微软100亿砸OpenAI,ChatGPT颠覆NLP,谷歌迎战GPT-4,谁将成为AI新霸主?
AI情感助手

微软100亿砸OpenAI,ChatGPT颠覆NLP,谷歌迎战GPT-4,谁将成为AI新霸主?

微软将裁员1万人以应对经济和客户变化,但仍计划投资100亿美元以100%利润份额持有OpenAI 75%,强化在通用型AI和NLP领域的竞争力。ChatGPT的发布和成功引发了行业震动,被视为对谷歌主导市场的威胁,同时也推动了NLP技术企业的焦虑。微软与OpenAI的合作深化,计划将ChatGPT整合进Azure云并全面推出AI服务,预期将对搜索引擎和其他市场产生影响,并引发关于未来GPT-4版本的讨论。谷歌正加强竞争,推出学徒巴德和对抗DALL·E 2的措施,百度也已升级生成式搜索能力以应对挑战。
万字长文解读:从Transformer到ChatGPT,通用人工智能曙光初现《无间》大结局,沈啸至死不知,花向雨就是他“死去”的女儿!
AI情感助手

万字长文解读:从Transformer到ChatGPT,通用人工智能曙光初现《无间》大结局,沈啸至死不知,花向雨就是他“死去”的女儿!

ChatGPT掀起的NLP大语言模型热浪,不仅将各家科技巨头和独角兽们推向风口浪尖,在它背后的神经网络也被纷纷热议。但实际上,除了神经网络之外,知识图谱在AI的发展历程中也被寄予厚望。自然语言处理是如何伴随人工智能各个流派不断发展、沉淀,直至爆发的?本文作者将带来他的思考。作者 | 王文广出品 | 新程序员自ChatGPT推出以来,不仅业内津津乐道并纷纷赞叹自然语言处理(Natural Language Processing, NLP)大模型的魔力,更有探讨通用人工智能(Artificial general intelligence,AGI)的奇点来临。有报道说Google CEO Sundar Pichai发出红色警报(Red code)并促使了谷歌创始人佩奇与布林的回归,以避免受到颠覆性的影响[1][2][3]。同时,根据路透社的报道,ChatGPT发布仅两个月就有1亿用户参与狂欢,成为有史以来用户增长最快的产品[4]。本文以ChatGPT为契机,介绍飞速发展的自然语言处理技术(如图1所示)。 图1 ChatGPT引发 Google“红色警报” [1][2][3]从机器翻译到ChatGPT:自然语言处理的进化自然语言处理的历史可以追溯到1949年,恰好与共和国同龄。但是由香农的学生、数学家Warren Weaver发布的有关机器翻译的研讨备忘录被认为是自然语言处理的起点,比1956年达特茅斯会议提出“人工智能(Artificial Intelligence,AI)” 的概念还略早一些。二十世纪五、六十年代是自然语言处理发展的第一阶段,致力于通过词典、生成语法(图2)和形式语言来研究自然语言,奠定了自然语言处理技术的基础,并使得人们认识到了计算对于语言的重要意义。这个阶段的代表性的成果有1954年自动翻译(俄语到英语)的“Georgetown–IBM实验”,诺姆·乔姆斯基(Noam Chomsky)于1955年提交的博士论文《变换分析(Transformational Analysis)》和1957年出版的著作《句法结构(Syntactic Structures)》等。 图2 句法分析示例,来自《知识图谱:认知智能理论与实战》图4-5,P149[6]在二十世纪六、七十年代,对话系统得到了发展,比如SHRDLU、LUNAR和ELIZA(图3)。麻省理工学院的SHRDLU采用句法分析与“启发式理解器(heuristic understander)”相结合的方法来理解语言并做出响应。LUNAR科学自然语言信息系统(Lunar Sciences Natural Language Information System)则试图通过英语对话的方式来帮助科学家们便捷地从阿帕网(ARPA net)获取信息,这倒像是当前爆火的ChatGPT雏形。ELIZA是那时对话系统的集大成者,集成了关键词识别(图4)、最小上下文挖掘、模式匹配和脚本编辑等功能[5]。 图3 ELIZA对话系统,摘自维基百科ELIZA词条 图4 ELIZA系统中关键词挖掘的流程图[5]随着自然语言处理任务愈加复杂,人们认识到知识的缺乏会导致在复杂任务上难以为继,由此知识驱动人工智能逐渐在二十世纪七、八十年代兴起。语义网络(Semantic Network)和本体(Ontology)是当时研究的热点,其目的是将知识表示成机器能够理解和使用的形式,并最终发展为现在的知识图谱[6]。在这个阶段,WordNet、CYC等大量本体库被构建,基于本体和逻辑的自然语言处理系统是研究热点。进入二十世纪末二十一世纪初,人们认识到符号方法存在一些问题,比如试图让逻辑与知识覆盖智能的全部方面几乎是不可完成的任务。统计自然语言处理(Statistical NLP)由此兴起并逐渐成为语言建模的核心,其基本理念是将语言处理视为噪声信道信息传输,并通过给出每个消息的观测输出概率来表征传输,从而进行语言建模。相比于符号方法,统计方法灵活性更强,在大量语料支撑下能获得更优的效果。在统计语言建模中,互信息(Mutual Information)可以用于词汇关系的研究,N元语法(N-Gram)模型是典型的语言模型之一,最大似然准则用于解决语言建模的稀疏问题,浅层神经网络也早早就应用于语言建模,隐马尔可夫模型(Hidden Markov Model,HMM)和条件随机场(Conditional Random Fields ,CRF)(图5)是这个阶段的扛把子。在搜索引擎的推动下,统计自然语言处理在词法分析、机器翻译、序列标注和语音识别等任务中广泛使用。 图5...
微软巨资投OpenAI,ChatGPT崛起是否挑战谷歌霸主地位?
AI情感助手

