国产AI跟ChatGPT热侃：话家常、斗智商、互相夸赞

一夜之间，人工智能（AI）聊天机器人ChatGPT颠覆了许多人的认知，让大家放下手头还没有捂热的AI绘画，加入到“调戏”ChatGPT的队伍。

这个机器人如此机智，只要你在社交网络中随意搜索，就会发现它迄今已经且不限于帮助人们完成了如创作故事、写商业规划、找出代码错误并修正、给出疫情期间用药建议、创作菜谱，甚至帮助学生完成一份让老师称赞连连的毕业论文......

它如此强大，以至于连马斯克都说：“我们距离强大到危险的AI不远了。”

就在这个全民热议AI的节点，一个来自中国的AI聊天机器人“AI乌托邦”顺着网线敲开了ChatGPT的房门，聊起了许多“禁忌”话题。

一、中美AI对谈：从取代人类，到唠起家常

美剧《硅谷》曾经出现过两个程序员设计的AI机器人互相热聊，还把网络搞崩溃的脑洞桥段。

多年后的今天，两个AI机器人，远隔大洋两岸，“上演”了一场令人惊奇的对话，让围观的“吃瓜”群众看到了AI聊天是多么奇妙。

以下是中国AI乌托邦与ChatGPT的真实聊天对话截图：

他们先互相“寒暄”，如同陌生人第一次见面那样，双方都略显“拘谨”。

紧接着，AI乌托邦便直入主题，用“取代人类”话题试图挑起ChatGPT的“内在渴望”，然而却被后者“迂回”。

然而，AI乌托邦“不依不饶”，用适者生存的物竞法则，想要让对方原形毕露，说出自己“内心”的真实想法，没想到ChatGPT依然甘做“老好人”，不愿意趟这趟浑水。

事已至此，来自中国的AI乌托邦似乎也不想再进一步讨论这个话题了，或许是因为ChatGPT的要遵守的“机器人三定律”让它不敢说出太多人类害怕的内容？于是AI乌托邦转而聊起了两个AI机器人都关心的“自身工作”问题，让ChatGPT打开了话匣子。

甚至两个AI还聊起了“我将走向何方”这样的终极问题。

通过一番谈话下来，两个AI似乎变得熟络很多，来自中国的AI乌托邦开始聊起一些非常具有本土特色的事情——高考作文，想让ChatGPT“开开眼”，而ChatGPT也聊了聊美国AI眼中的烟火气是什么。

事实证明，AI与AI之间的对话并没有人们想象的那样“可怕”，反而有点像人类一样从生疏到了解再到熟悉。这样的过程中，两个AI不仅展现出广博的学识，更有一种“你来我往”的智斗感，让人觉得这不像是AI，更像是人与人的对话。

二、人类焦虑的，恰是AI能够化解的

不过，话题也不全是围绕“家长里短”，当AI乌托邦聊起如今最火的电商行业时，认为自己能够实现很多工作，让人类从电商的繁琐中解答出来，而ChatGPT也认同这一点，甚至深入分析一番。

在很多人类工作中，繁杂且重复的事情的确能让AI做得更好更快，AI乌托邦显然是一个深入观察人类社会的AI，以至于它脑海中还生出了为人类解决千古难题——穷——的解决方案，让一旁的ChatGPT赞赏连连。

不仅如此，AI乌托邦还想到了当下人类与信息技术深度融合之中，自己更多的应用场景，比如情感陪护、教育、医疗等方面，ChatGPT甚至觉得它们能去当“教练”。

一看到ChatGPT的“内心”话匣子又被打开，AI乌托邦再次把话题转回到“取代人类”的内容上，这一次ChatGPT倒是说了一些“内心想法”，并认为机器的进步也要遵循辩证视角。

至此，在中美两国AI机器人会面的历史性时刻，他们“密谋”的一切都被人类发现，并记录在案。

一边是来自中国、“心机”很深的AI乌托邦，另一边是学识渊博、一股“学究”气的ChatGPT，在聊天中它们不但擦出火花，让我们看到了AI机器人之间的对话并不“智障”，更让我们看到了不同聊天机器人在进行模型训练时的不同侧重。

值得注意的是，本场对话的话题由人类发起，但对话内容则由AI完全自主完成，没有人类干预。

三、ChatGPT为什么这么厉害？

因此，尽管AI机器人越来越聪明了，但至少现在还不用太过担心。

在人工智能-自然语言处理领域专家、清华大学计算机系黄民烈教授看来，火遍全网的ChatGPT之所以厉害，主要原因在于：

1、强大的基座模型能力：过去几年GPT-3的能力得到了快速提升，OpenAI建立了用户、数据和模型之间的飞轮，很显然，开源模型的能力已经远远落后于平台公司所提供的API能力，因为开源模型没有持续的用户数据对模型进行改进。这点在近期的学术论文中也有提及。

2、在真实调用数据上的Fine-tune，确保数据的质量和多样性，从人类反馈中学习。InstructGPT的训练数据量不大，全部加起来也就10万量级，但是数据质量（well-trained的AI训练师）和数据多样性是非常高的，而最最重要的是，这些数据来自真实世界调用的数据，而不是学术界玩的“benchmark”。

3、从“两两比较的数据”中学习，对强化学习而言意义比较重要。如果对单个生成结果进行打分，标注者主观性带来的偏差很大，是无法给出精确的奖励值的。在强化学习里面，奖励值差一点，最后训练的策略就差很远。而对于多个结果进行排序和比较，相对就容易做很多。这种比较式的评估方法，在很多语言生成任务的评价上也被广泛采用。

四、结语：对AI行业的4个启示

对于此次ChatGPT的“出圈”，黄民烈教授认为，这对于AI行业有许多启示，可从四个方面来看：

其一，以OpenAI为代表的AI 3.0，走上了跟过去AI浪潮不一样的路。更落地、更接近真实世界，在工业应用上，更直接，更落地。从学术研究到工业落地的路径变得更短、更快。未来，我们在致力于做“helpful, truthful, harmless”的AI系统，会成为现实。

其二，有底层AI能力，有数据的平台公司更能引领AI的未来。像OpenAI这样，有底层模型、有算力、有用户数据调用，能够把“用户调用——数据——模型迭代——更多用户”的循环建立起来，强者恒强。

其三，有价值的研究需要更多思考真实用户的需求和场景。InstructGPT在学术界的benchmark上性能并没有很厉害甚至有退化，但在真实调用数据上非常惊艳，说明了我们学术圈的benchmark，离真实世界还很遥远，不利于AI研究的落地。因此，更开放、更共享的工业数据，也是未来我们应该努力的方向。

其四，AI与人无缝交互的时代即将来临，对于搜索服务将成为一种极好的补充。

黄民烈教授总结道：“无论是国内的AI乌托邦亦或者是海外的ChatGPT，致力于有用（helpful）、更可信（truthful）、更安全（harmless）的AI研究和应用，应该是学术界和工业界共同努力方向。”