ChatGPT能幫忙做副業、寫論文，但為何還是取代不了人類？
撰文 | 林秋藝
編輯 | 龔 正
ChatGPT已經在科技圈火熱一月有餘，但仍有很多大衆關心，ChatGPT于個人的職業、學業有何價值、自己該如何與ChatGPT時代相處。
也有很多人腦洞大開提問，ChatGPT能幫自己做副業嗎？能成為自己的良師益友、解決自己的精神内耗嗎？另外也有瞧不上ChatGPT的聲音。前一陣，ChatGPT連國小數學題都算不對的新聞也傳播了一番。一些家長形成了先行印象，認為這哪裡算得上AI。
對此，我們對話了中國計算機學會科學普及工作委員會主任助理崔原豪博士。他也是電影《流浪地球2》中人工智能領域科學顧問。請他分享了ChatGPT的諸多硬核洞察。
崔原豪的核心觀點如下：
1、AI替代的不是人類，而是不會使用AI的人類。關注ChatGPT的原因在于，我們應該了解将來如何使用ChatGPT相關的AI産品去提升自己的工作效率，這是未來工作中的最優選擇。當世界在進步時，一成不變就将形成數字鴻溝，進而影響自身發展。
2、機器在計算能力上會高于人類，但機器智能始終無法如人類智能一樣思考。迄今為止，還沒有發現AI有超越人類智能或者企圖反叛人類的苗頭。評價機器是否智能隻有通過圖靈測試，但真正完備的圖靈測試無法實作。
3、ChatGPT目前還無法分辨資訊的真實性。下一步，需要在資料層面集中增加更多關于世界常識的标注資料；在它原有的記憶上更新，因為随着時間的程序，某些事實和知識都會發生變化，它需要不斷更新。
以下為對話實錄：
Q1：您第一次接觸ChatGPT是什麼時候？使用體驗如何？
A1：大概是在2個月前，第一次使用了ChatGPT。當時用它做了一篇英文論文的潤色，讓ChatGPT幫我推敲其中的文法，結果超乎我想象的好。
我告訴它：你現在是一個英語翻譯家，我希望你把我說的話翻譯成優雅且簡練的英語句子，不要作過多解釋，也不要改變它的原意。
這裡每一個“要”或“不要”都是一個訓示。在這幾條訓示的要求下，它就會把你輸入的一段英國文本變得更加優美簡潔。
這比以前用的Grammarly（英語文法檢測）潤色出來的效果好很多。專業性上，ChatGPT會做很多專業術語的替換，這是之前的文法檢測工具很少能做到的；文法方面，被它替換後的詞彙和文法相較之前會更優雅一些。
Q2：現在對ChatGPT的複用率如何？
A2：最近更多的是用它來做論文潤色、英語翻譯或其他語言翻譯，有時候也會逗它玩一會兒。
它的使用過程還是挺有趣的，像是工作助手，大幅度地減少了我的工作時間，提高了效率。
Q3：請教一個根源性的問題，在人工智能中，大語言模型扮演着怎樣的角色？
A3：要了解大模型的角色，我們首先要了解機器如何評價一段文本的好壞。
舉個例子，《流浪地球2》裡有一句經典台詞“我相信人類的勇氣，可以跨越時間，跨越每一個曆史、當下和未來。”
假如我把句子順序調整一下，“我相信勇氣的人類，可以跨越時間、當下、未來，跨越每一個曆史。”大家會覺得有一點奇怪，但還是能聽出來我說的是什麼意思。
但當我把它整體打亂，變成“人類勇氣未來，時間當下跨越每一個，可以我相信的曆史”，你就會覺得無法了解。
我們會覺得第一個句子非常合理，最後一個不合理的原因是，在我們人類所有的語言裡，最後一個句子出現的機率非常低。
從統計角度來看，在“人類語言模型”裡，第一句話發生的機率最大，第二句話次之，第三句話幾乎不可能發生。這就是文本合理性的量化。