微软巨资投OpenAI,ChatGPT崛起是否挑战谷歌霸主地位?

微软将在2023年3月底前裁员1万人,以应对宏观经济状况和客户变化,但将继续投资OpenAI,价值100亿美元。此举源于ChatGPT的商业潜力,加强了微软在通用AI和NLP领域的地位,同时引发NLP技术企业的焦虑。ChatGPT通过客户端界面提供互动服务,颠覆了传统交互模式,显示出强大的潜力和对谷歌可能构成威胁的前景。OpenAI与微软的合作深化,微软计划整合ChatGPT以提升AI能力,并可能催生新的产品竞争。谷歌则加快研发应对,显示出AI市场竞争的紧张。
「揭秘GPT:大模型原理、应用与局限」
AI情感助手

「揭秘GPT:大模型原理、应用与局限」

本文通过探讨大语言模型如GPT的工作原理及优势,指出其与传统AI的区别在于能统一NLG层处理通用问题,通过海量知识和统一模型实现多类型任务解决能力。ChatGPT基于GPT模型,通过自监督学习展示了强大的语言理解和广泛的知识储备。然而,由于模型庞大,回复速度较慢且不确定性较高,适合简单直观应用如客服、心理咨询等场景。作者将GPT的应用分为五个层面:基本的文本生成作为交付物,预制带槽位提示词模板以降低输入风险,跨语言交流利用其分析问题能力,代码编写和数据分析提供辅助,以及与AI联动的协同工作。同时,文章强调了有效分解问题以利用GPT的能力,并提到了未来可能的发展方向。总的来说,ChatGPT作为一款引领时代的工具,展示了强大的潜力,但用户在使用时应注意其限制并结合具体应用场景。随着技术的进步和中文数据的积累,中国有望拥有自主开发的大模型,为AI领域带来更多价值。
万字长文解读:从Transformer到ChatGPT,通用人工智能曙光初现文咏珊真放得开,两块布料当裙子,没遮住多少,却意外地性感优雅
AI情感助手

