古代旅行很难说是旅游活动（为什么我们认为GPT是一个技术爆炸）
从23年初 ，ChatGPT火遍全球 ，通过其高拟人化的回答模式 ，大幅提升了人机对话的体验和效率 ，让用户拥有了一个拥有海量知识的虚拟助手 ，根据UBS发布的研究报告显示 ，ChatGPT在1月份的月活跃用户数已达1亿 ，成为史上用户数增长最快的应用软件 。表面上看 ，ChatGPT是一个受欢迎的聊天机器人 ，但我们认为其背后的GPT大模型能称得上是一个技术爆炸 ，并且目前处于飞速的进化过程中 。
图：各大热门平台突破1亿月活用户所用的时间
当用户逐渐开始熟悉这款“无所不知 ”的对话机器人的时候 ，ChatGPT的母公司OpenAI又在3月14日发布了新一代的GPT4 ，这是一款支持多模态（大量文字+图片）输入的对话机器人 。它的强大智能在几个月时间内又一次进化了一大步 ，例如：它可以根据一个草图在很短时间内生成做出这个网站所需要的HTML代码 。若这样的功能放在几个月前 ，估计也很少有人相信会在2023年就能出现 。GPT不只是在对话领域有巨大的成功 ，而且它在众多人类的标准化的测试中 ，也是非常的厉害 。它在多个学术和职业考试中超过人类 ，比如在美国律师考试中 ，GPT4的分数打败了90%的人类；在美国高考SAT中拿到700+的分数（满分800） ，这样的分数远高于美国顶级大学-常青藤八校录取新生的平均分数 。当笔者看到了GPT4在众多考试中的得分后 ，也陷入了沉思：未来的AI会在绝大多数领域都超过我们人类 ，它的出现必将改变社会对于我们知识技能结构的需求 。所以理解GPT ，也能帮助我们去判断 ，未来积累什么样的知识 ，培养什么样的技能才是有价值的 。
（GPT-4 ，https://openai.com/research/gpt-4）首先 ，我们先简单的介绍一下ChatGPT和AIGC：
他们都是人工智能的应用场景 。
ChatGPT：Chat Generative Pretrained
Transformer,即可生成式预训练对话系统 ，ChatGPT是由OpenAI开发的一种基于自然语言处理的人工智能技术 ，它是一种大型预训练语言模型 ，使用了GPT（Generative
Pretrained
Transformer）的架构 ，并使用深度学习算法进行训练 。ChatGPT可以生成高质量 、连贯的自然语言对话 ，它可以对话生成 、问答系统 、文本摘要 、语言翻译等自然语言处理任务进行处理 。AIGC：Artifical Intelligence Generated
Content ，即人工智能所生成的内容 。可以看出 ，两者都是人工智能应用的场景 ，而AIGC的范畴比ChatGPT更广 ，ChatGPT是AIGC的在文字和语言类内容的子领域 。这样令人惊奇的技术背后最重要的原理是什么呢？
原理一：全域知识
拥有在其巨大数据库和互联网中几乎所有的知识 ，目前千亿量级的 ，未来会随着模型的进化 ，进一步变多 ，变得更加“无所不知 ” 。它把所有领域的知识都看做语言的模式 ，这里的语言不是狭义我们说的语言 ，而是统一了代码 ，公式 ，符号等所有人类传输信息的语言 。所以当用户与之交谈的时候 ，ChatGPT让用户感觉到的是一个无所不知的系统 。
原理二：大语言模型
ChatGPT通过背后的GPT大语言模型（Large Language Model, LLM)回答问题的时候 ，会逐字打出答案 。它是根据前面的文字来输出后面的文字 ，所以它所输出的答案并不是由检索数据库中的已有答案来生成的 ， 也不像搜索引擎中按照引用次数来判断关联性 ，而是数学计算的结果 – 他是通过计算上一段文字后续会出现的文字的条件概率来生成答案 。