機器就是在它的訓練集中，獲得文本合理性的量化名額。如果訓練集足夠泛化到含括所有的語言模型，那麼機器就有資格評價這段文本是不是符合人類文法。
當你讓它生成一段新的文本時，它會按照人類最常用、最喜歡的方式生成，從文法結構上來看，你會覺得它說得很有道理，但事實層面卻不一定對。
也就是說，語言模型本身就是自然語言處理的一個領域基石。
語言模型的好壞，決定了整個下遊任務處理的好壞，因為是它在評價語言是不是合理。如果剛開始評價名額就錯了，那麼後邊的所有東西都會變成錯的。是以語言模型是根本。
Q4：有聲音認為，ChatGPT是一個颠覆式的創新，它的颠覆性展現在哪？
A4：我個人覺得颠覆性其實展現在，它變成了一個可以直接面對使用者的産品。
以前大家做大模型的目的，第一是可以完成更多的自然語言處理任務，第二個是可以在每個細分的載源處理任務上可以去重新整理，去達到更高的進度。包括谷歌的大模型、微軟的大模型，還有智源研究院的大模型。
但是很少有人去站在使用者的角度去想：我們是不是可以去做一個大家都可以用得起來的人工智能産品。
以前所有的人工智能産品，比如小冰、小愛同學，或者是手機裡邊的圖像處理、圖像增強的算法也都是内嵌在其他産品裡邊的，并沒有真正打包成一個完全的人工智能的産品去賣給使用者。
現在ChatGPT就是每個人都可以用得起來一個産品，大家都可以接受他能做到什麼程度，而且它還可以接入更多人工智能的算法，包括圖像和視訊領域的算法。
Q5：許多使用者實測之後發現，ChatGPT在與人溝通上雖然已經相當地智能化，但有時“也會一本正經的胡說八道”，從技術角度上看，造成這一結果的原因是什麼？
A5：主要原因是ChatGPT還不懂什麼是“事實”。
ChatGPT的訓練過程第一步是預訓練。預訓練是采用無監督訓練的方法，也就是把網絡上的資料包括其他的東西，交給它來進行自我訓練。
這造成的一個結果就是，它不知道這些東西哪一個是真的，哪一個是錯誤的。
因為預訓練模型是一個語言模型，它的主要目的是去了解人類的語言習慣，包括單詞之間的構造關系，隻要學足夠多的文字語料，這些語義資訊都是可以被抽取出來的。
但是抽取出來的關于世界的常識，它自己是無法評判真實性的，需要人類來進行标注。
下一步，如果它要變得更能分辨事實的話，就需要再加入很多關于世界常識的标注資料，人類需要對哪一些是真的世界常識去做标注。
另外一個，它需要做一個記憶上更新，因為有很多事實是沖突的，随着時間的程序，某些事實和知識會發生變化，它需要不斷更新。
Q6：ChatGPT接下來應該在哪些方面做改進，來變得更為智能？
A6：這個還是要從智能本身的定義來想，什麼叫“智能”？
我一直覺得在這個領域裡邊沒有一個普适的評價基準，去評價機器或者大語言模型本身的能力。現在是根據每一個細分任務去評價它的準确度，但是準确度其實跟智能沒有太大關系。
要評價它是否智能就需要通過圖靈測試，但是真正完備的圖靈測試是實作不了的，因為它要求的是人與機器不斷互動，這是一個無限長的過程，基本上無法實作。
如果是限定時間内，人和機器的互動，其實是有可能會被機器騙過去的。
比如，你和一個大語言模型聊5分鐘，如果話題比較窄，可能你就會覺得它已經達到人類的标準了。
但是如果你跟它聊得非常寬泛，把範圍擴充到它未曾接觸過的領域，或者你跟它聊大概一個月左右，你可能就會覺得它确實不是一個人。
是以，如果是從标準的測試層面來說，現有的大語言模型應該都無法通過測試。
Q7：像人腦一樣去思考和創造，是否是科學界對ChatGPT定性的終極目标？
