ChatGPT是什么？

ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。

简单介绍

自从 AI 研究公司 OpenAI 于 2022 年 11 月份推出 ChatGPT 以来，这款聊天机器人始终是公众关注的焦点。微软在 1 月底的最新一轮融资中宣布向 OpenAI 投资了 100 亿美元，据称该轮融资对这家初创公司的估值达到 290 亿美元。

ChatGPT 能够使用生成性人工智能（CIGC）来识别和模仿人类的语音模式，并对用户问题生成对话式的书面回复。从大量撰写语法正确但缺乏实质内容的作文，到就如何谈判加薪给出合理的建议，玩转聊天机器人已经成为一种有趣的消遣，但人们也开始反思其可能对诸多行业产生的影响。

现在谈及这些影响可能还为时尚早，但专家们已经预计，ChatGPT 及其底层技术将被用作金融领域的工具，帮助提高生产力。毕马威合伙人兼负责人迪伦 · 罗伯茨（Dylan Roberts）表示："ChatGPT 将使知识型员工如今从事的普通任务自动化，这样他们就可以专注于更有价值的任务。"

有观点认为，ChatGPT 最终将有能力取代某些人类角色，但实现这个目标的时机掌握在客户手中。咨询公司 Mobiquity 全球数字银行副总裁 Peter-Jan Van de Venn 说：" 技术将能够做到这一点。问题是，客户接受还是不接受？"

然而，ChatGPT 在金融领域的应用至少存在一个问题。金融科技公司 Alloy 的首席技术官查尔斯 · 赫恩 ( Charles Hearn ) 表示，该产品是 " 黑盒 " 的，这意味着人工智能可以给出答案，而不需要追踪它是如何得到这些答案的。这一过程可能会使其难以满足金融服务业的某些监管要求。

ChatGPT 确实至少有一个特定于其融资应用的问题。金融科技合金的首席技术官查尔斯 · 赫恩表示，这款产品藏了 " 黑盒子 "。这意味着，AI 可以给出答案，而人类却无法追踪它是如何给出答案的。这个过程可能会使其难以满足金融服务业的合规要求。

也有人对 ChatGPT 给金融行业带来革命性变革的能力表示怀疑，并质疑它是否会成为白领的 " 终结者 "。据报道，普林斯顿大学的一位教授甚至称这个聊天机器人为 " 狗屁生成器 "。

AI的商业应用

投资机构纷纷看好ChatGPT的商业前景。红杉资本给出大胆预测：ChatGPT这类生成式AI工具，让机器开始大规模涉足知识类和创造性工作，这涉及数十亿人的工作，未来预计能够产生数万亿美元的经济价值；中信建投认为，以ChatGPT为代表的自然语言模型将深刻融入内容生成、搜索引擎增强、编程协助、智能客服等领域，成为人们日常生活生产的重要辅助工具。同时，ChatGPT的快速商业落地也将带动AI芯片产业链、数据产业链的发展。

在ChatGPT发布的第一天，就有生成式AI将取代搜索引擎的声音出现。作为全球最大的中文搜索引擎，百度率先出击。有消息人士透露，百度将在今年3月推出与OpenAI的ChatGPT类似的人工智能聊天机器人服务，最初版本将嵌入百度搜索服务中，允许用户获得对话式的搜索结果，名称尚未确定。多年以来，百度砸下了数十亿美元研究AI，历经数年数据训练的大规模机器学习模型——文心大模型，将成为百度即将推出的类似ChatGPT的工具的基础。虽然百度对这一消息尚未作出正面回应，但百度搜索杰出架构师辜斯缪1月初曾表示，百度搜索2023年在技术上最重要的工作就是要把整个检索系统变成检索+生成双模系统。

在ChatGPT的步步紧逼下，谷歌也终于“坐不住”了。在围绕谷歌AI战略的会议中，谷歌CEO桑达尔·皮查伊要求公司重新集中精力解决ChatGPT对其搜索引擎业务构成的威胁。近日，有消息称，谷歌正在测试一款类似ChatGPT的聊天机器人Apprentice Bard，该产品基于谷歌对话模型LaMDA，员工可以向其提问并获得类似ChatGPT的详细答案。据悉，即便近期刚发生的事，Apprentice Bard也能回答出来。而此种能力ChatGPT目前并不具备。

人工智能的发展未来

“未来几年，会思考的计算机程序将能够读取法律文件，提供医疗建议。它们将执行流水线工作，甚至成为必备品。再之后数十年，它们能够做几乎所有事情，包括提出新的科学发现，进而拓展人类对‘everything’的定义。”奥特曼对ChatGPT等AI生成类产品雄心勃勃。

要想改变行业、成为新的生产方式，ChatGPT一类的工具不但需要不断提升技术本身的可靠性和安全性，也要分阶段找对合适的应用场景。

模型是AI的灵魂，参数量越大，模型越复杂，做出来的预测就越准确。目前业界主流的AI生成类工具的大模型都是千亿级、万亿级参数量的水平，这也是ChatGPT等工具让人眼前一亮的原因。通过学习各行各业的各类数据，除了能给出相较于小模型更准确的预测结果之外，它也展现出了惊人的泛化能力、迁移能力，产出内容质量更高、更智能。

训练和运行模型都需要庞大的算力，会带来巨大的资金消耗。有研究估测，训练1750亿参数语言大模型GPT-3，需要有上万个 CPU/GPU24小时不间输入数据，所需能耗相当于开车往返地球和月球，且一次运算就要花费450万美元。这样高的研发门槛，注定目前主流的大模型多由大企业、或是背靠大企业的研究机构掌握。大模型，也成了企业的“护城河”。

“现在没有一个模型的准确度可以达到100%，能达到90%以上，我认为就已经很好了，这是一个边用边进化的过程。”潘伟说，“只有模型的准确度不断提升，才可能让现在的AI生成类工具从封闭、确定性空间，走向动态、开放的语言环境中，提升其可靠程度，因为现在这些内容生成工具的生成效率非常高，几乎1秒就能产生用户想要的大量信息，不准确将带来错误信息的广泛传播，是很可怕的。”

大模型的研发只是“第一步”，还要关注投喂数据的质量。专家认为，基于现实生活中已有的数据来训练模型只能解决一些已知问题，对于一些潜在、未知的问题，现在的模型未必能解决。因此有研究机构提出合成数据的概念，即通过计算机程序人工合成的数据，一方面补充高质量的训练数据，另一方面填补一些极端或者边缘的案例，增加模型的可靠性。

除了技术本身，欲使ChatGPT等AI生成类工具真正大规模落地，还要结合应用来发展技术。在聂昱看来：“现在ChatGPT虽然引发了很多关注，但更多的是‘聊一聊玩一玩’，提一些稀奇古怪的问题去测试，并没有把ChatGPT的应用潜力发挥出来，因此，未来的竞争焦点，在于能否利用ChatGPT解决的客户和行业的实际需求和痛点，让工具成为类似电力、能源一样的社会生产活动的原材料。在此过程中，业界还需思考降低模型的成本，如果成本过高，非常不利于它扩展应用。”