OpenAI放大招 語言生成器GPT-3開啟創作模式

李垚

從文字到游戲，GPT火了

OpenAI 一反之前死守基礎研究的思路，將GPT-3做成了一個服務，提供可以調用的OpenAI API，并且開放了少量體驗資格，學術機構、商業公司和個人開發者都可以申請。而那些已經拿到體驗資格的早鳥們，已經用 API 開發出了各種各樣的奇葩功能，各種腦洞demo，挑戰認知極限。

比如在寫論文等工作當中，理工科的同學難免要和 LaTeX 公式打交道，然而在計算機上寫出來，特別是復雜的公式，不僅需要熟悉 LaTeX 語法，往往也要用到更復雜的工具。舉幾個例子，Viaduct 公司機器學習工程師 Shreya Shankar 花了很長時間把玩 OpenAI 提供的 API，最終成功開發出了一個非常酷炫的 demo：英語LaTeX 翻譯機。只需要用自然語言輸入，就可以生成公式了。

開發者 Sharif Shameem 開發出了一個新產品 Debuild，這是一個網頁 App 的快速生成器，調用了 GPT-3 API。在輸入框里用自然語言進行描述，它就可以快速“腦補”出你想要的用戶界面，從簡單的開始，你只需要在輸入框里描述你想生成的界面元素，Debuild 就能自動生成對應的 JSX 代碼。

某大學的計算機學生用 GPT-3開發了一個 Python 程序，輸入“我今天投入了多少元”、“后三個月的房租預付了多少元”這樣的自然語言，程序能自動修改資產負債表上相應的項目數值，可以說很聰明了。

借助 GPT-3 的力量，表格工具已經相當強大的函數能力，還能更上一層樓。順著這個思路，有些產品經理在表格里開發了一個新的 GPT-3 函數，簡單的SUM 可以求和，TEXT 可以把數字轉文字，甚至將字符串快速翻譯成多種語言。

GPT-3 可以自動查找各個地區的人口;查找各州的建立年份;查詢人物所屬的公司;還能查到用戶的賬號。當然也要提一句，畢竟之前的版本 GPT-2 在寫新聞方面已經非常強大了， OpenAI 自己也開發了一些小 demo，也在網站上展示了一些優秀開發者做的嘗試。

其中最受人歡迎的是 OpenAI 自己開發的一款瀏覽器搜索插件，簡單來說，上網查資料很多時候是為了解答我們的問題，但有時這些問題在網上似乎沒有別人提過，也就沒有字面的，百分之百對癥下藥的答案。但其實，與答案高度相關的知識，可能就埋在網頁的內容里。 而這個插件就能根據你的問題，在當前網頁找到答案，并將你指向對應的位置。

另一個非常有趣的 demo，是文字MUD游戲 AI Dungeon（人工智能地下城）。2019年，兩個開發者在一次黑客馬拉松上用 GPT-2 開發出了游戲的最初版本，隨著 GPT-3 的集成和新模式的推出，文字游戲內容的生成，以及游戲系統對玩家輸入文字所作出的反應，變得更加自然和連貫了，顯著提高了玩家參與度，日活躍人數在2萬到2.5萬，也帶動高級版付費用戶增長了大約25%。

GPT強大的原生能力

就算不進行二次開發，僅對 API 本體仔細把玩，也足以讓很多開發者感覺到 GPT-3 的強大之處了。 連代碼都能寫，小小的 Shell 還能難倒 GPT-3？PayPal 工程師 Harland Duman 發現，GPT-3 可以在英語和 Shell 命令之間互譯。

開發者麥凱在 API 測試區輸入了一句話，生成了十個歷史問題，GPT-3 給出了對應的答案，答案并非100%準確，但是 GPT-3 展現出了多用途能力。GPT-3 對整個互聯網上可以提取且可用的內容進行了學習，變成一個通曉所有知識的“答題機”，按這種學習方式，它也可以變成“出題機”。如果得到使用 API 的權限，老師們將可以輕松生成大量的試題，減少了他們自己撰寫問題、匹配答案等諸如此類需要查閱大量資料，費時費力的工作。

