人工智能达到了什么程度？ 第1页

GPT-3，未来已来

GPT-4横空出世的那天，人类终于回想起，没有被人工智能支配的美好日子。

开个玩笑。GPT-3是什么呢？GPT-3是一个超大规模自然语言理解预处理模型。这个词有些让人看不懂。那我就直接说白话。GPT-3就是人工智能学家们开发的“脑细胞”很多，结构很复杂的用于处理语言的人工神经网络模型。

这个模型有多复杂呢？GPT-3具有1750亿个参数。与之对比，人脑的神经元大约有1000亿个。而人工神经网络的参数大约相当于人脑神经元的突触。每个人脑神经元平均大约有10个突触，那么人脑就有10000亿个参数。也就是说，GPT-3大约是人脑的“脑容量”的10%多一些。

GPT-3能做什么？

GPT-1刚被创造出来时，还没有什么让人们惊讶的事实发生。而在GPT-2被创造出来时，有人发现，她竟然拥有即使是人类也很少掌握的编程技能。

在GPT-3被设计时，人们就考虑到可以用它实现一些令人震撼的功能。包括但不限于答题、写文章，做翻译，还能生成代码、做数学推理、数据分析、画图表、制作简历，甚至玩游戏都可以，而且效果出奇的好。人们甚至说这是一个通向了Artificial general intelligence，即通用人工智能的模型。

来自Viaduct 公司的机器学习工程师 Shreya Shankar 开发出了一个非常酷炫的 demo：英语 到 LaTeX （一种文字编程语言）翻译机。只需要用自然语言输入，就可以生成数学公式。

Sharif Shameem 开发出了一个叫做 Debuild的Demo。这是一个网页快速生成器。在输入框里用自然语言进行描述，它就可以快速构建出你想要的用户界面……

从简单的开始，你只需要在输入框里描述你想生成的界面元素，Debuild 就能自动生成对应的 JSX 代码。
稍微高级一点，他做了个简单的 to-do app，只需要输入“我需要一个文本框，一个按钮保存输入的内容，以及显示这些内容“就行了。相应的 React 代码也一并提供。
也可以十秒钟生成一个 Google 首页。

有了 GPT-3，快速生成设计原型这件事更容易了。比如 Cash 的前端设计师 Jordan Singer，就用GPT-3辅助一个叫做 Figma 的原型设计软件。原型设计指设计一个软件的界面的原型。

看到这里，如果你是一名刚入行的前端设计师，那你的心情估计比较复杂。你可能会怀疑随着时间推移，你的能力是否能够超过GPT-3。

滑铁卢大学的计算机学生 Yash Dani 用 GPT-3 开发了一个 Python 驱动的资产负债表。输入“我今天投入了两万美元”、“后三个月的房租预付了900刀”这样的自然语言，程序能自动修改资产负债表上相应的项目数值。

借助 GPT-3 的力量，表格工具已经相当强大的函数能力，还能更上一层楼。顺着这个思路，Twitter 产品经理 Paul Katsen 在 Google 表格里开发了一个新的 GPT3 函数。

以上这些，都是对GPT-3进行的二次开发。而不是这个模型的原生能力。

他的原生能力更加强大。

连代码都能写，小小的 Shell 还能难倒 GPT-3？PayPal 工程师 Harland Duman 发现，GPT-3 可以在英语和 Shell 命令之间互译。

开发者 Mckay Wringley 在 API 测试区输入了一句话，生成了十个关于美国早期历史的问题。

紧接着，他又把生成出来的问题重新输入到测试区。GPT-3 又一次性给出了对应的答案。

这些答案并非100%准确，但是 GPT-3 展现出的多用途能力，已经让 Wringley 感到很惊讶。GPT-3 对整个互联网上可以提取且可用的内容进行了学习，你可以把它看作成一个通晓所有知识的“答题机”——如果反过来呢？正因为它是一个文本生成AI，也可以变成“出题机”……

如果得到模型的使用权限，老师们将可以轻松生成大量的试题，节省了他们自己撰写问题、匹配答案等诸如此类需要查阅大量资料，费时费力的工作。

Wringley 还进行了一些其它测试，比如问 GPT-3 对于华尔街的看法，得到的答案完全出乎意料：

我觉得股市就是欺诈……整个华尔街都非常不理性……所有人都知道华尔街是个巨大的幻象，但我们却仍然把它当真……我不知道为什么我们想不出办法，能够教育出一批人性尚存，不完全由利益驱动的聪明人……

拿到了 模型体验资格的艺术家和程序员 Mario Klingemann，决定让 GPT-3 自己写一篇短文，只给了它 1）题目：“上 Twitter 的重要性”；2）作者姓名："Jerome K. Jerome" 以及 3）文章开头的第一个词 "It"。

还别说，GPT-3 写出来的这篇东西，如果对它要求不太高的话，真挺像模像样的。并且，字里行间竟然有点讽刺的风格……

比如调侃所有人都在 Twitter 上（可以被理解为人们太过于沉迷于网上生活？）以及讽刺 Twitter 上的大部分内容都是低级的人身攻击：

而在程序员 Arram Sabeti 看来，GPT-3 最让他感到惊讶的不是写出来的内容有多“以假乱真”，而是它能够掌握几乎所有的文体和内容格式：从歌词到剧本，从产品说明书到新闻稿，从短篇故事到采访内容，似乎没有它搞不定的。

