圖1頭圖 | 圖源百度百科

(資料圖片)

從0到1

這是計算機語言的飛躍

ChatGPT的出現

會成為AI跨越圖靈測試的飛躍嗎？

1

ChatGPT為何這么厲害？

ChatGPT是OpenAI推出的一款人工智能語言處理工具.

簡單來說，ChatGPT是一款聊天機器人程序.

往深了說，ChatGPT能夠通過特定的神經網絡架構來學習和理解人類的語言，并在此基礎上和人類進行互動，也就是一款可以像真人一樣聊天交流的AI。

更有甚者，可以在特定方式下使用ChatGPT完成文案撰寫、腳本編程、文本翻譯、代碼編寫等任務。

圖2 | 圖源新京報

得益于Transformer神經網絡架構（GPT-3.5模型），ChatGPT擁有專用的數據處理和理解模型，在此基礎上形成了ChatGPT的交流和理解能力。

換言之，ChatGPT能夠通過連接大量的語料庫來學習和訓練自身的應答模型。

因此我們在使用ChatGPT時，可以看作是在同一個會說話的搜索引擎交流。

圖3 | 圖源新京報

2

顛覆性的AI

七十多年前，科學家艾倫·圖靈針對AI技術提出了著名的“圖靈測試”。

“測試者與被測試者（一個人和一臺機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試后，如果機器讓平均每個參與者做出超過30%的誤判，那么這臺機器就通過了測試，并被認為具有人類智能?！?/p>

30%的標準，來自于圖靈對未來機器思考能力的一個預測，而如今看來，ChatGPT的出現無疑是加快了AI通過圖靈測試的進程。

上知天文、下知地理的ChatGPT，既能回答現實問題，又能穿越時空為名家代筆寫詩。

如此具有顛覆性的技術也不禁讓人們思考，它會不會讓人們失業(yè)？

如果會，又會讓什么人失業(yè)？

無論如何，人們對于ChatGPT最大的疑問與爭議依舊在于，它能否真的實現或代替人類的思考。

圖4 | 圖源CSDN

在過去，當你把問題拋給搜索引擎或AI時，它們往往只會通過生成模型尋找一個現有的答案或模板來回答你，因此常常答非所問。

ChatGPT則采用“生成模型+獎勵模型”的結構。ChatGPT在回答后會將問答結果反饋給獎勵模型。

換言之，ChatGPT具備一個內在的評分（獎懲）機制，假如ChatGPT面對同一個問題可以給出ABC三個回答，那么獎勵模型會根據邏輯是否自洽等因素分別給三個回答分別打分，并以分數高低為獎懲的依據來優(yōu)化自身的回答方式。

“生成模型+獎勵模型”組成了ChatGPT的自回歸特性。

即ChatGPT可以自行完成問答、獎懲、迭代的循環(huán)。于是ChatGPT就可以在漢字或字母中匹配到最高得分的組合，隨后組合成句子或段落提交給用戶。

圖5 | 圖源openai官網

盡管“生成模型+獎勵模型”的結構已經優(yōu)于目前大部分AI，但這并不意味著ChatGPT在生成回答的過程中真正理解問答的含義，ChatGPT始終只是在尋找模型計算出的最優(yōu)解，只不過在路徑選擇和反饋接收上做得更好。

ChatGPT的自動獎懲機制減少了人工修正量，于是它能越學越快，并在同其他AI的激烈競爭中勝出。

3

再強的人工智能也離不開“人工”

三年前谷歌的MT5擁有130億參數。

彼時ChatGPT的前輩——GPT-3模型已經擁有了1750億參數。

如今ChatGPT橫空出世，參數相比GPT-3并無改變，卻已經達到了性能爆炸的奇點。

由此可見，參數的堆積未必是AI進步的關鍵，優(yōu)化模型和計算方式或許才是提升AI技術的關鍵。

然而再強力的AI也離不開人工的支撐，AI世界的基礎依然是現實世界。

圖6 | 圖源鳳凰網科技

即使強如ChatGPT，其語料庫依然停滯在2021年第四季度，它對世界的認知凍結于2021年，對它詢問當下任何新鮮事，恐怕都無法得到有效的回答。

此外，ChatGPT的回答并不穩(wěn)定，ChatGPT會在多輪問答后開始“說胡話”。

這是因為隨著對話的增加，模型計算的復雜度越會指數級提高，ChatGPT為了減少計算時間，需要裁切文本，于是就導致回答失真。

現階段ChatGPT在AI領域取得了重大成功不假，但是以ChatGPT為代表的AI技術依然離不開人工的引導。

本質上，依然是人類在指引著AI的探索和問答。我們距離AI真正實現獨立思考，仍然有著一段距離。

END

作者：唐雨 中國傳媒大學

資料來源：維基百科、科技頭條

CSDN、中國新聞網

責編：咕嚕

標簽： 圖靈測試 在此基礎上 神經網絡