这个原理的深刻意义：人类产生的所有文本 ，无论是一种科学原理 ，历史知识还是程序代码 ，他们都可以用大语言模型来表达 。
所以只要拥有足够好的语言模型 ，那么现实生活中的任何信息都是完美语言模型的一种采样结果 。大语言模型不直接掌握知识 ，它的本质是一个拥有几千亿参数的超大公式 。它输出的回答是概率模型判定后的随机答案 ，不是人类大脑那种通过analog形态来积累（经验 ，归纳 ，建模的过程） ，所以它的回答不可回溯（traceability）；但由于它读取了世界上公开的全部知识 ，所以他通过条件概率得出的不同组合的回答往往能看起来合理 ，也有了类似人类的创作力 。它是通过“隐性 ”的方式积累知识 ，然后“显性 ”的表达知识 。
那么ChatGPT的局限在哪呢？由于它积累的“知识 ”是来自于历史和公开数据 ，且它没有人类的推理能力 ，所以如果我们问它关于预测未来或者某些细分专业问题的时候 ，ChatGPT大概率会给出一个看似一本正经 ，实际胡说八道的答案 。
也正因为大模型上述的局限性 ，拥有细分领域数据和知识的公司可以通过大模型的API接口来训练拥有内部数据和知识的小模型 ，专门提供给内部员工和客户使用 。所以从商业的角度来看 ，GPT这样的超级大模型会成为技术底座 ，它可以赋能各个行业的公司去开发它们内部的小模型 ，而拥有这样的小模型可以极大的提高公司内部和上下游伙伴的效率 。Open AI等拥有这样大模型的公司最终会形成类似苹果和安卓的生态体系 ，有无数的公司围绕这个生态进行生产和开发 。
原理三：训练路径
使用时 ，我们会发现ChatGPT会说人话 ，有普世价值观 ，很多时候能做到知之为知之 ，并且能给出推理过程 。那么他是怎么练成的的呢？为了让ChatGPT懂得与人类对话 ，大语言模型都需要经过训练 。
首先需要标注的数据进行监督学习 ，缺点是这种监督学习体量有限； 第二步是用人工做微调（fine-tuning） ，对第一步产生的回答进行打分 ，得到奖励模型； 第三步用第二步得出的模型进行大量的无监督训练 ，自动让模型自我做调整 。用的人越多 ，也会让模型得到更好的训练结果 。经过了千亿规模参数训练后的模型 ，就变成了呈现在我们面前 ，那个无所不知 ，对答如流的聊天机器人 。综上来说 ，Open AI找到了一种在当下技术的基础设施所能支持的情况下 ，最适合AI去积累“知识 ”和输出结果的算法 ，和我们聊天的ChatGPT其实只是它应用场景的一部分 。它最具革命意义的产品是在ChatGPT这个聊天机器人背后的大语言模型 ，它相当于构建出了一个人类和机器之间的无缝桥梁 。我们之前为了让机器执行我们的命令 ，需要通过软件工程师进行大量的编程来实现 ，实际上是我们在“迁就 ”不懂人类语言的机器 ，而现在有了大语言模型 ，机器可以“无障碍 ”的听懂我们的语言 ，并很快的用机器执行我们的命令 ，这样的功能会极大的提升人类社会的生产力和发展速度 ，所以我们将其称为一个技术爆炸也不为过 。
在不久的未来 ，随着这种技术的成熟应用 ，几乎所有行业都会发生巨大的变化 。类似于30年前的互联网对我们所带来的变化 。从90年代到现在 ，随着互联网的普及 ，它逐渐成为了我们生活中不可缺少的一部分 ，我们在网上进行办公 ，购物 ，学习 ，娱乐等方方面面的事 。而接下来的几十年 ，随着大语言模型的普及 ，它给我们生活所带来的变化将绝不小于互联网在上一个30年给我们的变化 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！