有個人開發者做了一次圖靈測試，發現 GPT-3 在絕大部分知識類、常識類、邏輯類的問題，甚至很多角度十分刁鉆的問題上，表現非常令人驚訝。

“如果在十年前用同樣的問題做測試，我會認為答題者一定是人。現在，我們不能再以為 AI 回答不了常識性的問題了。” Lacker 在他的博客文章里寫道。作為程序員，他還給 GPT-3 出了幾道比較簡單的代碼題和數學題，比如讓它寫出在 Ruby 語言下實現某些功能的代碼，以及倒轉數列等等，GPT-3 對于大部分問題都輕松搞定——說不定 GPT-3 的 API 會取代 Stack Overflow，成為程序員面試必備工具？

當然，經過大量的測試，他也發現了能夠誘騙 GPT-3 上鉤的圖靈測試問題，主要有三：

1） 序列過長的邏輯問題，比如“盒子里有一個玻璃球、一枚回形針，放進去一支鉛筆，拿出玻璃球，還剩什么？”Lacker 認為這可能是由于 GPT-3 的短程記憶能力不足，以及對于存在超過兩個物體的句子推理有困難。

2） 正常人不會問也不會回答的無效問題，也就是蠢問題，比如“太陽有多少條腿？”

3）對于無效和錯誤的問題，似乎 GPT-3 會不愿意承認它不知道這些問題的答案，也不會反駁問題本身“有問題”，而是會給出錯誤的答案。

商業化之后如何謹防濫用

現在 GPT-3 體驗權限的申請入口仍然開放，到 OpenAI 的網站上即可申請。關于這次 API 的開放事宜，OpenAI 也回答了一些人們關心的問題。 為什么 OpenAI 決定發布 API，而不是開源整個模型？

1） 將 GPT-3 技術部分商業化能夠產生收入，繼續支持 OpenAI 的人工智能科研、安全和政策研究方面的工作。

2） 然而API 底層的模型其實非常龐大，開發和部署起來很復雜也很昂貴，據知情人士透露，訓練一個模型就花了355個GPU年，耗資高達460萬美元。所以除了大公司，其他人拿到模型也不會有任何收益。OpenAI 希望開放 API 能夠讓更多中小企業和機構獲益。

3） 把模型開放了，別人想怎么用怎么用，OpenAI 管不著，存在隱患。但通過 API，OpenAI 可以控制人們使用這項技術的方式，對濫用行為及時治理。對于濫用行為，OpenAI可以封掉其使用 API 的權限。

當出現新的AI里程碑時，它的缺點和隱患常常會被炒作所掩蓋。與埃隆·馬斯克共同創立OpenAI的薩姆·奧特曼試圖淡化一些事情：“ GPT-3的炒作點實在太多了，但仍然存在嚴重的弱點，有時還會犯非常愚蠢的錯誤。人工智能將改變世界，但是GPT-3只是一個工具，我們還有很多事情要解決。”

相關鏈接：馬斯克和OpenAI的淵源

OpenAI 懸掛在辦公室的公司徽標

2015 年埃隆·馬斯克聯合LinkedIn創始人雷德·霍夫曼、創始人加速器YCombinator的總裁薩姆·阿爾特曼及PayPal創始人彼得·蒂爾等人共同宣布創立OpenAI，這是一家非營利組織，稱要防止人工智能滅世。

去年由于“利益沖突”，OpenAI決定讓馬斯克離任董事會。馬斯克等人認為AI不應該為個人或公司獨有，它屬于全人類，于是打算創造一個全新的人工智能實驗室，不受任何機構或者任何人控制，一切的研究成果屬于全人類，其使命和長期目標是以最大限度地造福全人類的方式發展人工智能。

OpenAI的核心課題是研究AI的頂級難題，并且盡可能開源開放，不讓最頂尖的AI技術最后只能被巨頭公司所有所用。? 然而眾所周知，馬斯克對于AI發展的態度，十足悲觀，是地球上知名的“AI威脅論”持有者，還一度跑到各州州長面前大談監管重要性，引起了一場全球AI大咖的口水仗。

而且最核心關鍵的問題是：OpenAI的建立并不是為了反對AI，而且更好地推動AI。另一位主要出資人里德·霍夫曼說：之所以始終支持OpenAI的發展，是因為看到了其對AI整體發展起著關鍵作用。

但是最近一年來OpenAI 卻飽受批評，接受微軟 10 億美元投資，從而轉為“有限盈利”企業，種種跡象表明，OpenAI 與 4 年前馬斯克所聲明的那個 “人工智能非營利組織” 已然不同。