【ChatGPT，算法领域的“大力出奇迹”】（思进注：有网友还记得我曾在直播中提到马斯克的OpenAI吗，最近推出的ChatGPT太酷了，这几天我也玩儿了一下，很容易上瘾（这二天，ChatGPT多次Server down），有意思的是，我发现ChatGPT是个理工直男，请见附图（问：妈妈和女友掉进河里，你先救谁？））
摘要：如果技术发展的历史有大小年之分，2022年应该算是人工智能（Artificial Intelligence，AI）历史上的一个“中”型年份——它比不上2012年，那一年，工程师们第一次叠出了5层人工神经网络，“深度学习”的概念就此诞生；也比不上2016年，那一年，人类最优秀的围棋选手李世石被一个叫AlphaGo的AI打败。但2022年的人工智能领域绝对比2016年之后任何一年结下的硕果都多。4月，一个叫DALL-E 2的模型几秒钟就能根据指令生成令人眼前一亮的图像画作；11月末，一个叫ChatGPT的模型又横空出世，富有逻辑地接住了来自人类的任意发问——除了天气预报。两个模型都由一家位于旧金山的人工智能公司。
记者：吴洋洋
来源：第一财经YiMagazine
ChatGPT官网对其的介绍是优化对话的语言模型。
一个月后，总部位于伦敦的Deepmind也发布了一个可以写代码的模型AlphaCode。从名字就能看出，它是该公司旗下围棋高手AlphaGo和蛋白质预测大师AlphaFold的兄弟。
此前，AI普遍擅长分析，比如判断一个邮件是否为垃圾邮件、辨别一张图片是苹果还是梨或者猜测你喜欢哪一类型的商品。与这类“分析式人工智能”（Analytical AI）不同，2022年诞生的DALL-E 2、ChatGPT和AlphaCode都是“生成式人工智能”（Generative AI），相较于分析，它们更擅长创造。
DALL-E 2的代表作。根据官网介绍，DALL·E 2 可以根据文字描述创建原创、逼真的图像和艺术作品。
可以肯定的一点是，无论分析式AI还是生成式AI，都仍然基于深度学习。过去两周，体验过ChatGPT的人多数都会经历这么一个过程：初试惊艳，为ChatGPT可以给出如此富有逻辑的答案而惊叹，它写出的述职报告差不多改一改就能用；有人用它为代码debug，还有人用它编出了情节离奇富有创意的科幻故事；但很快，大家又发现，这个AI在很多问题上的回答并不靠谱，比如，它会认为贾宝玉应该娶贾母，或者一本正经地给出“4是无理数”的证明。
没错，ChatGPT的背后仍然是深度学习的“黑盒”，你不知道它会生成什么内容，它自己也不知道。
但现在，用以深度学习的神经网络规模变了。在ChatGPT被推出之前，OpenAI就因一系列GPT（Generative Pre-trained Transformer，生成式预训练语言模型）而闻名，其中GPT-3一度是全球最大的自然语言模型，有1750亿个参数。GPT证明，更大的模型的……
语言一直被视为智力的明珠，无论对人还是对人工智能都如此。GPT系列一诞生就被寄予厚望，这部分人认为人类语言没什么神秘的，就是一种“Predict The Next Word”模式。回想一下，你是不是经常在听到对方讲出上一个词的时候就能预测到他接下来要说的词是什么？
第一财经Yimagazine与资深算法工程师徐昳昶就ChatGPT的相关技术问题做了一次对谈。
Yi：你用ChatGPT的体验如何，觉得它很好？很蠢？还是相比其他AI有进步？
徐昳昶：其实是有一些进步了，但是这个进步和之前的DALL-E 2模型（注：OpenAI旗下的图片生成模型）一样，只是向前跨出了让大家觉得好玩的一步，所以才流传这么广。这一步背后的技术变化可能不是很大，比如可能只是准确率从85%提升到了90%，只是5个点的进步，但这一步让它正式迈入应用级行列了。
Yi：是否存在一个可以生成各种类型内容的通用型AI？
徐昳昶：目前还有些困难，但不保证ChatGPT做更多训练之后能做这件事。现在你让ChatGPT去生成一些图片，它好像也能做到。
Yi：很多人认为这些模型之所以回答问题回答不好，是因为它自己都不理解它在说什么，“理解”对实现机器智能来说重要吗？
徐昳昶：我个人理解，理解这个东西对机器不是很重要，目前的框架（指深度学习）对机器来说不存在理解这个东西。对机器来说，它只是在拟合对标。哪怕它做得好的时候，也只是因为它在训练数据中见过，而不是它理解了。
全文：网页链接
【思进免责声明】本号致力于“好文”推送，并对文中观点保持中立，所发内容仅供学习、参考、交流之目的。文章来自网络，感谢原作者，版权归原作者或机构所有，若涉及版权问题，烦请留言联系，侵删。
