AI语言模型：ChatGPT的崛起与影响

人工智能时代已经到来。在过去的想象中，机器人可以快速地计算，也可以在极端环境下工作。但是，其最大的缺点在于，无法体会人类的语言和情感，不能进行创造性的思考。

然而，从战胜全球顶尖棋手的 AlphaGo 到 OpenAI 创造的大语言模型 ChatGPT，人工智能正在一步一步地解构人类的思考逻辑和语言模式。换句话说，我们正在赋予人工智能更多的人类特征。最重要的是，ChatGPT 所代表的人工智能，具有非常快速的学习能力。

人工智能正在涉足各行各业，从金融到科技，从设计到工业生产。ChatGPT 的到来，作为科技界近两年来最大的突破之一，蕴藏着巨大的机遇，同时也让我们担心，一部分岗位是否会被语言类 AI 取代。如果社会模式因为这些人工智能发生改变，我们能做什么？

此刻，ChatGPT 是一个窗口，让我们得以提前窥见充斥着人工智能的世界，以及在这样的世界中，人类处于何种地位。这种前瞻式的引导，将帮助我们更好地理解 ChatGPT，以及其他各种形式的人工智能。

成生辉是西湖大学工学院和未来产业研究中心研究员、智能可视化实验室负责人。近日，他出版了新书《ChatGPT——智能对话开创新时代》。基于他在元宇宙、人工智能、可视化、可视分析等领域的丰富经验，该书将深入 ChatGPT，展示 AI 生成的内容如何彻底改变人们的思考、写作和交流方式。

图 | 成生辉（来源： 成生辉）

这本书从解析 ChatGPT 技术模型要点出发，帮助理解 ChatGPT 的内在原理，然后进一步探索智能对话的边界，即 ChatGPT 可以“进化”到何种程度。在书的后半部分，成生辉总结了 ChatGPT 行业前沿应用，并对未来经济模式进行了展望。

知名孵化器 Founders Space 主席兼 CEO 史蒂文·霍夫曼（Steven S. Hoffman）推荐说，想了解 ChatGPT 如何颠覆社会，这本书将是一个完美的开始。

（来源：《ChatGPT——智能对话开创新时代》）

接下来，本文将分享书中以及成生辉关于 ChatGPT 前沿观点和思考，来帮助读者理解一个嵌入 ChatGPT 的社会将如何运行，未来又将走向何方。

ChatGPT 是由 GPT 模型驱动的，因此，ChatGPT 本质上是一款 AI 产品，其背后的 GPT 模型是由 OpenAI 研发的一种大语言模型（Large Language Model，LLM）。LLM 是一种基于深度学习技术的自然语言处理模型，旨在理解和生成人类语言的文本。

在训练模型的过程中，通常会使用人类反馈强化学习（Reinforcement Learning from Human Feedback, RLHF）来改进模型。专家会对大语言模型输出的结果进行评估和反馈，给出奖励或惩罚信号，以改进和调整模型。模型根据这些反馈信号进行再学习，以提升其性能和效果。

大语言模型能够通过学习海量的文本数据，掌握语言的语法、语义和上下文信息，并能够生成具有连贯性和合理性的文本。

它可以预测给定上下文下的下一个单词、补全句子、回答问题、生成对话等。目前，指令微调大语言模型是 LLM 研究和实践的主要方向之一，它能给出更加准确的信息，同时也能保证输出无害的信息。在 OpenAI 等 AI 公司的努力下，指令微调 LLM 更加安全且更符合人类价值观。

ChatGPT 诞生后，其它互联网公司也发布了类似的语言类人工智能产品，例如，百度的“文心一言”、华为的“盘古”模型和阿里的“通义千问”等。

这些模型背后的技术原理相似，甚至一些应用是直接调用 GPT 模型的接口，其差异性主要体现在模型性能上。目前这些语言类 AI 中，ChatGPT 在响应速度和准确性上的优势比较明显。

由于国外对于大语言模型的研究起步较早，并且 OpenAI 投入了极大规模的研发成本，包括研发人员成本、训练模型使用的设备成本、训练用的语料库数据成本等。中国对于语言类 AI 的模型开发起步略晚，但是研发的速度很快，势头也比较猛。

