寫程式碼、編故事、構建虛擬機器……聊天機器人 ChatGPT 還有多少驚喜是我們不知道的？
OpenAI 釋出測試版 聊天機器人 ChatGPT
近日，OpenAI 釋出了一個全新的聊天機器人模型 ChatGPT，這也是 GPT-3。5 系列的主力模型之一。目前，ChatGPT 還處於測試階段，只需登入就能免費使用，OpenAI 希望可以透過使用者反饋開發出更好的 AI 系統。
ChatGPT 測試地址：
https：//chat。openai。com/auth/login
雖然類似的聊天機器人並不少見，但 ChatGPT 一經發布迅速火爆全網，並收穫了無數好評。有開發者認為，有些技術問題就算問谷歌和 Stack Overflow，都沒有 ChatGPT 回答得靠譜。
連馬斯克也在感嘆“很多人瘋狂地陷入了 ChatGPT 迴圈中”，“ChatGPT 好得嚇人，我們離強大到危險的人工智慧不遠了”。
讓馬斯克盛讚、全網沸騰的 ChatGPT 到底有什麼魔力？
根據 OpenAI 的介紹，ChatGPT 使用了與另一款 GPT-3。5 系列的模型 InstructGPT 相同的方法，但另外收集了 AI 與人類對話的資料，既包括人類自己的，也包括 AI 的，這些 AI 訓練師可以參照建模建議寫出自己的答案。
ChatGPT 開發過程
對於強化學習獎勵模型，OpenAI 記錄了 AI 訓練師和聊天機器人之間的對話。然後，該團隊隨機選擇了一個人工智慧利用不同自動補全功能生成的回覆，並讓訓練師對其進行評分。在進行微調時，OpenAI 使用了近端策略最佳化（proximal policy optimization），這個過程會反覆進行多次。
目前，不少網友展示了與 ChatGPT 對話的有趣內容，並解鎖了多個 ChatGPT 的用途。
有網友詢問 ChatGPT 如何設計客廳，ChatGPT 給出了三種裝飾方案，還貼心地給出了三幅設計圖。
有網友用《老友記》等喜劇演員為角色，讓 ChatGPT 寫一些肥皂劇對白，ChatGPT 把好幾個場景描繪得惟妙惟肖：
也能解釋各種科學概念：
就連寫論文這種比較有挑戰的事情，ChatGPT 也衝上來試了試。
其中，最令人興奮的當屬 ChatGPT 在技術領域的用途。
區別於普通的聊天機器人，ChatGPT 顯然更懂技術，它能寫程式碼、改 Bug、建立程式語言、構建虛擬機器……
與 GitHub 的 AI 程式設計神器 Copilot 相比，ChatGPT 似乎更能搶走程式設計師飯碗。技術公司 Replit CEO Amjad Masad 稱讚 ChatGPT 是一個優秀的“除錯夥伴”，“它不僅解釋了錯誤，而且修復了它，並解釋了修復方法”。
而對於一些更簡單的問題，ChatGPT 更是“對答如流”，有網友在對比了谷歌的搜尋結果和與 ChatGPT 的聊天結果之後，自信地宣稱谷歌已經“完蛋”了。
ChatGPT 還存在許多侷限性
雖然給大家帶來了很多驚喜，但不得不承認，當前的 ChatGPT 還存在大型語言模型中常見的侷限性。其中，部分網友對 ChatGPT 提供的回答準確性存在質疑。有網友指出，ChatGPT 提供的程式碼包含完全不相關的解釋：
另外，ChatGPT 有時還會生成聽起來合理，但既不正確又無意義的回覆。按照 OpenAI 的說法，因為缺少單一事實來源，過度謹慎訓練的模型會拒絕問題，而在有監督訓練中，理想的答案取決於模型的知識，而不是人類演示者。
ChatGPT 對輸入的微小變化也會有很大的反應。根據輸入內容的不同，它可能不回答，回答錯誤內容，或者回答正確內容——根據 OpenAI 的說法，簡單的重新措辭就可以了。此外，ChatGPT 的回答太過於冗長，大多使用短句，並愛說些車軲轆話。出現這種情況的原因是過度最佳化和人類導師的偏見，他們更喜歡人類反饋中那些比較詳細的答案。
ChatGPT 不會用提問來回應不清楚的表述，而是嘗試猜測使用者的意圖。有時，對於不恰當的請求，該模型會迴應而不是拒絕它們。OpenAI 試圖使用其適度性 API，來拒絕不符合其內容策略的請求。
如果你問 ChatGPT 它自己的意見，它會拒絕回答，給出的理由是沒有接入網際網路。
OpenAI 表示：“ChatGPT 模型還有許多侷限性，所以我們計劃定期更新模型，在這些方面做些改進。但我們也希望，透過提供 ChatGPT 的訪問介面，獲取寶貴的使用者反饋，以發現我們尚未意識到的問題。”
雖然當前的 ChatGPT 還不算完美，但它像人們描述除了一個更光明的 AI 未來。谷歌母公司 Alphabet 的工程師評論道：
“像 GPT 這樣的大型語言模型是谷歌活躍的 ML 研究的最大領域之一，並且有大量非常明顯的應用程式可以用來回答查詢、索引資訊等。谷歌有大量預算與人員來處理這些型別的模型，並進行實際訓練，這是非常昂貴的，因為訓練這些超大型語言模型需要大量的計算能力。然而，我從談話中收集到的是，在最大的谷歌產品（例如搜尋、gmail）中實際使用這些語言模型的經濟性還不完全存在。放一個大家感興趣的演示是一回事，但考慮到服務成本，嘗試將它深入整合到一個每天服務數十億個請求的系統中是另一回事。我想我記得主持人說過他們希望將成本降低至少 10 倍，然後才能將這樣的模型整合到搜尋等產品中。
10 倍甚至 100 倍的改進顯然是未來幾年可以實現的目標，所以我認為這樣的技術將在未來幾年內出現。”
