北京住房和城乡建设局门户网站,济南市建设执业资格注册中心网站,深圳建设集团股份有限公司,个人网站备案备注信息从23年初#xff0c;ChatGPT火遍全球#xff0c;通过其高拟人化的回答模式#xff0c;大幅提升了人机对话的体验和效率#xff0c;让用户拥有了一个拥有海量知识的虚拟助手#xff0c;根据UBS发布的研究报告显示#xff0c;ChatGPT在1月份的月活跃用户数已达1亿#xff…从23年初ChatGPT火遍全球通过其高拟人化的回答模式大幅提升了人机对话的体验和效率让用户拥有了一个拥有海量知识的虚拟助手根据UBS发布的研究报告显示ChatGPT在1月份的月活跃用户数已达1亿成为史上用户数增长最快的应用软件。表面上看ChatGPT是一个受欢迎的聊天机器人但我们认为其背后的GPT大模型能称得上是一个技术爆炸并且目前处于飞速的进化过程中。
图各大热门平台突破1亿月活用户所用的时间 当用户逐渐开始熟悉这款“无所不知”的对话机器人的时候ChatGPT的母公司OpenAI又在3月14日发布了新一代的GPT4这是一款支持多模态大量文字图片输入的对话机器人。它的强大智能在几个月时间内又一次进化了一大步例如它可以根据一个草图在很短时间内生成做出这个网站所需要的HTML代码。若这样的功能放在几个月前估计也很少有人相信会在2023年就能出现。
GPT不只是在对话领域有巨大的成功而且它在众多人类的标准化的测试中也是非常的厉害。它在多个学术和职业考试中超过人类比如在美国律师考试中GPT4的分数打败了90%的人类在美国高考SAT中拿到700的分数满分800这样的分数远高于美国顶级大学-常青藤八校录取新生的平均分数。当笔者看到了GPT4在众多考试中的得分后也陷入了沉思未来的AI会在绝大多数领域都超过我们人类它的出现必将改变社会对于我们知识技能结构的需求。所以理解GPT也能帮助我们去判断未来积累什么样的知识培养什么样的技能才是有价值的。 GPT-4https://openai.com/research/gpt-4
首先我们先简单的介绍一下ChatGPT和AIGC
他们都是人工智能的应用场景。 ChatGPTChat Generative Pretrained Transformer,即可生成式预训练对话系统ChatGPT是由OpenAI开发的一种基于自然语言处理的人工智能技术它是一种大型预训练语言模型使用了GPTGenerative Pretrained Transformer的架构并使用深度学习算法进行训练。ChatGPT可以生成高质量、连贯的自然语言对话它可以对话生成、问答系统、文本摘要、语言翻译等自然语言处理任务进行处理。 AIGCArtifical Intelligence Generated Content即人工智能所生成的内容。可以看出两者都是人工智能应用的场景而AIGC的范畴比ChatGPT更广ChatGPT是AIGC的在文字和语言类内容的子领域。
这样令人惊奇的技术背后最重要的原理是什么呢
原理一全域知识
拥有在其巨大数据库和互联网中几乎所有的知识目前千亿量级的未来会随着模型的进化进一步变多变得更加“无所不知”。它把所有领域的知识都看做语言的模式这里的语言不是狭义我们说的语言而是统一了代码公式符号等所有人类传输信息的语言。所以当用户与之交谈的时候ChatGPT让用户感觉到的是一个无所不知的系统。
原理二大语言模型
ChatGPT通过背后的GPT大语言模型Large Language Model, LLM)回答问题的时候会逐字打出答案。它是根据前面的文字来输出后面的文字所以它所输出的答案并不是由检索数据库中的已有答案来生成的 也不像搜索引擎中按照引用次数来判断关联性而是数学计算的结果 – 他是通过计算上一段文字后续会出现的文字的条件概率来生成答案。
这个原理的深刻意义人类产生的所有文本无论是一种科学原理历史知识还是程序代码他们都可以用大语言模型来表达。 所以只要拥有足够好的语言模型那么现实生活中的任何信息都是完美语言模型的一种采样结果。大语言模型不直接掌握知识它的本质是一个拥有几千亿参数的超大公式。它输出的回答是概率模型判定后的随机答案不是人类大脑那种通过analog形态来积累经验归纳建模的过程所以它的回答不可回溯traceability但由于它读取了世界上公开的全部知识所以他通过条件概率得出的不同组合的回答往往能看起来合理也有了类似人类的创作力。它是通过“隐性”的方式积累知识然后“显性”的表达知识。 那么ChatGPT的局限在哪呢由于它积累的“知识”是来自于历史和公开数据且它没有人类的推理能力所以如果我们问它关于预测未来或者某些细分专业问题的时候ChatGPT大概率会给出一个看似一本正经实际胡说八道的答案。
也正因为大模型上述的局限性拥有细分领域数据和知识的公司可以通过大模型的API接口来训练拥有内部数据和知识的小模型专门提供给内部员工和客户使用。所以从商业的角度来看GPT这样的超级大模型会成为技术底座它可以赋能各个行业的公司去开发它们内部的小模型而拥有这样的小模型可以极大的提高公司内部和上下游伙伴的效率。Open AI等拥有这样大模型的公司最终会形成类似苹果和安卓的生态体系有无数的公司围绕这个生态进行生产和开发。
原理三训练路径
使用时我们会发现ChatGPT会说人话有普世价值观很多时候能做到知之为知之并且能给出推理过程。那么他是怎么练成的的呢为了让ChatGPT懂得与人类对话大语言模型都需要经过训练。
首先需要标注的数据进行监督学习缺点是这种监督学习体量有限第二步是用人工做微调fine-tuning对第一步产生的回答进行打分得到奖励模型第三步用第二步得出的模型进行大量的无监督训练自动让模型自我做调整。用的人越多也会让模型得到更好的训练结果。经过了千亿规模参数训练后的模型就变成了呈现在我们面前那个无所不知对答如流的聊天机器人。
综上来说Open AI找到了一种在当下技术的基础设施所能支持的情况下最适合AI去积累“知识”和输出结果的算法和我们聊天的ChatGPT其实只是它应用场景的一部分。它最具革命意义的产品是在ChatGPT这个聊天机器人背后的大语言模型它相当于构建出了一个人类和机器之间的无缝桥梁。我们之前为了让机器执行我们的命令需要通过软件工程师进行大量的编程来实现实际上是我们在“迁就”不懂人类语言的机器而现在有了大语言模型机器可以“无障碍”的听懂我们的语言并很快的用机器执行我们的命令这样的功能会极大的提升人类社会的生产力和发展速度所以我们将其称为一个技术爆炸也不为过。
在不久的未来随着这种技术的成熟应用几乎所有行业都会发生巨大的变化。类似于30年前的互联网对我们所带来的变化。从90年代到现在随着互联网的普及它逐渐成为了我们生活中不可缺少的一部分我们在网上进行办公购物学习娱乐等方方面面的事。而接下来的几十年随着大语言模型的普及它给我们生活所带来的变化将绝不小于互联网在上一个30年给我们的变化。