A7：大方向上是朝着“人腦”這個方向努力的，但是在真正的研究過程中其實反而沒想這麼多。
比如，在ChatGPT的研究過程中，最開始的時候機器是需要人的提示的，你需要給它一個例子，它會按照這個例子把你想要的内容生成出來，但是現在已經演變到你直接給它下指令，它就能生成的程度。
是以，實際上它确實是在朝着一個既定的目标去研究的，但是這個既定目标可能并不一定是為了更智能，也可能是為了讓它變得更容易使用。
Q8：人類随年齡越長越充滿智慧，ChatGPT也會随着年限增長，變得更聰明嗎？
A8：我覺得這個不一定，因為知識是需要更新的。
人類大腦有一個遺忘的功能，這非常重要，因為大腦的儲存容量是有限的，現在我們每天都會接收到很多的資訊，從視覺、聽覺、嗅覺，包括皮膚都可以接受到非常細微的刺激。
人類的大腦有注意力機制和遺忘機制，我們會注意到我們感興趣的資訊，也會遺忘掉很多細節資訊。這兩個機制保證了人類大腦不會被過多的資訊沖垮。
對于大語言模型來說，現在注意力機制已經有了，但遺忘機制還沒有。
現在的大語言模型還隻是一個“新生”的階段，它的訓練并不是像我們人類在現實生活中實時訓練，而是在訓練之後使用一段時間，然後再更新、再訓練。
在使用過程中訓練是我們人類獨有的能力，而大語言模型無法在使用過程中訓練，這也是未來大語言模型需要解決的問題。
Q9：有聲音認為，國内模型開發公司的研究進度要比海外公司落後2年左右，這個觀點您認同嗎？差距主要在哪？
A9：我個人覺得大家都比Open AI要落後2年，不隻是國内，國外其他公司也一樣。
因為Open AI選擇的這條路線，在ChatGPT釋出之前，大家都覺得它隻是一條路線而已，都不覺得它會是一條通往未來通用人工智能的标準路線。
ChatGPT出現之後，現在注冊使用者已經超過1億了，這是以前從來沒有過的一個數字。這個現象讓大家覺得，朝這個方向做通用人工智能是完全有可能的，而且ChatGPT也展示了潛力。
Q10：現在入局的網際網路科技公司，您認為哪些或者有哪些積累的企業具備做出高品質ChatGPT的實力？
A10：現在做自然語言處理的初創公司有很多。
像智源研究院、百度這樣的網際網路科技公司，阿裡巴巴、京東這樣的傳統網際網路公司，都具備做出類ChatGPT産品的能力。
還有知乎，大家覺得它會成為未來類ChatGPT産品的基礎語料庫，這會給知乎帶來很多流量。
Q11：我們已知ChatGPT會對搜尋引擎産生較大的颠覆作用，除此之外，還會颠覆哪些賽道？
A11：下一步應該就是圖像和視訊。據我所知，現在也有很多關于圖像和視訊的大模型，隻不過它們并沒有像自然語言走得那麼靠前。
基于ChatGPT 這個大模型本身會有很多衍生産品，未來它可能會成為一個基石，跟各行各業的需求結合起來。
Q12：ChatGPT的算力對晶片提出了巨大的挑戰，目前大陸的晶片技術能否達到ChatGPT的算力需求？
A12：目前國内的晶片技術肯定是比國外要弱一些。雖然會比國外弱一點，但它不是決定因素。
我們說，如果智商不夠，也可以靠數量來湊。ChatGPT的算力需求，國内的晶片還是可以達到的。
其實高端晶片的困境，不太會影響類ChatGPT在大陸的開發，能做大模型創新的公司其實很少，也就是幾個主流的網際網路公司，像百度、華為都有自己的晶片體系，這對他們來說應該不是大問題。
但是晶片也等于是算力的價格，假如晶片便宜，那麼在後續運作大模型時，它的成本就會比較低，現在可能看不太出來，以後就會成為一個重要的競争力，因為未來每個公司都在做類ChatGPT産品，那麼成本就是一個重要的考量标準。
