ChatGPT與GPT-4的科技新范式思考

□ 文 翟 尤

0 引言

2 02 3年，科技領域的熱點層出不窮，ChatGPT和GPT-4先后引發大眾對人工智能的關注和熱情，其背后既有大模型奠定的“新型基礎設施”，又有新交互入口對大眾普及人工智能應用的助推。為此，我們有必要深入分析以GPT-4為代表的大模型以及以ChatGPT為代表的聊天機器人在哪些方面引發了變革，以及在變革中我們應該做好哪些準備。

1 ChatGPT讓大眾近距離接觸人工智能

ChatGPT（Chat Generative Pre-trained Transformer）是OpenAI開發的人工智能聊天機器人程序，高度擬人化的交流方式，讓ChatGP T可以生成符合大眾習慣的自然回復內容，和傳統意義的人機對話系統相比，ChatGPT實現了自然語言為交互方式的通用語言處理平臺。除了對話外，ChatGPT還可以進行文學、媒體領域的創作，在某些測試情境下可以在教育、考試等方面表現優于普通人類測試者。因此，有專家稱C h atGP T是首款面向消費者的人工智能應用。比爾·蓋茨也評價稱“ChatGPT這種人工智能技術的出現，其歷史意義不亞于互聯網和個人計算機的誕生”。2023年3月15日，OpenAI對外發布了GPT-4，并再次引發大家關注。GPT-4是一個大型多模態模型，接受圖像和文本輸入，并返回文本輸出。其定位是一款能夠給大部分人在專業領域中提供知識增量的人工智能產品。見表1所示。

表1 GPT系列架構基本情況

總的來說，ChatGPT有以下優勢：一是交互簡單。ChatGPT交互界面極其簡單，用戶打開界面輸入問題就可以很快得到答案。這一策略對于C h atGP T出圈有較大幫助。二是有話題性。ChatGPT擬人化的交互方式，很有話題性。同時在埃隆·馬斯克、比爾·蓋茨的助推下很快成為媒體焦點，再通過社交媒體的傳播，成為了全球熱議話題。對智能的理解：大眾對智能的理解，其核心定義是要“像一個人”，類似我們說家養的寵物容易“通人性”一般。推出策略：據報道，Open AI在2022年年中的時候，就向微軟的高層演示了ChatGPT，2022年下半年GPT-4就已經完成開發。很顯然這樣的決定并非臨時起意：既要有對技術的積累，又要對現有產品實現無縫對接，因此有理由相信OpenAI在推出ChatGPT和GPT-4的時間是經過多輪評估之后做出的系列動作。

2 大模型帶來的“能力泛化”

ChatGPT從2022年11月誕生，一直受到關注持續至今。一方面是生成式人工智能技術積累和效益已經到達臨界點，另一方面也得益于數字經濟時代海量數據需求的推動。從ChatGPT這里，我們已經可以看到新的人工智能技術展現出“模塊化”的趨勢，過去需要單獨開發的工作變成了開放、可復用、可調用的組件。這是之前谷歌AlphaGo等技術所達不到的，其泛化能力僅僅局限在圍棋游戲上，ChatGPT利用大模型的有力支撐，可以為不同場景和垂直應用進行賦能。

從GPT-3到ChatGPT，再到GPT-4，我們可以看到OpenAI將大模型作為通用人工智能發展的必由之路。相當于通過從海量數據中學習各種知識，打造一個與具體任務無關的超大語言模型，從而再根據不同的應用場景和需求，來生成不同的模型應用解決各種各樣的實際問題。如果把ChatGPT比喻成一棵樹，那么大模型為代表的基礎模型就相當于“樹根“，而樹之所以能夠成活，離不開土壤的滋潤，人類上千年積累的知識就是這顆樹可以成長的“土壤”。這一過程中，模型能力的“泛化”引發關注。

當模型規模較小的時候，模型的性能提升和參數增長呈現出的是線性關系。但是隨著GPT-3這種千億規模參數的模型出現之后，模型的能力出現質的飛躍，任務性能有了明顯的提升，這種能力也被稱為涌現能力。2022年一篇名為“Emergent Abilities of Large Language Models”的文章中，對涌現給出了這樣的定義：如果一種能力在較小的模型中不存在，但是在較大模型中存在，那么這種能力就是涌現的。這也解釋了為何ChatGPT有著相當于真人一樣的理解能力，大模型為整個對話機器人提供了較好的魯棒性。即建立起真實用戶調用和模型迭代之間的飛輪，實現對真實世界數據的調用和數據對模型的迭代，同時也幫助更多創業公司找到商業模式和生存空間，建立生態。但需要指出的是，這種能力涌現并非線性發展或者可預測的，僅在工程上得到證實，理論上仍難以得到有效的解釋和論證。

