《ChatGPT引发的技术狂欢：人工智能的发展与未来前景》

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：“这真的好得吓人。”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。这一观点引发了对人工智能发展的深入思考，如何在充分利用这项技术的同时，确保人类的安全与稳定，成为了我们必须要面对的问题。

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进行了严格的测试。他们对其进行了数十万次的评估，试图了解其能力究竟如何。例如，让他们尝试解答我国的高考题目，以此观察其在中国考试领域的实力。然而，出乎所有人意料的是，尽管它在政治、历史和地理等文科领域表现出色，但在物理题目上却一道未答正确。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深植人心。ChatGPT得到了GPT-3.5模型的支持，作为一种人工智能技术驱动的自然语言处理工具，它具备诸多功能，例如自动回答问题、生成文本、翻译文章、对信息分类、撰写脚本以及编写代码等。此外，ChatGPT还能承认错误、质疑不正确的前提，并在必要时拒绝不恰当的请求。显然，ChatGPT代表着AIGC（人工智能生成内容）领域的最新进展。

黄萱菁简要介绍了语言模型的基本概念，指出语言模型揭示了语言的规律，其中首要的是语法。我们在学习汉语或英语等语言时，都是从语法的基础开始的。然而，仅有语法知识，我们仍然难以把握客观世界中语言现象的复杂性，因为语言并不总是遵循语法规则来表达。在这种情况下，我们需要运用数学工具——概率，去挖掘各种语言现象中的规律。

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，学术界和工业界年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，以便这些大型模型能够通过参数微调来适应各种任务需求。

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，却无法获取到核心信息。今年新推出的ChatGPT甚至没有相关论文，用户只能通过猜测来了解其工作原理。其次，用户在计算资源方面存在不足，因此我们对于国产芯片的期待愈发强烈。希望它们能为我们提供更多算力，以便在大规模语言模型上运行。

打开“AI情感计算”之门

2022年12月，埃隆·马斯克发了一条推文，他说：“ChatGPT is scary good. We are not far from dangerously strong AI.（ChatGPT厉害得让人害怕，强大到有危险的人工智能的出现已经离我们不远了。）”

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