万字长文解读:从Transformer到ChatGPT,通用人工智能曙光初现文咏珊真放得开,两块布料当裙子,没遮住多少,却意外地性感优雅

ChatGPT掀起的NLP大语言模型热浪,不仅将各家科技巨头和独角兽们推向风口浪尖,在它背后的神经网络也被纷纷热议。但实际上,除了神经网络之外,知识图谱在AI的发展历程中也被寄予厚望。自然语言处理是如何伴随人工智能各个流派不断发展、沉淀,直至爆发的?本文作者将带来他的思考。作者 | 王文广出品 | 新程序员自ChatGPT推出以来,不仅业内津津乐道并纷纷赞叹自然语言处理(Natural Language Processing, NLP)大模型的魔力,更有探讨通用人工智能(Artificial general intelligence,AGI)的奇点来临。有报道说Google CEO Sundar Pichai发出红色警报(Red code)并促使了谷歌创始人佩奇与布林的回归,以避免受到颠覆性的影响[1][2][3]。同时,根据路透社的报道,ChatGPT发布仅两个月就有1亿用户参与狂欢,成为有史以来用户增长最快的产品[4]。本文以ChatGPT为契机,介绍飞速发展的自然语言处理技术(如图1所示)。 图1 ChatGPT引发 Google“红色警报” [1][2][3]从机器翻译到ChatGPT:自然语言处理的进化自然语言处理的历史可以追溯到1949年,恰好与共和国同龄。但是由香农的学生、数学家Warren Weaver发布的有关机器翻译的研讨备忘录被认为是自然语言处理的起点,比1956年达特茅斯会议提出“人工智能(Artificial Intelligence,AI)” 的概念还略早一些。二十世纪五、六十年代是自然语言处理发展的第一阶段,致力于通过词典、生成语法(图2)和形式语言来研究自然语言,奠定了自然语言处理技术的基础,并使得人们认识到了计算对于语言的重要意义。这个阶段的代表性的成果有1954年自动翻译(俄语到英语)的“Georgetown–IBM实验”,诺姆·乔姆斯基(Noam Chomsky)于1955年提交的博士论文《变换分析(Transformational Analysis)》和1957年出版的著作《句法结构(Syntactic Structures)》等。 图2 句法分析示例,来自《知识图谱:认知智能理论与实战》图4-5,P149[6]在二十世纪六、七十年代,对话系统得到了发展,比如SHRDLU、LUNAR和ELIZA(图3)。麻省理工学院的SHRDLU采用句法分析与“启发式理解器(heuristic understander)”相结合的方法来理解语言并做出响应。LUNAR科学自然语言信息系统(Lunar Sciences Natural Language Information System)则试图通过英语对话的方式来帮助科学家们便捷地从阿帕网(ARPA net)获取信息,这倒像是当前爆火的ChatGPT雏形。ELIZA是那时对话系统的集大成者,集成了关键词识别(图4)、最小上下文挖掘、模式匹配和脚本编辑等功能[5]。 图3 ELIZA对话系统,摘自维基百科ELIZA词条 图4 ELIZA系统中关键词挖掘的流程图[5]随着自然语言处理任务愈加复杂,人们认识到知识的缺乏会导致在复杂任务上难以为继,由此知识驱动人工智能逐渐在二十世纪七、八十年代兴起。语义网络(Semantic Network)和本体(Ontology)是当时研究的热点,其目的是将知识表示成机器能够理解和使用的形式,并最终发展为现在的知识图谱[6]。在这个阶段,WordNet、CYC等大量本体库被构建,基于本体和逻辑的自然语言处理系统是研究热点。进入二十世纪末二十一世纪初,人们认识到符号方法存在一些问题,比如试图让逻辑与知识覆盖智能的全部方面几乎是不可完成的任务。统计自然语言处理(Statistical NLP)由此兴起并逐渐成为语言建模的核心,其基本理念是将语言处理视为噪声信道信息传输,并通过给出每个消息的观测输出概率来表征传输,从而进行语言建模。相比于符号方法,统计方法灵活性更强,在大量语料支撑下能获得更优的效果。在统计语言建模中,互信息(Mutual Information)可以用于词汇关系的研究,N元语法(N-Gram)模型是典型的语言模型之一,最大似然准则用于解决语言建模的稀疏问题,浅层神经网络也早早就应用于语言建模,隐马尔可夫模型(Hidden Markov Model,HMM)和条件随机场(Conditional Random Fields ,CRF)(图5)是这个阶段的扛把子。在搜索引擎的推动下,统计自然语言处理在词法分析、机器翻译、序列标注和语音识别等任务中广泛使用。 图5...
微软豪投OpenAI,ChatGPT冲击谷歌,NLP技术企业面临何境?
AI情感助手

微软豪投OpenAI,ChatGPT冲击谷歌,NLP技术企业面临何境?

