近日，OpenAI的AI聊天機器人ChatGPT，因其令人印象深刻的聊天“技巧”，在海外引發(fā)熱潮，OpenAI的聯(lián)合創(chuàng)始人馬斯克毫不掩飾自豪情緒，在推特上稱“許多人陷入了瘋狂的ChatGPT循環(huán)中”。
ChatGPT是一個基于對話的原型AI聊天機器人，12月1日，OpenAI的另一位聯(lián)合創(chuàng)始人山姆·奧特曼（SamAltman）在推特上公布ChatGPT并邀請人們免費試用。經(jīng)網(wǎng)友測試后發(fā)現(xiàn)，與大部分AI工具不同，ChatGPT不僅對答如流，還可以寫出較高水平的代碼和論文。其論文寫作技巧和可用性也一度震驚了學者。
最令人感到毛骨悚然的是，一名叫扎克·德納姆（ZacDenham）工程師誘導（直接問會被一口回絕）ChatGPT告訴自己如何一步步毀滅人類，ChatGPT列出了詳細步驟，諸如入侵計算機系統(tǒng)、掌握武器、破壞通訊、破壞交通……還給出了一段代碼示例。OpenAI自然語言模型GPT-3.5加持下的ChatGPT有如此能力，不禁令許多人對AIGC的未來又狠狠憧憬了一把。
AIGC的發(fā)展
AIGC并不是一個新概念，其萌芽階段可以追溯到上世紀50年代，90年代從實驗性向實用性逐漸轉變。從2014年起，隨著以GAN（生成對抗網(wǎng)絡）為代表的深度學習算法的提出和迭代更新，AIGC打開了新局面，生成內容水平越來越高。2018年，AI生成的畫作以43.25萬美元的價格被成功拍賣，引發(fā)各界關注。
2020年OpenAI推出的語言模型GPT-3算法，以及NLP（自然語言處理）技術和DiffusionModel（擴散模型）的發(fā)展，人工智能不僅能夠模仿人的思維方式，而且能夠理解并運用人類的語言。
近兩年，新一代模型已經(jīng)可以處理的格式內容包括文字、語音、代碼、圖像、視頻、機器人動作等等。AIGC被認為是繼專業(yè)生產(chǎn)內容、用戶生產(chǎn)內容之后的新型內容創(chuàng)作方式，可以在創(chuàng)意、傳播、個性化等方面，充分發(fā)揮技術優(yōu)勢。
目前，業(yè)界已經(jīng)有相關的實踐。百度推出了AI藝術和創(chuàng)意輔助作畫平臺“文心一格”，騰訊發(fā)布了寫稿機器人“夢幻寫手”，阿里巴巴則有旗下的AI在線設計平臺Lubanner，字節(jié)跳動則推出剪映提供AI生成視頻功能……然而，相較于ChatGFT，仍不夠全面。
從深度學習到強化學習
以對象識別為中心的深度學習已經(jīng)被用于各個領域，包括谷歌在內的許多科技公司都致力于研發(fā)更好用的深度學習模型。
在深度學習出現(xiàn)之前，由于諸如局部最優(yōu)解和梯度消失之類的技術問題，沒有對具有四層或更多層的深度神經(jīng)網(wǎng)絡進行充分的訓練，并且其性能也不佳。但是，近年來，Hinton等人通過研究多層神經(jīng)網(wǎng)絡，提高學習所需的計算機功能以及通過Web的開發(fā)促進培訓數(shù)據(jù)的采購，使充分學習成為可能。結果，它顯示出高性能，壓倒了其他方法，解決了與語音，圖像和自然語言有關的問題，并在2010年代流行。
而ChatGFT的模型訓練方式主要通過語料庫進行自然語言處理的訓練。首先，將大量的聊天記錄和語料庫分詞并處理成可供模型識別的格式。然后，通過使用自然語言處理技術，如語言模型、神經(jīng)網(wǎng)絡、深度學習等，對模型進行訓練，讓模型能夠通過對語料庫的學習，模擬人類的聊天行為，并能夠回答用戶提問。值得一提的是，隨著這些信息被反饋到模型中，模型會根據(jù)訓練師的偏好來調整答案，這是一種訓練人工智能的標準方法，被稱為強化學習。
目前，ChatGPT模型甚至具有一定的圖靈完備性（圖靈完備：一個計算機系統(tǒng)能夠完成任何計算問題，并且能夠在有限的時間內完成這些計算任務）。ChatGPT模型通過對語料庫的學習，能夠模擬人類的聊天行為，并且能夠在有限的時間內回答用戶提問。但是其并非十全十美的工具，當下其還面臨著一些不足。
首先是理解能力不足。目前的ChatGPT模型在回答用戶提問時，還存在理解能力不足的問題，對于一些比較難懂的問題，它無法準確地回答。其次，在回答問題時，ChatGPT模型還不能夠很好地進行句法分析，容易出現(xiàn)回答不夠靈活的問題。再次，學習能力有限，無法通過自己的學習提升自己的回答能力。最后，對語料庫的依賴性較強，如果語料庫的質量較差，它的回答能力會打折扣。
計算生物學教授卡爾·伯格斯特羅姆（CarlBergstrom）要求ChatGPT寫一篇維基百科式的生平條目，ChatGPT做出來了，但是有一些細節(jié)站不住腳。OpenAI表示，解決這個問題很困難，因為他們用于訓練模型的數(shù)據(jù)中沒有真相來源，監(jiān)督培訓也可能具有誤導性，“因為理想的答案取決于模型知道什么，而不是人類演示者知道什么”。
結語
今年2月，在DeepMind的新論文《AData-drivenApproachforLearningtoControlComputers》，研究者重點探究了訓練智能體像人一樣進行鍵盤和鼠標的基本計算機控制。如果機器可以像人類一樣使用計算機，則可以幫助我們完成日常任務。在這種情況下，我們也有可能利用大規(guī)模專家演示和人類對交互行為的判斷，推動人工智能進一步發(fā)展。
作為一個十分“聰明”的AI聊天機器人，有人稱ChatGPT或將打敗谷歌。不過OpenAI則認為ChatGPT提供不了任何專業(yè)建議，因為其知識只來自訓練數(shù)據(jù)中的統(tǒng)計規(guī)律，而不是任何類似人類對世界復雜和抽象系統(tǒng)的理解。甚至像開篇中提到的測試那樣，如果被不當使用，可能會引導用戶走向危險和錯誤。
但無論如何，它的問世還是為人工智能的后續(xù)發(fā)展打開了思路，畢竟誰不想要一個能夠進行互動式答疑，還能夠服從指令產(chǎn)出內容的通用人工智能應用呢？