（来源：Pixabay）

在用户体验中，常常会碰到 ChatGPT 或者其它语言类 AI 答非所问的情况，而这与用户提问的精准性是密切相关的。

首先，要保证可以给出清晰而具体的提问，要能够给出尽量准确的关键词。清晰且具体的表述，可以降低模型给出无关或错误响应的概率。对于一个过于复杂的目标来说，适当的拆解目标，然后发出指令是可行的方法之一。例如，如果直接对 ChatGPT 发出“写一篇关于 AI 的文章”的指令，大概率会得到一篇不知所云的文章。

一种可行的方法是，把“写一篇关于 AI 文章”的大目标拆解为小目标，从框架到每一段的中心思想，逐步的向 ChatGPT 发送指令，以达到完成一篇文章的目标。

其次，要学会引导模型，并适当矫正模型给出的答案，避免 AI 模型自行编造。目前，ChatGPT 已经深入到各个领域，包括创意、教育、技术、服务等各行业。对教育行业来说，ChatGPT 可以作为学生个性化学习辅助的工具。它可以回答学生的问题，提供解释和示例，帮助学生理解复杂的概念和知识点。通过与 ChatGPT 的对话，学生可以得到即时的反馈和指导。

此外，ChatGPT 可以大大提升学生获得信息的效率。对服务行业来说，ChatGPT 可以充当客服的角色。其实，AI 客服在服务行业中已经得到了广泛的应用。但是，之前的 AI 客服只能反馈一些既定的模板式的答案，而语言表达不够自然流畅。

ChatGPT 生成的语言更接近人类语言，且能够根据不同的需求生成更有针对性更具体的反馈。可以说，ChatGPT 不再是一个没有感情的模型，而越来越往富有“人性化”的方向发展。

（来源：Pixabay）

然而，就像核武器一样，任何技术都是一把双刃剑。由于 ChatGPT 生成回复的方式是基于模型的训练数据，它可能无法始终保证提供的信息是准确、可靠的。

在某些情况下，它可能生成错误的回答或误导性的内容，特别是当模型没有足够上下文或相关信息的时候。例如，对于晦涩的问题，ChatGPT 可能会编造谎言，且 ChatGPT 在数理推理上的表现较差。

其次，使用 ChatGPT 时，用户输入的信息可能会被记录和存储。这就会引发隐私和数据安全的问题，尤其是对于涉及敏感个人信息或商业机密的场景。

更为重要的是，ChatGPT 的应用还有许多法律和道德责任的问题没有解决。例如，责任归属、算法透明度、版权和知识产权等。可以肯定的是，人类将不会容许 ChatGPT 游走在法律的边缘。

一个被广泛讨论的场景是，ChatGPT 应用于学生论文写作或帮助完成作业。学习本身是一种思维训练，通过做作业的过程实现思维模式的培养。所以，如果学生依靠 ChatGPT 来完成作业，就会丧失自我思考的能力。

在写论文场景中，基于相关实验，ChatGPT 生成的大部分文献都是虚假文献。因此，使用 ChatGPT 完成的论文，完全不符合高校论文的标准，并且学生还要花大量时间对其进行修改。所以，在学习中滥用 ChatGPT 并非明智的选择。然而，ChatGPT 具有非常高效的信息检索能力，完全可以作为辅助学习的效率工具之一。

另外，ChatGPT 会让很多行业消失，这是很多人所担心的事情。ChatGPT 及其他生成式 AI 的发展确实可能对某些行业和职业带来一定的影响，但是否会导致大规模失业现象尚不确定。

对此，成生辉表示：“我认为ChatGPT 及生成式 AI 和人类相比，在创造性思维、情感理解以及较为复杂的决策性事务上并不具备优势。因此，人类和 ChatGPT 之间应该是互补关系，而不是简单的替代关系。”

此外，ChatGPT 等产品的发展可能创造出新的就业岗位，例如提示工程师等，可以利用这些技术创造出新的应用场景和商业模式。

那么，我们应该怎么面对 ChatGPT 所带来的巨大改变？

成生辉认为，随着技术的发展，职业环境不断演变，人们需要适应变化并不断更新技能。在面对 ChatGPT 等技术工具时，人们可以通过转型和学习新的技能来适应变化，包括培养专业技能、加强创新思维和解决复杂问题的能力，以及与 AI 工具协同工作的能力。

AI 时代势不可挡，尽管对于人工智能语言模型还没有合理合法的管控，但是 ChatGPT 所展现的能力已经足够让我们看见人工智能时代的未来场景。

对此，我们已经没有时间去担忧和恐惧，应该最大程度地发挥 ChatGPT 等 AI 的功能，进一步拟人化 AI 工具，同时构建一个靠谱的“护栏”，帮助人们颠覆生产的模式。