概括:微软即将在2023年裁员1万人以应对经济和客户变化,但将继续对OpenAI投资100亿美元。此举源于ChatGPT的强劲表现,它正挑战谷歌在通用AI和NLP领域的主导地位,同时也推动了NLP技术企业的焦虑。ChatGPT作为微调后的GPT3.5模型加上客户端界面,为用户提供直接交互的新功能,尽管面临训练成本和技术挑战,但微软希望通过与OpenAI的合作强化其AI能力,并在全球市场产生影响。谷歌已加快研发以应对这一威胁,百度也计划升级其生成式搜索服务。
万字长文解读:从Transformer到ChatGPT,通用人工智能曙光初现2015年,四川知名主持人酒后路边“方便”,10分钟后只剩下一只高跟鞋
AI情感助手

万字长文解读:从Transformer到ChatGPT,通用人工智能曙光初现2015年,四川知名主持人酒后路边“方便”,10分钟后只剩下一只高跟鞋

ChatGPT掀起的NLP大语言模型热浪,不仅将各家科技巨头和独角兽们推向风口浪尖,在它背后的神经网络也被纷纷热议。但实际上,除了神经网络之外,知识图谱在AI的发展历程中也被寄予厚望。自然语言处理是如何伴随人工智能各个流派不断发展、沉淀,直至爆发的?本文作者将带来他的思考。作者 | 王文广出品 | 新程序员自ChatGPT推出以来,不仅业内津津乐道并纷纷赞叹自然语言处理(Natural Language Processing, NLP)大模型的魔力,更有探讨通用人工智能(Artificial general intelligence,AGI)的奇点来临。有报道说Google CEO Sundar Pichai发出红色警报(Red code)并促使了谷歌创始人佩奇与布林的回归,以避免受到颠覆性的影响[1][2][3]。同时,根据路透社的报道,ChatGPT发布仅两个月就有1亿用户参与狂欢,成为有史以来用户增长最快的产品[4]。本文以ChatGPT为契机,介绍飞速发展的自然语言处理技术(如图1所示)。 图1 ChatGPT引发 Google“红色警报” [1][2][3]从机器翻译到ChatGPT:自然语言处理的进化自然语言处理的历史可以追溯到1949年,恰好与共和国同龄。但是由香农的学生、数学家Warren Weaver发布的有关机器翻译的研讨备忘录被认为是自然语言处理的起点,比1956年达特茅斯会议提出“人工智能(Artificial Intelligence,AI)” 的概念还略早一些。二十世纪五、六十年代是自然语言处理发展的第一阶段,致力于通过词典、生成语法(图2)和形式语言来研究自然语言,奠定了自然语言处理技术的基础,并使得人们认识到了计算对于语言的重要意义。这个阶段的代表性的成果有1954年自动翻译(俄语到英语)的“Georgetown–IBM实验”,诺姆·乔姆斯基(Noam Chomsky)于1955年提交的博士论文《变换分析(Transformational Analysis)》和1957年出版的著作《句法结构(Syntactic Structures)》等。 图2 句法分析示例,来自《知识图谱:认知智能理论与实战》图4-5,P149[6]在二十世纪六、七十年代,对话系统得到了发展,比如SHRDLU、LUNAR和ELIZA(图3)。麻省理工学院的SHRDLU采用句法分析与“启发式理解器(heuristic understander)”相结合的方法来理解语言并做出响应。LUNAR科学自然语言信息系统(Lunar Sciences Natural Language Information System)则试图通过英语对话的方式来帮助科学家们便捷地从阿帕网(ARPA net)获取信息,这倒像是当前爆火的ChatGPT雏形。ELIZA是那时对话系统的集大成者,集成了关键词识别(图4)、最小上下文挖掘、模式匹配和脚本编辑等功能[5]。 图3 ELIZA对话系统,摘自维基百科ELIZA词条 图4 ELIZA系统中关键词挖掘的流程图[5]随着自然语言处理任务愈加复杂,人们认识到知识的缺乏会导致在复杂任务上难以为继,由此知识驱动人工智能逐渐在二十世纪七、八十年代兴起。语义网络(Semantic Network)和本体(Ontology)是当时研究的热点,其目的是将知识表示成机器能够理解和使用的形式,并最终发展为现在的知识图谱[6]。在这个阶段,WordNet、CYC等大量本体库被构建,基于本体和逻辑的自然语言处理系统是研究热点。进入二十世纪末二十一世纪初,人们认识到符号方法存在一些问题,比如试图让逻辑与知识覆盖智能的全部方面几乎是不可完成的任务。统计自然语言处理(Statistical NLP)由此兴起并逐渐成为语言建模的核心,其基本理念是将语言处理视为噪声信道信息传输,并通过给出每个消息的观测输出概率来表征传输,从而进行语言建模。相比于符号方法,统计方法灵活性更强,在大量语料支撑下能获得更优的效果。在统计语言建模中,互信息(Mutual Information)可以用于词汇关系的研究,N元语法(N-Gram)模型是典型的语言模型之一,最大似然准则用于解决语言建模的稀疏问题,浅层神经网络也早早就应用于语言建模,隐马尔可夫模型(Hidden Markov Model,HMM)和条件随机场(Conditional Random Fields ,CRF)(图5)是这个阶段的扛把子。在搜索引擎的推动下,统计自然语言处理在词法分析、机器翻译、序列标注和语音识别等任务中广泛使用。 图5...
微软豪投OpenAI,ChatGPT冲击谷歌,NLP市场会迎来怎样的巨变?
AI情感助手

