打開ChatGPT |AI新時代即將到來,中國怎麼辦?專家:需加快開發ChatGPT平替算法

2023年02月09日08:56

封面新聞記者 張越熙

幾乎是一夜之間,ChatGPT掀起了現象級的風暴。這個聊天機器人誕生2個月用戶就破億,其強大的能力超乎人們的想像。但實際上,關於ChatGPT的討論自2022年下半年開始,借由當下的爆火,資本市場似乎找到了新的樂園,科技賽道玩家們也開始狂歡。

ChatGPT帶來的改變是什麼?中國如何趕上ChatGPT的潮流?浙江大學國際聯合商學院數字經濟與金融創新研究中心聯席主任、研究員盤和林指出,中國趕超ChatGPT潮流,AI算法突破是關鍵,我國需加快開發ChatGPT平替算法,為在該全新領域獲得優勢打好地基。

三個客觀條件

為本輪人工智能飛躍發展奠定基礎

ChatGPT帶來的改變是什麼?要先追溯人工智能發展的歷史。盤和林指出,人工智能概念其實在上世紀50年代已經出現,但人工智能真正發展的時間只有20年,被大眾認知的時間不足十年,一般認為本輪人工智能發展受益於三個客觀條件:

其一、算法變革。深度學習神經網絡算法的優化,使得機器學習能力改善,能夠更好的將通過數據進行訓練。

其二、數據爆發。互聯網帶來數據爆發,互聯網平台企業手中握有大量數據,算法是開採方式,那麼數據就是石油。

其三、算力提升。以GPU為主力的終端算力和以超算服務器為主力的雲端算力,以算力堆疊的方式解決了算力瓶頸問題。

綜合看,ChatGPT的成功關鍵是因為算法優化。算法的技術解析過於複雜,他舉例:比如ChatGPT能夠結合上下文語義來獲取補充信息,傳統人工智能是一問一答,或者超過幾問幾答,人工智能就忘記了之前的問題,但ChatGPT的問答是連續的,你能夠通過回答ChatGPT問題的方式來補充信息,改善了人和AI答非所問的情況,可能一開始你提的問題ChatGPT無法給出答案,但補充若干信息後,ChatGPT就理解了你的提問,給出了有用的答案。

他指出,上下文語義算法探索的不止OpenAI,但當前形成應用的,只有OpenAI。對於語義的整體把握是ChatGPT的算法優勢,可以說是算法循序迭代的結果,從早期的GPT1.0到GPT3.0,再到ChatGPT,很顯然OpenAI在算法上進行了數年迭代。

而與此同時,和算法優化伴隨而來的,是OpenAI數據積累方式的改善。前文提到,數據是AI發展的關鍵,AI有算法後需要學習,而AI使用人數增加,可以對AI學習產生正反饋,ChatGPT也要求試驗人員對ChatGPT給出的答案進行評分,從而進一步加速了ChatGPT數據積累的過程。

所以ChatGPT已經形成正反饋。由於語義的理解能力增強,ChatGPT可以為內容創作者、論文作者、代碼作者提供有效的幫助,而用戶獲得幫助的同時,也在不斷加強ChatGPT的能力,幫助其成長。科技發展往往有一個奇點,一但越過奇點,科技將進入加速階段。所以當前ChatGPT的熱度是有道理的。

中國趕超ChatGPT潮流

AI算法突破是關鍵

中國如何趕上ChatGPT的潮流?盤和林認為,需要做到三點:

首先,要引入ChatGPT。ChatGPT是工具,在AI應用領域,其能夠為自媒體和程式員提供很大的助力,這是生產力工具,是能夠為我國帶來效率的。

其次,中國需要ChatGPT的平替算法。“我國有很多ChatGPT概念公司,這些公司大部分準備用ChatGPT算法為基礎,來推出AI應用工具。”他用兩個原因表達了對這種路徑的擔憂:第一未來ChatGPT可能要收費,如果沒有自己的算法,容易受製於人。其二國內並沒有開放chatGPT在國內端口,即便開放端口,未來文化差異也會導致一些使用障礙。所以,需要開發適合自身的算法來對ChatGPT進行替代。如果AI算法上沒有突破,那麼開發再多的AI應用也是沒有意義的。

最後,盤和林指出,還要平衡好AIGC的監管規則。主要是兩點:第一點是知識產權的問題。諸如繪圖AI的作品會體現某位畫家獨有的風格,是因為AI在數據訓練的時候輸入了這位畫家的一些作品,由於算法黑箱,AI的輸出很難和輸入的訓練數據產生關聯,比較合理的辦法是在AI進行數據訓練的時候就向數據來源方支付費用。

第二點是輸出內容的問題。AI如果輸出了不合“公序良俗”的內容,誰來負責?負多少責任?由於AI開發企業也並非有意,內容的問題當然不能按主觀錯誤進行處罰。

綜上,可以看到ChatGPT已經成為生產力的一部分,對內容創作、對程式員來說,已經成為生產力工具,而這也是當前矽谷大佬追捧ChatGPT的原因,但將視角轉移到中國,還是會存在這樣或者那樣的問題,阻礙了中國類似優秀算法的出現。ChatGPT趕上Google搜索,可能還有一段路要走,但如果ChatGPT已經從玩具進化到工具,隨著數據訓練量級的提升,其追上各類搜索只是時間問題,這就使得我國在算法上的探索必須抓緊,否則怕是要在這個全新領域再次受製於人。

關注我們Facebook專頁
    相關新聞
      更多瀏覽