical AI）不同，2022年誕生的DALL-E 2、ChatGPT和AlphaCode都是“生成式人工智能”（Generative AI），相較于分析，它們更擅長創造。
DALL-E 2的代表作。根據官網介紹，DALL·E 2 可以根據文字描述建立原創、逼真的圖像和藝術作品。
可以肯定的一點是，無論分析式AI還是生成式AI，都仍然基于深度學習。過去兩周，體驗過ChatGPT的人多數都會經曆這麼一個過程：初試驚豔，為ChatGPT可以給出如此富有邏輯的答案而驚歎，它寫出的述職報告差不多改一改就能用；有人用它為代碼debug，還有人用它編出了情節離奇富有創意的科幻故事；但很快，大家又發現，這個AI在很多問題上的回答并不靠譜，比如，它會認為賈寶玉應該娶賈母，或者一本正經地給出“4是無理數”的證明。
沒錯，ChatGPT的背後仍然是深度學習的“黑盒”，你不知道它會生成什麼内容，它自己也不知道。
但現在，用以深度學習的神經網絡規模變了。在ChatGPT被推出之前，OpenAI就因一系列GPT（Generative Pre-trained Transformer，生成式預訓練語言模型）而聞名，其中GPT-3一度是全球最大的自然語言模型，有1750億個參數。GPT證明，更大的模型的……
語言一直被視為智力的明珠，無論對人還是對人工智能都如此。GPT系列一誕生就被寄予厚望，這部分人認為人類語言沒什麼神秘的，就是一種“Predict The Next Word”模式。回想一下，你是不是經常在聽到對方講出上一個詞的時候就能預測到他接下來要說的詞是什麼？
第一财經Yimagazine與資深算法工程師徐昳昶就ChatGPT的相關技術問題做了一次對談。
Yi：你用ChatGPT的體驗如何，覺得它很好？很蠢？還是相比其他AI有進步？
徐昳昶：其實是有一些進步了，但是這個進步和之前的DALL-E 2模型（注：OpenAI旗下的圖檔生成模型）一樣，隻是向前跨出了讓大家覺得好玩的一步，是以才流傳這麼廣。這一步背後的技術變化可能不是很大，比如可能隻是準确率從85%提升到了90%，隻是5個點的進步，但這一步讓它正式邁入應用級行列了。
Yi：是否存在一個可以生成各種類型内容的通用型AI？
徐昳昶：目前還有些困難，但不保證ChatGPT做更多訓練之後能做這件事。現在你讓ChatGPT去生成一些圖檔，它好像也能做到。
Yi：很多人認為這些模型之是以回答問題回答不好，是因為它自己都不了解它在說什麼，“了解”對實作機器智能來說重要嗎？
徐昳昶：我個人了解，了解這個東西對機器不是很重要，目前的架構（指深度學習）對機器來說不存在了解這個東西。對機器來說，它隻是在拟合對标。哪怕它做得好的時候，也隻是因為它在訓練資料中見過，而不是它了解了。
全文：網頁連結
【思進免責聲明】本号緻力于“好文”推送，并對文中觀點保持中立，所發内容僅供學習、參考、交流之目的。文章來自網絡，感謝原作者，版權歸原作者或機構所有，若涉及版權問題，煩請留言聯系，侵删。