微软豪投OpenAI,ChatGPT冲击谷歌,NLP市场会迎来怎样的巨变?

微软将在2023年裁员1万人以应对经济和客户需求变化,但计划投资100亿美元给OpenAI,这表明企业对OpenAI的发展前景持有信心。此次投资背后是ChatGPT带来的影响,它强化了微软在搜索领域的竞争力,并推动公司通用型AI和NLP商业化。ChatGPT的用户量快速增长及增值版发布引发了市场担忧,特别是对其可能挑战谷歌的威胁评估。技术上,ChatGPT基于微调后的GPT3.5模型,展示了强大的预训练能力。然而,其大规模应用带来的训练成本和复杂性问题也不容忽视。OpenAI与微软的合作深化,预示着未来在AI领域的竞争将更加激烈,双方有望通过整合ChatGPT推动各自产品AI化,并对谷歌构成挑战。
ChatGPT:生成式AI的新里程碑?破亿速度的背后,科技与人性的交汇点
AI情感助手

ChatGPT:生成式AI的新里程碑?破亿速度的背后,科技与人性的交汇点

ChatGPT,作为生成式AI的代表,自今年1月起用户量激增,打破了互联网破亿应用最快纪录,显示其强大吸引力。Gartner将其列为2022年战略技术趋势首位,预测到2025年生成式AI将占生成数据10%,大模型因其能微调适应新场景和提升效率,正成为业界重点研发方向。ChatGPT基于Transformer技术,凭借出色表现及与公众的良好互动激发热情,尽管未开源,但通过API服务持续优化。尽管Open AI面临盈利压力,其对通用人工智能的追求和人才吸引是成功关键,并在用户反馈中迭代改进模型。
有了ChatGPT,我们会被取代吗
AI情感助手