總體來看，ChatGPT基本實現了大語言模型的接口層，讓用戶可以用更加習慣的方式進行表達并獲得回復，這增加了大語言模型的易用性和用戶體驗。意味著人工智能應用從過去以小模型訓練為主的“手工作坊模式”，向通用大模型預訓練為主的“工業化時代”轉變。未來競爭的焦點將聚焦在ChatGPT能夠解決客戶和行業真實的需求和痛點，讓以ChatGPT為代表的AIGC工具成為類似電力、能源以上的經濟社會生產原材料。當然，在這個過程中，業界還需要在成本、場景等方面進行持續的探索。

3 統計規律帶來的“體驗錯覺”

在能力表現上，ChatGPT具有主動承認錯誤、質疑不正確問題、承認自己無知、支持多輪對話能等功能。尤其是ChatGPT在對話過程中會記憶使用者之前的對話信息，從而具有理解上下文的能力，極大地提升了對話交互的用戶良好體驗。

ChatGPT之所以讓我們對其生成的內容感到震驚，是因為底層的模型學習的海量數據，是人類社會積累的知識結晶。學習統計規律需要通過大量的數據和巧妙的模型設計來實現，為了能夠達到這一目的，研究人員采集了海量的數據，這些被ChatGPT進行訓練的數據基本蘊含了人類社會的所有知識體系。當我們用AIGC進行繪畫的時候，我們獲得的圖片基本符合人類所有藝術作品的統計規律。當我們用人工智能生成一段音樂的時候，我們聽到的旋律也基本符合全世界音樂的統計規律。

因此，我們在和生成式人工智能進行互動后，面對的不是有“認知”的機器，而是面對著全人類數據統計規律的近似載體。尤其是ChatGPT獲得了全球海量的數據資源，知識量遠遠高出單個用戶掌握的知識量，因此我們感覺到在能力上被“碾壓”也在情理之中。ChatGPT的學習方式僅僅是掌握了語言中的統計規律，而不是語言規則，更不是邏輯推理，對世界本身的運作形式也沒有跟人一樣的直覺理解，距離類人智能還有很遠的一段發展距離。

4 人工智能新范式引發的新思考

4.1 涌現性：技術能力突破

ChatGPT的出現讓人們意識到，通用人工智能的發展有很多優勢，那就是可以用一個統一的大模型來試圖解決所有問題。這也是ChatGPT超出大家預期的地方，即人工智能涌現了一些類似人腦獨特的能力，甚至包括邏輯判斷等，這突破了之前的機器學習領域。

具體來看，一方面情景學習（In-context learning）。 ChatGPT具有較強的情景學習能力，尤其是一些之前沒有見過的任務或者問題，只需要給出幾個任務實例作為模型輸入，就可以讓模型從給定的情境中學習新任務并給出滿意的回答結果。期間模型不需要變化，更不需要對模型進行重新訓練。另一方面思維鏈（Chain-of-Thought，CoT）。對于邏輯性比較復雜的問題，大模型的答復有時候并不準確。為此可以對問題進行拆解，給到大模型有邏輯的解題步驟示例后，從而激發大模型的推理能力，獲得正確的結果。尤其是對大模型的訓練數據中存在大量代碼數據的時候，由于代碼有較強的邏輯性，因此把問題中文本內容替換為編程語言可以進一步提升模型的思維鏈能力。思維鏈技術能夠激發大模型對復雜問題的解決能力，這也被認為是大模型能力涌現的關鍵。

4.2 通用性：新交互入口出現

科技進步的標志之一就是交互方式的進步，新一代技術能否流行普及，核心也是看是否產生了新的交互方式，否則只能受困在小眾市場。這也是為何ChatGPT沒有技術從0到1的理論突破，但是依然具備大眾市場規模化商業價值轉化的核心價值。

