ChatGPT引发的技术狂欢：其发展前景与潜在风险

ChatGPT的流行引发了一场全球性的技术狂热。仅用了两个月的时间，该应用的月活跃用户数量便突破了1亿大关，创下了历史上用户增长最快的纪录。

作为特斯拉和SpaceX的创始人，埃隆·马斯克一直是科技领域的领军人物。最近，他在接受ChatGPT的测试后，对其表现赞不绝口，甚至表示：“这真是好得吓人。”他的担忧也不无忧虑，他认为随着人工智能技术的日益发展，未来它可能对人类构成威胁。

复旦大学计算机学院的黄萱菁教授团队针对近期备受关注的人工智能助手ChatGPT进行了全面的测试。他们对ChatGPT进行了数十万次的挑战，涵盖了包括政治、历史、地理等多个领域的题目，意欲了解其性能的优劣。然而，令人意外的是，尽管它在政史地等学科上表现出色，但在物理题目的解答上却一道未对。黄萱菁教授幽默地说：“这让我们这些学习物理学的人感到十分安全。”

在3月11日的“我们｜WOMEN”2023复旦大学科技创新先锋论坛中，黄萱菁教授，一位在人工智能与自然语言处理领域耕耘三十年的专家，以《迈向大规模语言模型》为主题，深入剖析了ChatGPT的前尘往事以及其最新的发展动态。

迈向大规模语言模型

黄萱菁教授在演讲中指出，得益于ChatGPT的发展，大规模语言模型的概念已经深植人心。ChatGPT是由GPT-3.5模型支持的人工智能技术驱动的自然语言处理工具。它的功能包括自动回答问题、生成文本、翻译文章、对信息分类、撰写脚本文案、代码等，同时还能承认错误、质疑不正确的前提并拒绝不恰当的请求。因此，ChatGPT被认为是AIGC（人工智能生成内容）领域的最新进展代表性。

黄萱菁在演讲中提到，语言模型揭示了语言的本质规律，而要理解这些规律，我们不能仅依靠语法的学习。事实上，即使掌握了语法规则，我们也难以把握语言世界中繁复多样的现象。在这种情况下，我们需要借助数学工具——概率，去挖掘语言规律。换言之，通过运用概率思维，我们可以更好地理解和掌握语言模型的基本概念。

Transformer架构支持的大规模语言模型机器学习系统，其神经网络的学习能力和模型参数规模之间存在明显的正相关关系。举例来说，GPT-2大约包含150亿个参数，而GPT-3则更为先进，拥有1750亿个参数。近期，学术界和工业界开始探索将神经网络方法应用于自然语言处理领域，旨在预先训练出大规模的语言模型，并根据特定场景构建相应数据集，以便这些大模型能够在下游任务中通过参数微调来适应具体任务需求。

当语言模型日益增强，一些挑战随之而来，黄萱菁如此说道。首先，由于商业原因，部分厂商开始放弃开源。OpenAI尚未公开GPT-3模型的内部细节，仅提供API接口，尽管可以通过调用API获取其功能，却无法获得其核心信息。今年新推出的ChatGPT甚至尚未发布相关论文，用户只能通过猜测来了解其性能。因此，我们对于国产芯片的期待愈发强烈，希望能借助其强大的计算能力，运行更大规模的语言模型。

打开“AI情感计算”之门

在2022年的12月份，特斯拉的创始人埃隆·马斯克发布的一条推文中，他表达了对于人工智能技术ChatGPT的高度评价。他认为，ChatGPT的表现如此之好，以至于让人感到恐惧，这表明我们距离产生危险的人工智能并不遥远。

自从ChatGPT 出现，越来越多的人开始讨论人工智能是否会颠覆他们的生活、他们的工作是否会被人工智能取代。但是到目前为止，还没有任何人工智能通过了图灵测试，ChatGPT也不例外。

在黄萱菁看来，未来一段时间内，ChatGPT还不足以完全替代某一个岗位，但将大大促进各个领域的生产效率：“在肉眼可见的未来，善用AI的人将和不用AI的人在工作效率上会产生巨大差距，因此我鼓励大家多去使用和熟悉与AI进行沟通。”

“ChatGPT将拉近我们与通用人工智能之间的距离。”黄萱菁感慨，“我们从来没有觉得自己与通用人工智能如此接近，这是过去我做人工智能这么多年以来最兴奋的一个时期，我以前一直觉得它在我可以预见的将来是看不到的，但是现在我觉得可能不是那么遥远了。”

“正如微软CEO萨提亚·纳德拉（Satya Nadella）接受媒体采访时所说的那样，内燃机带来了廉价的动力，互联网技术减少了信息传递的成本，而ChatGPT会让信息的整合、转译、流通变得更加廉价。AI可能会像工业革命和信息革命一样，引领我们走向下一个时代。”黄萱菁说。

每日经济新闻