有了ChatGPT,我们会被取代吗

中国商报(记者 赵熠如)从天气到交通,从文案策划到送女友礼物,ChatGPT以其高效的信息检索能力、精准的语言编纂能力火爆全网。 微软、谷歌、百度等搜索引擎巨头纷纷入场,人们在乐此不疲地与ChatGPT进行交流对话的同时,也不禁担忧:人工智能真的会取代人类吗? ChatGPT正在以其强大的人工智能语言处理能力火爆全网。(图片由摄图网提供) ChatGPT能做什么 当你还在面临写文章卡壳、欠缺问题解决方案时,ChatGPT已经可以轻而易举地帮你解决这些烦恼了。它不仅可以快速帮你拟出文案来,还可以在一次又一次的尝试中找出问题最优解。其仿真智慧程度有时会让人产生错觉:自己仿佛是在与真人交流对话。 ChatGPT正在以其强大的人工智能语言处理能力火爆全网。 ChatGPT是美国人工智能研究实验室OpenAI在2022年11月30日开发的一种聊天机器人模型,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,并协助人类完成一系列任务,例如撰写邮件、论文、脚本,制定商业提案,创作诗歌、故事,甚至敲代码、检查程序错误等。 “ChatGPT可以用于各种自然语言处理任务,包括对话场景、搜索场景。基于GPT-3模型已读取的数据,ChatGPT可以回答用户的所有问题,甚至可以为用户推荐适配的产品、服务。”IDC中国研究总监卢言霞表示。 搜索引擎先“慌”了 高效、快捷、精准的问题检索和语言处理能力,不禁让人们发出疑问:ChatGPT会取代我们吗? 对此,先行一步的是全球各大搜索引擎巨头。 2月8日,微软与其所投资企业OpenAI实验室宣布将推出ChatGPT支持的搜索引擎Bing及Edge浏览器。“AI将从根本上改变每个软件的类别,从最大的类别——搜索开始。”微软董事长兼CEO萨蒂亚·纳德拉说,“今天,我们推出了由AI copilot和聊天机器人驱动的Bing和Edge,以帮助人们从搜索和网络中获取更多信息。” 2月7日,百度宣布将ChatGPT项目名称定为“文心一言”,英文名“ERNIE Bot”,将于3月完成内测,面向公众开放。百度在人工智能四层架构中有全栈布局,包括底层的芯片、深度学习框架、大模型,以及最上层的搜索等应用,而文心一言则位于模型层。 2月6日,谷歌公司首席执行官桑达尔·皮查伊在一篇博文中公布了一款名为Bard的对话聊天机器人,将其描述为“实验性的对话式人工智能服务”。据桑达尔·皮查伊透露,该软件将“在未来几周内更广泛地提供给公众”。 搜索引擎巨头急于推出ChatGPT项目,与其说是在科技道路上的又一次攻坚,不如说是担忧被取代的“恐慌”。 投行摩根士丹利的首席谷歌分析师布莱恩·诺瓦克在一份报告中称,语言模型可能会“颠覆谷歌作为人们上网入口的地位。”而谷歌23号员工、Gmail的创始人保罗·布赫海特则表示:“谷歌可能只需要一两年时间就会被彻底颠覆。AI将会消灭搜索引擎的结果页面,即便谷歌跟上了人工智能的发展脚步,其最能赚钱的业务也将大不如前。” 不过,DCCI互联网研究院院长刘兴亮认为,ChatGPT和搜索引擎之间应该是互补的关系,而非替代关系。 “目前ChatGPT最显性的价值和落地场景正是搜索。从短期来看,ChatGPT肯定会‘吃’掉搜索引擎的一部分份额,因为我们的一些搜索行为其实只是想要一个答案,而不是一堆搜索结果。但从长远来看,ChatGPT和搜索引擎应该是互补的关系。一来,有些问题ChatGPT是拒绝提供结果的;二来,它毕竟是机器人,提供的答案不一定是人们想要的或者准确的;三来,对于一些有争议的问题,人们可能要的不是一个答案,而是正、反各方的结果。所以,很多场景我们还是需要搜索引擎的。”刘兴亮表示。 对于ChatGPT与搜索引擎的结合发展,刘兴亮认为,类ChatGPT技术是对搜索引擎很好的补充,一些特定场景个性化的问题可以用这类技术生成答案,能更好地提升用户体验,或将引领搜索引擎的代际变革。同时,搜索引擎是互联网的最大入口之一,也将成为类ChatGPT技术最普惠的落地场景,让技术人人可用。 我们会被取代吗 事实上,不仅是搜索引擎巨头对此会有被取代的恐慌,ChatGPT所具备的信息检索、语言编纂、逻辑梳理等功能也让每个人陷入担忧:自己的职业是否会在某一天被取代。 