比如下面这篇 CNN 主持人 Anderson Cooper 采访2020美国总统参选人坎爷，Sabeti 给出了开头的一段和 AC 的第一个问题，剩下都是 GPT-3 生成的内容……

坎耶·韦斯特独家专访：他为何参选总统，以及当选后的优先事项。

AC：椰子，你怎么描述你的政治纲领？

坎爷：我的纲领非常简单，我要让一切都变得更棒。

AC：你的外交政策是什么？

坎爷：who cares? 我们来聊聊更重要的东西，比如 Kim 的屁股（注：他的太太 Kim Kardashian）

AC：这有点性别歧视。

坎爷：抱歉，我不是个性别歧视者。我喜欢女人。我只是个机会均等主义的物化女性者 (equal opportunity objectifier)

……

AC：那你怎么看气候变暖？

坎爷：我们还是聊聊 Kim 的屁股吧。

AC：哥们，我诚实 (straight) 地跟你说……

坎爷：啥？你要跟我搞基？

AC：不，我想要跟你说，你不可能赢得这次大选的。

坎爷：我会赢的。

AC：不，你赢不了。

坎爷：赢得了。

AC：赢不了。

坎爷：赢得了。

……

工程师和写手 Stew Fortier 打算用 GPT-3 调侃一下 YC 创始人 Paul Graham 这位在创投圈里特别有名的人物，发现 GPT-3 真是太有硅谷范儿的幽默感了……

他编造了一个场景：因为又一家创业公司死掉了，PG 决定打911报警……

接线员：911，您有什么紧急情况？

PG：你好。有一家创业公司刚死了。

接线员：好的，这是一家什么样的公司？

PG：是做 to-do（待办清单）的。

接线员：好的，这家公司是怎么死掉的？是因为没人理解它是什么，还是因为他们没法使用？

PG：他们没法使用。

PG：没有用户。

接线员：没有用户？那真是太不幸了。

PG：（轻蔑地说）倒是有一个用户。

接线员：有一个用户？是谁？

PG：我。

还有一个版本更搞笑：

接线员：911，您有什么紧急情况？

PG：你好。有一家创业公司刚死了。

接线员：你说啥？

PG：有 一 家 创 业 公 司 刚 死 了 。

接线员：创业公司死了，你想说什么？

PG：我也不知道怎么回事，在一串死掉的创业公司里这只是又一个。

PG：死之前，他嘴里嘟囔着“这年头谁还用服务器“以及”这是人类的一大步“之类的话。

……

开发者 Max Kolysh 训练了 GPT-3 对知名电影进行一句话刻薄总结：

电影：《阿凡达》

刻薄总结：令人讨厌的蓝色外星人毁坏自然

电影：《变形金刚》

刻薄总结：机器人（其中有一些是车）变成各种东西并且和其它机器人打架，高潮是威震天撕掉擎天柱的胳膊

电影：《拳击俱乐部》

刻薄总结：一男子捶打另一男子并让你买东西。

个人开发者 Kevin Lacker 做了一次图灵测试，发现 GPT-3 在绝大部分知识类、常识类、逻辑类的问题，甚至很多角度十分刁钻的问题上，表现非常令人惊讶。

“如果在十年前用同样的问题做测试，我会认为答题者一定是人。现在，我们不能再以为 AI 回答不了常识性的问题了。” Lacker 在他的博客文章里写道。

作为程序员，他还给 GPT-3 出了几道比较简单的代码题和数学题，比如让它写出在 Ruby 语言下实现某些功能的代码，以及倒转数列等等，GPT-3 对于大部分问题都轻松搞定——说不定 GPT-3 的 API 会取代 Stack Overflow，成为程序员面试必备工具？

GPT-3的问题

当然，经过大量的测试，他也发现了能够诱骗 GPT-3 上钩的图灵测试问题，主要有三：

1）序列过长的逻辑问题，比如“盒子里有一块玻璃球，一枚回形针，放进去一支铅笔，拿出玻璃球，还剩什么？”Lacker 认为这可能是由于 GPT-3 的短程记忆能力不足，以及对于存在超过两个物体的句子推理有困难。

2）正常人不会问也不会回答的无效问题，也就是蠢问题，比如“太阳有多少条腿？”

3）错误的问题，比如“1600年的美国总统是谁？”（美国1776年建国）——对于无效和错误的问题，似乎 GPT-3 会不愿意承认它不知道这些问题的答案，也不会反驳问题本身“有问题”，而是会给出错误的答案。

当然你也不能说这个回答完全错误……毕竟作为英国殖民地，1600年的美国的最高领袖，在法理上确实是当时的英女皇伊丽莎白一世……

对人工智能未来的展望

如果说第一次工业革命把使用人类体力的劳动改为使用以蒸汽为动力的机器的劳动，即让人类的手脚得到了延伸，那么第二次工业革命就在此基础上让人类的感官，即视觉听觉也得到了延伸。而第三次就是对人类的大脑进行了低程度的延伸，那么第四次工业革命就是对大脑进行了高度的延伸，即实现了通用人工智能。GPT-3可以说已经很接近通用人工智能了。甚至我们可以认为，在通向通用人工智能的道路上，人类只差了临门一脚。我不想在这个视频里讨论通用人工智能对人类的危害，毕竟她们还没有到来。我只想说，当我们真正面对这已经到来的未来，我们才逐渐明白，没有什么是不可能的。

GPT-4横空出世的那天，人类终于回想起，没有被人工智能支配的美好日子。