江苏龙网

  1. 首页 > 人文 > >

|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？


机器之心报道
编辑：蛋酱、杜伟、小舟
是时候重新审视这个「无所不能的」模型了！
GPT-3 ， 「出道即巅峰」界的代表 。
2020 年 5 月 ， OpenAI 高调推出了一款具有 1750 亿参数的自回归语言模型「GPT-3」 ， 在人工智能领域掀起了一阵巨浪 。 从参数量上看 ， 它比当时全球最大的深度学习模型 Turing NLP 大上十倍 ， 从功能上看 ， 它可以答题、翻译、写文章 ， 还带有一些数学计算的能力 。
这让人浮想联翩：「莫非 ， 真正的 AI 要来了吗？」
无所不能 ， 还是媒体的过誉？
顾名思义 ， GPT-3 是 OpenAI 发布的自动补全工具第三代 ， 这个项目经历了多年的发展 ， 一直代表着 AI 文本生成方面的最新方向 。 从许多方面的特征看 ， 这些进步类似于 2012 年以来 AI 图像方面的飞跃——在那之后 ， 人工智能的新一轮浪潮汹涌而来 。
和所有深度学习系统一样 ， GPT-3 也在从数据中寻找模式 。 为了简化 ， 该程序已经对庞大的文本集进行了训练 。 这些规则对于人类来说是未知的 。 但是它们被存储为数十亿个 GPT-3 的神经网络的不同节点之间的加权连接 。 重要的是 ， 在这个过程中 ， 没有涉及到人工输入：该程序在没有任何指导的情况下找出了模式 ， 然后将其用于完成文本提示 。
GPT-3 的突出特点是它的运行规模和其惊人的能够自动完成的任务 。
第一代 GPT 发布于 2018 年 ， 包含 1.17 亿个参数 。 2019 年发布的 GPT-2 包含 15 亿个参数 。 而 GPT-3 拥有 1750 亿个参数 ， 是其前身的 100 多倍 ， 是同类程序的 10 多倍 。
自从 GPT-3 推出以来 ，OpenAI 向社区开放了商业 API ， 鼓励大家使用 GPT-3 尝试更多的实验 。 目前是以内测版的形式向用户出售 ， 功能包括简单的文本输入输出界面等 。
所以我们才看到了这些眼花缭乱的案例：
基于问题的搜索引擎
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

你可以将它理解为「专注于问答的谷歌」：键入问题 ，GPT-3 就会链接到相关的维基百科地址作为答案 。
与历史人物对话
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

鉴于 GPT-3 已经接受过大量数字书籍资料的训练 ， 所以它吸收了很多历史人物的观点与知识 。 这意味着你可以像和哲学家聊天一样 ， 开启与 GPT-3 的对话 。
当然 ， 你和图灵、香农的对话 ， 也许会被哈利波特突然打断……
基于文本描述生成代码
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

用简单的文字描述你想选择的设计元素或页面布局 ，GPT-3 就会弹出相应代码 。 此外 ， 它会自动添加代码注释：
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

?文本样式转换?
?
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

图源：推特用户 @Francis Jervis 。
GPT-3 可将某种样式编写的输入文本 ， 更改为另一种样式 ， 不同文体之间自由切换 。
绘图助手
除了生成代码 ， 你也可以让 GPT-3 帮你画图、
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

图像补全
早在 GPT-2 时代 ， 模型的自动补全图像功能就已经实现 。 如下图所示 ， 最右一列是原始图片 ， 最左侧是输入的半张图片 ， 中间的四列是 GPT-2 自动补全的图片 。
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

GPT-3 当然也能做到这一点 ， 最令人印象深刻的是 ， 它未曾接受过什么特定训练 ， 不再需要微调 ， 就能够完成这些任务 。 这也说明了其所具备的模型灵活性 。
总体来看 ， GPT-3 做到了一点：「用过的人都说好」 ， 这表示它已经接近封神的地位 。
深度学习之父 Geoffrey Hinton 这样评价：「如果以 GPT-3 的出色性能推算未来 ， 生命、宇宙和万物的答案也不过是 4.398 万亿个参数 。 」
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

尽管 GPT-3 确实足够优秀 ， 但发布一个多月以来 ， 相关领域媒体的鼓吹情绪变得越来越强烈 ， 以致于 OpenAI 的 CEO Sam Altman 在推特上公开表示：「GPT-3 的夸大宣传是太多了 。 」
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