Q13：該如何認知類ChatGPT産品之于大陸網際網路産業的戰略意義？
A13：從自主可控的角度來講，國家會需要有屬于自己的大模型。
大陸現在已經有了大模型，雖然跟國外有差距，但是差距并不是特别大。
研發類ChatGPT的産品，這是一個值得去戰略思考的，需要去做戰略儲備、戰略決策或者戰略指引的一個事情。
Q14：作為一個普通人，我為什麼要關注ChatGPT？ChatGPT未來會取代我的工作嗎？
A14：AI替代的不是人類，而是不會使用AI的人類。
我們要關注ChatGPT的原因，在于需要了解以後應該怎麼使用ChatGPT相關的AI産品去提升自己的工作效率，這是我們以後工作中的最優選擇。
産業革命、工業革命之是以是革命，就是因為它對我們每個人的生活都産生了影響，比如以前的蒸汽機、電力、網際網路，現在沒有人不使用它們。
AI技術被我們認為是一個新的工業革命，原因也是一樣。
所有人的生活，都會因為AI産品本身或者是AI衍生的其他産品而産生改變。當所有人都在進步，隻有我們一成不變，形成數字鴻溝，那麼受到影響的就會是我們自己。
但同時，AI并不一定能替代人類工作，現在我們也可以看到，它的精确度并不是很高，它還存在很多問題，如事實性、時效性和了解程度。
是以應該做的不是焦慮、恐慌，而是跟上發展的浪潮，主動了解ChatGPT，以便更好地使用。
Q15：用ChatGPT搞副業行得通嗎，比如幫寫網文？
A15：不能說完全不行，但要用它寫出充滿可讀性的網文，需要比較精心的引導，目前還達不到給它一份大綱，它就能生成非常完美的一篇網文的程度。
現在的情況更多的是，我們給它大綱，然後它生成一篇充滿套路的文章。
也就是說：華麗的詞藻，但是空洞的思想。
未來網際網路上的資訊會更加膨脹，大家會更偏向看有品質的東西，那麼ChatGPT生成的充滿套路的文章肯定是行不通的。
Q16：人類應該以怎樣的正确态度來面對ChatGPT？
A16：AI首先是一個工具。從這個角度上來看，我們應該考慮到，工具和技術本身沒有善惡，但它的使用角度可能會有問題。
而且，人工智能這樣一個工具，嚴重地依賴它的資料，還有它的生成過程。是以我們希望人類本着負責任的态度去使用它，這樣大模型生成的内容也是相對負責任的。
另外一方面，就是我們日常擔憂的AI問題。
最近也有一些人在談論，ChatGPT這類大語言模型，除了現在的仿造能力，将來會不會湧現其他新的能力，比如邏輯思維能力，這是今年熱度很高的一個問題。
這也是我們目前正在研究的問題，如果有一天它真的出現邏輯思維的能力，或者開始出現類似于小孩的心智，那麼可能會變成一個比較嚴重的問題。
但迄今為止，我們還沒有發現AI有超越人類智能或者企圖反叛人類的苗頭。
Q17：新技術的風險一般伴随着法律和倫理上的讨論。ChatGPT的風險主要展現在哪些方面？
A17：這應該是對大模型的普遍擔憂。
第一個就是，資料公平的問題。有很多模型的訓練集本身就沒有公平，導緻它産生的結果就是不公平的。
第二個是，它的答案可能是有害的。目前ChatGPT已經對很多領域都已經做出了限制，我們很少能看到有害的問題和有害的答案。但是如果有新的模型，它們可能沒有做出限制，就很難避免。
第三個是，現在AI界在強調的，我們要做負責任的AI。AI隻是一種技術，但作為技術的生産商，需要讓這個技術對人類負責任，它的每一個決定都不能随意。
- END-