ChatGPT可以通过美国医生执业考试,能在SAT考试中取得不错的成绩;大学生可以用它来写论文、做作业,程序员可以用它debug;员工可以用它写邮件,自媒体博主甚至可以用它来写博文…… 而当人们问它“ChatGPT能否取代人类”时,它反而会表示:“ChatGPT是一个优秀的工具,可以协助人类完成很多工作,但它不能取代人类,人类仍然是世界的核心和主人”“虽然它有许多强大的功能,但是它只能在人类指导下使用,不能取代人类”,等等。 这同样也是AIGC带给人们的思考。 AIGC指的是利用人工智能技术来生成内容,是继PUGC(专业生成内容)、UGC(用户生成内容)之后,利用人工智能技术自动生成内容的新型生产方式。 AIGC的文本和艺术创作能力不容小觑。2022年8月,Jason Allen凭借AI绘画作品《太空歌剧院》在美国科罗拉多州的新兴数字艺术家竞赛中获得了“数字艺术”类别的一等奖,该作品通过AI绘画应用Midjourney生成,获奖者仅是在生成绘画的基础上用Photoshop对作品进行调整。 ChatGPT等AIGC模型会取代人类吗? “ChatGPT在写作文稿、检索信息、商业营销、提升写作效率和生产力方面具有积极价值,可以在很多行业作为助手,甚至取代一些不需要太多思考的岗位。”中国传媒大学文化产业管理学院法律系主任郑宁对中国商报记者表示,“ChatGPT写作的文章感情色彩相对缺失,检索到的信息准确性还有待提升,缺乏对信息的深度加工分析能力,对于需要作出主观判断的事项还力有不逮,目前还难以从事一些需要深度思考的复杂思维工作。不过,它的不断优化将对人类社会带来不小的冲击,迫使我们持续学习、深入思考,从事做更多创造性的工作,避免未来因为某些工作岗位减少而出现失业的风险。” “ChatGPT以及所有AIGC模型,只能在人类‘经验’的基础上进行组合与联结,速度固然很快,但不会产生颠覆性的发明和变革。”刘兴亮认为,“ChatGPT不能取代人类的创造力和创新能力,人类的未来和发展仍然需要人类自己的智慧和努力。” 发展中的安全治理 当前,ChatGPT等AIGC模型的商业前景被业内人士普遍认为“非常广阔”。 根据腾讯研究院发布的《AIGC发展趋势报告2023:迎接人工智能的下一个时代》,AIGC的商业化应用将快速成熟,市场规模会迅速壮大。当前AIGC已经率先在传媒、电商、影视、娱乐等数字化程度高、内容需求丰富的行业取得重大发展,市场潜力逐渐显现。 该报告援引AI作画平台6pen的预测称,未来五年10%—30%的图片内容将由AI参与生成,有望创造超过600亿美元的市场规模。也有国外商业咨询机构预测,2030年AIGC市场规模将达到1100亿美元。 安信国际TMT分析师汪洋认为,国外的一些大公司,例如微软、谷歌等,均非常重视AIGC的发展方向,而且AIGC已经开始了正式的商业化落地进程,但是国内AIGC的发展还属于比较早期的阶段。对于国内来讲,突破底层的核心技术还是一个比较大的挑战,但其发展方向还是非常令人欢欣鼓舞的。 卢言霞认为,基于ChatGPT可能会诞生一批新创企,但单纯依赖大模型无法为创企提供持续的竞争力。垂直领域的数据、面向场景的模型优化、工程化的解决方案,才是将AI落地的根本,也是建立竞争优势的关键。未来可能的形式是部分企业提供基础模型,部分企业基于基础模型开发面向多场景的AI应用。 与此同时,卢言霞认为,短期内ChatGPT对市场的影响有限,长期来看这些模型甚至在三年以后会退出市场,其真正的启示一方面在于语言模型的演进推动通用AI的到来;另一方面在于大模型落地推动AI开发范式的转变,促进产业链细分。 除此之外,ChatGPT等AIGC模型所带来的安全合规问题也不容忽视。 “在学术伦理方面,运用ChatGPT完成论文变得更加容易,一方面导致人类独立思考能力可能会被削弱;另一方面,也将加剧学术造假,增加著作权纠纷和学术不公平的问题。目前,也有一些检测ChatGPT的软件被开发出来,用于识别是否是人工智能生成的论文。”郑宁说,“在新闻伦理方面,运用ChatGPT生成的新闻由于信息不准确,可能存在新闻造假、谣言等问题。而在数据、隐私和个人信息安全方面,ChatGPT可能在收集、处理数据、信息时,未征得用户授权,或者超范围使用,导致个人信息和隐私泄露的风险,滋生违法犯罪。” 对于如何更好地使用ChatGPT等AIGC工具,郑宁认为,首先要由政府和行业协会牵头,使企业尽快形成行业共识,出台使用指引,提示伦理和法律风险,并要求相关企业做好合规工作;其次要通过政府、媒体、企业等做好用户教育,让用户了解如何正确合法使用该工具。