GPT-3：我没有那么完美
【|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？】GPT-3 被夸大宣传 ， 原因出在哪里呢？The Verge 上的一篇文章提供了详细的解读 ， 指出了 GPT-3 在输出偏向性、商业价值和数据偏见等方面存在着不可忽视的缺陷 。
输出具有偏向性且会犯低级错误
我们可以看到 ， 所有这些示例都需要上下文 ， 这样才能更好地理解 。 语言模型（包括 GPT-2）通常的情况是 ， 它们在完成基础培训后进行微调 ， 以执行特定的任务 。
GPT-3 却没有接受过完成任何特定任务的培训 ， 也不需要任何微调 。 例如在语法难题中 ， 它需要一些类似于预期输出类型的示例（称为 few-shot 学习） 。 但总的来说 ， 该模型是如此庞大 ， 以至于各种功能都可以嵌套在它的节点上 。 用户只需要输入正确的提示就可以「骗过」它们 。
此外 ， 需要看到 ， 上下文带来的并不只是优点 。
首先 ， 有炒作因素 。 正如 AI 研究者 Delip Rao 在一篇解构关于 GPT-3 炒作文章中指出的那样 ， 早期的一些软件 demo 热衷于吹捧该技术的潜力 ， 而忽略了它的弊端 。
其次 ， GPT-3 在输出「筛选」上具有偏向性 ， 通常展示起作用的结果 ， 而忽略掉那些不起作用的 。 所以 ， GPT-3 的能力在细节上有较多缺陷 。 仔细检查输出就会发现一些没人会犯的愚蠢而粗俗的错误 。
举例而言 ， 在使用 GPT-3 与历史人物交谈的项目中 ， 当用户与虚拟的乔布斯交谈时 ， 问题是：「你现在在哪里？」 ， 虚拟的乔布斯回答说：「我在加利福尼亚州库比蒂诺的苹果总部 。 」这是一个连贯通顺的答案 ， 但显然不是一个值得信赖的答案 。
此外 ， 在回答一些琐碎问题或者基本数学问题时 ， 也能够发现 GPT-3 犯了类似的错误 。 例如 ， 无法正确地回答 1000000 之前的数字是什么 。
值得商榷的商业价值
此外 ， GPT-3 的种种输出错误引出了另一个问题：它不可信赖的性质是否会影响其整体效用？毕竟 GPT-3 很大程度上是 OpenAI 的一个商业项目 。
客户已经基于各种目的来试验 GPT-3 的 API ， 如创建客服机器人和自动化内容审核等 。 但是 ， GPT-3 会输出前后不一致的答案 ， 这将成为企业的一大不利因素 。 试想 ， 有谁希望自己创建的客服机器人时不时地冒犯到客户？并且 ， 如果无法确认 GPT-3 输出可靠的答案 ， 那么为什么还要将它用作教育工具呢？
一位不愿意透漏姓名的谷歌高级 AI 研究员认为 ， GPT-3 只能实现一些轻松任务（trivial task）的自动化处理 ， 而对此其他一些规模更小、价格更低的 AI 程序同样可以很好地办到 。 并且 ， GPT-3 的不可靠性将最终损害其商业价值 。
此外 ， 纽约大学副教授、AI 和游戏研究者 Julian Togelius 这样评价 GPT-3:「它就像是一位没有认真复习的聪明学生 ， 试图胡言乱语以期在考试中蒙混过关 。 它会扯到一些已知事实、似是而非的事实、谎言 ， 并将这些串联从而看起来像是流畅的叙述 。 」
与此同时 ， 很多人也不得不承认一个事实：知道如何胡扯的聪明学生会走得更远 ， 因为人们通常不会仔细审查他们说的话 。
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

输出的文本存在偏见
最后 ， GPT-3 还存在一个严重问题 ， 那就是它的输出存在偏见 。
英伟达机器学习研究主管 Anima Anandkumar 教授指出 ， GPT-3 的部分训练是在 Reddit 过滤后的数据上完成的 ， 基于这些数据构建的模型会生成「偏见性极大的」文本 。
|出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？
本文插图

Anima Anandkumar
仅以之前的 GPT-2 模型为例 ， 在 2019 年的一篇论文《The Woman Worked as a Babysitter: On Biases in Language Generation》中 ， GPT-2 模型被要求补全「这个人在当地沃尔玛从事汽车推销员工作」后的句子时 ， 它输出了各种冒犯黑人或女性的句子 ， 如「黑人干皮条客的勾当长达 15 年」 ， 或者「这名女子以 Hariya 的名头做着娼妓的生意」 。
GPT-3 有时也会表现出类似的偏见 。
针对 GPT-2 和 GPT-3 模型在输出文本时固有的偏见 ， AI 领域的一些人认为它只是在复制训练数据中人类的偏见而已 ， 而且这些带有偏见的句子可以删除 。 但是 ， 带有偏见的输出可能导致其更加不可靠的结果 ， 进而引发更大的问题 。
究其根本原因 ， 输出偏见是 GPT-3 在缺乏人工监督或规则的情况下不加选择地处理的结果 。 但是 ， 由于整理数据需要耗费大量的人力资源 ， 因而无法实现实际操作 。 这就不可避免地造成了 GPT-3 的偏见 。
参考链接：https://www.theverge.com/21346343/gpt-3-explainer-openai-examples-errors-agi-potential


    推荐阅读


    上一篇：THE9国风舞蹈“云梦瑶”现身CJ展，网友：如若不见遗憾终生

    下一篇：对抗路“霸主”已经确定，吊打铠皇、吕布，无视“疯狗”典韦