1.3 生成式AI帶來的降維打擊

1.ChatGPT與AIGC

在過去的十年里，人工智能技術取得了顯著的進步。從AlphaGo擊敗圍棋世界冠軍李世石，到圖像識別、語音識別和機器翻譯等技術的成熟，AI技術已然滲透到了各個領域。然而，ChatGPT的問世標志著AI技術又一次有了重大突破。

要了解這個突破，需要先從了解AIGC（AI Generated Content，人工智能生成內容）說起。

AIGC的本質是包括文字、圖片、音頻、視頻等多種形式的內容生產，其生產的方式是通過人工智能自動完成的。與傳統的判別式AI（偏重識別能力）不同，AIGC作為新生代生成式AI，具備了一定程度的認知能力和創造力，能夠處理更加復雜的場景，并且支持自然語言對話場景下的交互。

通俗地說，判別式AI的智能體現在“能聽會看”，它擅長識別和分類輸入的信息。而最新的生成式AI的智能則體現在“能說會寫”，這意味著它不僅僅具有被動接受和判別信息的能力，更擁有主動創作和表達的能力。

從原理到應用，ChatGPT作為生成式AI的代表，與傳統的判別式AI有著根本的區別：

（1）ChatGPT模型的訓練采用自我監督學習、強化學習。自我監督學習的方式，是指通過大量的文本數據進行訓練，使其能夠生成準確的預測；人類反饋的強化學習（RLHF）[4]則強調通過真實的語境和人的反饋，對機器的學習進行優化，輸出更合適、更精準的回應。

（2）ChatGPT展示了更高維度的內容生產能力。這表現在ChatGPT不僅能理解和回答問題，還能生成新的建議。對于ChatGPT具備的這種突破性能力，我們分別從“GPT”和“Chat”這兩個詞背后的意思來進一步解釋。

2.GPT：能力升級，從被動判別到主動創造

如前文所述，判別式AI主要專注于識別和分類。舉個例子，我們將一張寵物照片錄入，判別式AI會識別圖像中的寵物種類、顏色等，而錄入一段語音，也可以將其轉換為文字。然而，GPT作為生成式AI的代表，它的主要特點在于創造性的內容生成能力。

這種能力的提升，使得AI從一個被動的工具變成了一個更加主動、能提供交互式服務的創造者。

在多段對話場景的交互中，生成式AI能夠精準理解上下文是否隸屬同一個主題，即便是一些諸如“能展開說說嗎？”“能舉個例子嗎？”之類的表達，它也可以使得到的回復不偏離前面的對話場景與內容。

在這段對話中，第一個問題提到了“昆明”，因此在第二個問題中，即使沒有明確指定昆明有哪些美食，ChatGPT依然識別出了我們討論的背景是“昆明”。

“能展開說說嗎？”這句話本身是一個較為模糊的問題，ChatGPT依然給出了令人期待的回答。它能識別出“展開說說”的對象是上文對話中的“過橋米線、香辣烤魚、鮮花餅”。這種上下文理解能力，使得我們與它的對話體驗非常接近真人溝通。

3.Chat：交互革新，從專用人工智能邁向通用人工智能

“Chat”，即聊天的意思，代表了AI交互模式的革新。

在過去，AI系統主要依賴于復雜的機器語言進行交互，這對普通用戶來說是極具挑戰性的。在ChatGPT出現之前，想要充分利用AI的強大能力，用戶必須進行大量的技術性工作，包括數據處理、模型訓練、模型部署以及API接口調用等。這些工作需要用戶擁有豐富的編程和開發知識，這對大多數非技術背景的人來說，是一項巨大的學習負擔，而這也導致了技術普及受阻。

然而，不同于機器語言交互，ChatGPT采取的是自然語言交互，用戶不必通過再學習，就可通過日常對話獲取所需的信息。要達到這種普及程度，ChatGPT的交互能力需要兼顧三個重要的方面。

1）地域普及程度提升

ChatGPT幾乎支持全球50多種語言的輸入，是一個大型的智能語言模型。正是因為這種多語言之間無縫切換的功能，其普及程度大大提高，受眾群體突破了區域性的限制。從這個維度來看，ChatGPT在跨地區語言交流和翻譯過程中，給人們提供了很多核心競爭力。

（1）即時性。用戶可以與ChatGPT對話，實現語言的實時翻譯，無論是通過App的口頭語言轉錄還是書面文本，這種即時性基本上可以理解為隨身攜帶了一位同聲傳譯，幫助用戶跨國旅行或進行商務和跨文化的溝通。

（2）多語言轉換。ChatGPT支持多語言的翻譯任務，以滿足用戶多樣化場景的需求。這在很大程度上提升了內容從生產到跨語種轉換的效率，最大化內容推廣的可及性。

（3）文化適應性。鑒于ChatGPT積累的海量資料和學習算力，一些文化的差異和習慣用語也在翻譯和運用的過程中更加準確。它能夠幫助用戶減少誤解和歧義，使其表達更加自然和容易被理解。

2）指令容錯率提升

對于口語化和非正式的表達，ChatGPT具有很強的理解能力和較高的容錯率。對于語氣助詞、模糊字詞的表述，ChatGPT能夠站在“類人”的語境中，精準理解其含義，為表達者降低被誤解的概率。

3）自然語言交互

ChatGPT打破了人類語言與機器編程語言的壁壘，用自然語言完成了人機交互的可能。

這意味著，無論是編程高手，還是對編程一竅不通的普通用戶，都可以通過自然語言與AI進行有效溝通，完成各種復雜任務。這種從專用模型到通用模型的轉變，打破了特有技術的高壁壘，使得普通的用戶經過簡單的培訓，也可擁有私人定制的AI助手。

---

[1] Turing A M. Computing machinery and intelligence[J]. The Essential Turing：the Ideas That Gave Birth to the Computer Age，2012：433-464.

[2] OpenAI由Elon Musk（伊隆·馬斯克）、Sam Altman（山姆·阿爾特曼）等人于2015年12月11日創立，總部位于美國舊金山。

[3] 周鴻祎.萬字長文|周鴻祎談ChatGPT：六大觀點、四大挑戰、兩大預測、一大戰略[EB/OL].（2023-04-16）[2023-07-13].https://mp.weixin.qq.com/s/olG5wGuB2Aki5oJydAQt5ww.

[4] 人類反饋的強化學習是一種機器學習方法。其中，人類指導或反饋被用來幫助AI系統做出更好的決策。簡單來說，就像是在AI訓練過程中引入了一位人類教練。