科技日報記者?李山
????近日，圍繞熱門科技話題ChatGPT，科技日報記者專訪了歐洲科學(xué)院院士、德國比勒菲爾德大學(xué)洪堡人工智能教席教授金耀初。金教授同時兼任英國薩里大學(xué)計算系“計算智能”講席教授?、IEEE計算智能學(xué)會候任理事長，曾任《IEEE認(rèn)知與發(fā)育系統(tǒng)匯刊》主編等職。
德國比勒菲爾德大學(xué)的金耀初教授長期從事計算智能、演化計算、機(jī)器學(xué)習(xí)、計算神經(jīng)科學(xué)等交叉學(xué)科的理論研究和工程應(yīng)用，目前已發(fā)表學(xué)術(shù)論文500余篇，論文被引用次數(shù)達(dá)37400余次，2019—2022年連續(xù)4年被Web of Science評為“全球高被引科學(xué)家”。
照片由受訪者提供
????生成式模型的重大進(jìn)展
談到ChatGPT最核心的東西，金耀初表示，ChatGPT所代表的技術(shù)是第三波人工智能技術(shù)取得的一個重大進(jìn)展。它基于生成式預(yù)訓(xùn)練Transformer模型，采用了“自注意力機(jī)制”。與傳統(tǒng)的判別式模型相比，生成式模型的最大特點(diǎn)是直接學(xué)習(xí)訓(xùn)練數(shù)據(jù)本身的特點(diǎn)，因而能更有效地學(xué)習(xí)大容量的樣本，特別是海量的語言、視覺信息。
傳統(tǒng)的語言處理模型一般只能根據(jù)字詞的前后相鄰詞語來找它們之間的關(guān)系，因此有很大的局限性。Transformer引入了自注意力機(jī)制后，它就能很靈活地找出不單是某一個句子，而是不同句子，甚至是整篇文章或不同的文章之間詞的相互關(guān)系，學(xué)習(xí)能力就增強(qiáng)了很多。
橫空出世非一日之功
對于ChatGPT的橫空出世，金耀初強(qiáng)調(diào)這僅僅是大眾的感受。從科研的角度看，ChatGPT也是一步一步演進(jìn)而來的。根據(jù)OpenAI發(fā)表的論文，ChatGPT是花了很長時間，用了各種學(xué)習(xí)方法不斷訓(xùn)練和微調(diào)出來的。生成式模型給出的答案并不是人們事先給它的訓(xùn)練數(shù)據(jù)，而是模型生成出來的，所以很難保證百分之百正確。ChatGPT在訓(xùn)練過程中用到非常多的最新的學(xué)習(xí)技術(shù)。例如，無監(jiān)督學(xué)習(xí)、有監(jiān)督學(xué)習(xí)、多任務(wù)學(xué)習(xí)、小樣本學(xué)習(xí)、自監(jiān)督學(xué)習(xí)等。
此外，它還加入了基于人類反饋的強(qiáng)化學(xué)習(xí)，以獲得與人類對齊、共情能力。通過人類評價，即給它生成的答案打分來選擇一個最佳的答案。這個過程實際上是一個強(qiáng)化學(xué)習(xí)過程，也就是對原來的模型進(jìn)行微調(diào)。其他AI模型可能沒有像ChatGPT這樣，用大量的人類反饋來使得模型能產(chǎn)生更加符合人類期待的回答，相應(yīng)的體驗就會有差距。
尚不具備自主的“心智”
金耀初談到，作為一個從文本到文本的對話系統(tǒng)，ChatGPT最強(qiáng)的地方是對自然語言的充分學(xué)習(xí)，生成的文本更加“流暢”并符合人類體驗，這是一個重大的技術(shù)創(chuàng)新。但值得注意的是，生成式機(jī)器學(xué)習(xí)模型有很多，比如從文本到語音信息，或者文本到圖像信息，這些方面ChatGPT的表現(xiàn)可能就沒那么好了。這是它的一個局限性。
另一方面，目前ChatGPT訓(xùn)練的數(shù)據(jù)截至2021年，沒有訓(xùn)練過的東西，它是不可能準(zhǔn)確回答出來的。換句話說，目前的模型不具備創(chuàng)造新知識的能力。ChatGPT回答問題時用的是推理。它不是那種在數(shù)據(jù)庫中搜索答案的概念。生成式模型是根據(jù)問題本身聯(lián)想出一個答案。這個答案是模型“學(xué)習(xí)消化”后產(chǎn)生出來的東西，不是原始的數(shù)據(jù)。嚴(yán)格意義上來說，模型本身甚至不知道這個答案的真正含義，它也不能保證答案肯定是對的。
ChatGPT不是“萬能”的
金耀初認(rèn)為，ChatGPT離真正的專業(yè)應(yīng)用還有一定的距離?，F(xiàn)在大家感覺很新奇，都在嘗試玩一玩。有的人甚至以為ChatGPT什么都能干，可以很快用在自動駕駛之類的很多應(yīng)用上，這其實是誤解。自動駕駛的重點(diǎn)不是文本到文本的問題，純粹的生成式模型是不夠的。它需要其他判別式的機(jī)器學(xué)習(xí)模型，特別是實時場景的識別。
以現(xiàn)在熱議的醫(yī)療服務(wù)為例，盡管ChatGPT在美國執(zhí)業(yè)醫(yī)師資格考試中取得不錯的成績，但真實情況下人們會用ChatGPT來代替醫(yī)師進(jìn)行診療嗎？至少目前還不行，因為無法保證它的答案百分之百是正確的。有人說ChatGPT有時會一本正經(jīng)地胡說八道，這樣的描述是比較中肯的，人們不能忽視這種風(fēng)險。
期待未來更多突破
金耀初表示，這一波人工智能可能不會像第一波和第二波人工智能浪潮那樣很快偃旗息鼓。它會繼續(xù)發(fā)展下去，未來三五年，人工智能領(lǐng)域可能還會涌現(xiàn)一些令人吃驚的突破。很多基于ChatGPT的新的想法或技術(shù)或會涌現(xiàn)，并在此基礎(chǔ)上找到真正好的細(xì)分領(lǐng)域的應(yīng)用。
至于人工智能和機(jī)器人的結(jié)合，金耀初強(qiáng)調(diào)，從某種意義上來說，這一直是人工智能研究的重點(diǎn)之一?，F(xiàn)在ChatGPT與人對話這么流暢，如果把它與數(shù)字虛擬人技術(shù)結(jié)合起來，一般人可能很難分辨出計算機(jī)屏幕里回答問題的是真人還是一個數(shù)字人。當(dāng)然，未來的發(fā)展過程中會涉及很多人工智能的本質(zhì)問題，包括信任、責(zé)任、倫理、法律問題等。樂觀地看，ChatGPT等人工智能應(yīng)用的影響力急劇擴(kuò)大，反過來會在一定程度上推動上述問題的解決。