長久以來，研究人員一直嘗試在軟件的使用過程中，更加貼近人類的自然語言。過去需要輸入一堆命令，機器才能完成一項工作，為此我們需要去學習機器語言，但是ChatGPT讓我們可以通過自然語言來獲得想要的結果。同時，大語言模型的答案更接近人的內容反饋，不但語言的組織能力更強，甚至可以像人一樣使用“直覺思考”，很多答案并不是現有信息的匯總整合，還包括了預測和推理。這就可以讓人們用日常生活中使用的語言和計算機直接進行互動。也就是說，用戶直接用自然語言來提出自己的需求，然后機器把用戶的語言轉化成機器可以識別的語言進行分析處理，之后再把結果轉化為用戶可以使用的語言。比如，你想知道公司這個月成本支出情況以及那個部門利潤最高，作為CEO你可以直接開口問人工智能，馬上就可以得到結果。但在傳統模式下，企業管理者需要找財務負責人和業務負責人來反饋結果。因此，我們需要用新的方式來解決原有的場景難題。

通過回顧歷史我們會發現，交互方式深刻改變著我們對科技的理解和互動。互聯網時代，我們和機器交互的主要方式是通過電腦顯示器、鼠標和鍵盤，這一時期服務的形式主要是軟件或者是網頁瀏覽器，人工智能在互聯網時代還處于早期發展階段。移動互聯網時代，交互特點出現改變，智能手機的出現讓小屏幕、多點觸控成為標配，但是通過鍵盤輸入仍然被保留下來。服務形式方面則主要是通過App來實現，這一階段人工智能技術通過單點突破進入我們的生活，比如人臉識別、智能推送等等。智能互聯網時代，通過語言、表情、視覺和手勢動作等自然交互方式，將成為這一時期的主要交互特點。服務形式將不再僅僅是軟件或者App，將涌現出更多人格化的服務。類似ChatGPT這種人格化的交流將更加普遍。我們感知信息的方式也將更加虛實融合、沉浸式的進行。人格化的人工智能技術將成為我們的必需品。見表2所示。

未來，人工智能將帶來更多微創新，讓某些場景從原來的想象、愿景變成現實。可以說，人工智能能力的提升可能會重構我們日常生活。未來，搶走你工作的不是人工智能，而是其他掌握人工智能工具的人。

當然，C h atGP T不會替代人類，但是會有效提高我們的工作效率。類似《流浪地球》的MOOS，或者《鋼鐵俠》里的人工智能助手賈維斯，使用者告訴人工智能助手要做什么，人工智能助手會先做出一個原型，然后在一次次的交互中，告訴人工智能助手如何修改和完善。

4.3 密集性：科技模式與人才密集性創新

OpenAI打造的“技術信仰與長期主義+風險投資創新+小公司創新與大公司商業化閉環”，讓更多人在驚嘆其技術領先性的同時，也意識到創新機制、生態、文化需要借鑒和學習的地方還有很多。

在組織機制方面。ChatGPT基于InstructGPT模型，從最初的一篇論文出發，即使在與BERT模型路線競爭中處于劣勢，但也沒有被放棄，最終結合人工反饋增強學習實現了重大突破。足見其技術路線交替競爭是業內常態，如何保持創新精神和長期主義，在創新性、投入、決心、人才儲備上一如既往的堅持將成為占據競爭優勢的關鍵。

在人才密度方面。根據《ChatGPT團隊背景研究報告》的數據顯示：Open AI中，參與ChatGPT項目中，作出貢獻的人員有87人。也就是說這個不足百人的團隊，作出了令全球關注的明星產品。從ChatGPT團隊分工來看，87人中研發人員為77位，占比88%；產品人員4位，占比5%。在年齡分布上看，20-29歲共28位，占比34%；30-39歲成為50位，占比61%；3位在40-49歲，60歲以上的為1名。平均年齡為32歲。本科、研究生、博士的占比分別為33%、30%、37%。可以看出，OpenAI小而美的團隊不但高端人才密集，而且能力不輸其他大型科技工作，反而達到了驚艷的表現。

在基礎學科方面。從根本上來看，如果把人工智能對話系統的回復答案看做是A，已知的問題和信息看做是B，那么ChatGPT可以通過貝葉斯定理計算出P(A|B)，從而確定回答的概率，這是ChatGPT最核心的本質。從中我們也可以看出，ChatGP T底層的大模型，依托的也是數學家在指引我們前進。

5 結束語

人工智能正在以前所未有的創新速度讓原本分散的各領域自然語言處理算法“飛入尋常百姓家”，影響到人類的未來發展。可以說，人工智能已經不是現實世界的簡單復刻，而是人類想象力的延伸。未來，人工智能將是一種基礎能力，人們有必要考慮如何更好的利用人工智能來提升自己的綜合能力。