聊天機器人 ChatGPT，在 11 月開放試用一週就衝出百萬用戶。這個由 OpenAI 釋出的超夯人工智慧工具究竟是什麼？為何能有此表現？除了當槍手、做代筆作家以外，ChatGPT 還有什麼隱藏「用法」？
人工智慧研究實驗室 OpenAI 釋出對話式語言模型 ChatGPT，因為它的用途廣泛、效果強大，因此迅速走紅。根據官網的介紹，ChatGPT 可以跟使用者對話、回答問題，若是使用者的論點中有錯誤，它也能指正。
聊天機器人 ChatGPT 被讚萬能，唯獨這指令一出會被兇
目前開放給民眾免費使用的 ChatGPT 還在測試階段，不過已經有許多人發掘出它的有趣應用，除了對話以外，有學生拜託它回答大學理論課的申論題，也有工程師麻煩它寫程式，或者要求它吟詩作賦，而 ChatGPT 來者不拒地照辦——品質還驚人地好。但唯獨一種做法會被它立即拒絕，其實，ChatGPT 並不是真的有求必應，若使用者輸入的內容和仇恨言論、暴力、犯罪等主題有關，ChatGPT 不會做出回答，還會提醒使用者這違反了平台的規範。
ChatGPT 究竟是什麼？為何能有此表現？除了當槍手、做代筆作家以外，ChatGPT 還有什麼「用法」？
ChatGPT 用法完整更新
除了寫作業、寫程式以外，ChatGPT 還有更多元的有趣應用。
針對「有什麼使用人工智慧產出文字的酷方法」，ChatGPT「稍作思考」後，也針對自身的用途，提供寶貴建議，以下為 ChatGPT 產生的文字：
• 生成創意文字，甚至吟詩作對： 人工智慧演算法可以訓練大量文字，如書籍和詩歌，並可以生成原創的故事或詩歌。
• 翻譯： 人工智慧演算法可以訓練翻譯一種語言到另一種語言，讓不同語言的人更容易溝通。
• 幫你抓重點摘要： 人工智慧演算法可以用來自動摘要長文件，讓人們更容易快速理解主要思想。例如，有人想了解全球第二大加密交易所 FTX 為何破產？貼給 ChatGPT 一份研究報告摘要後，它馬上可以簡略回答出，「根據資料，由創辦人 SBF 所成立的 FTX 和 Alameda 兩間公司，中間似乎有密切的關係。而且大量 FTT 代幣被這兩間公司控制，讓人對他們的獨立性產生懷疑。」這個重要結論！幫你省去看艱深報告內容的大筆時間。
• 寫個人化的電子郵件： 人工智慧演算法可以訓練生成個人化的電子郵件，根據人們的興趣和喜好。
• 代工小編，幫你寫新聞： 人工智慧演算法可以訓練生成特定主題的新聞文章，讓新聞組織能夠快速製作各種主題的內容。
隱藏版用法
其實，ChatGPT 能派上用場的地方遠遠不止如此，網友也發現有隱藏版用法。就創意而言，它確實能夠接收使用者給定的題目與人物寫出故事，當起編劇來。具體來說它能夠幫助創意工作者針對特定的場景發想點子，例如請 ChatGPT 產出一段穿越劇故事，都辦得到。
另外，ChatGPT 也是個點子王。突然失業了怎麼辦？它還可以幫你腦力激盪賺取收入的小點子，還不只一個，如下圖：
另外，也有網友發現，它可以代為回覆客服信函。在協助數據工作者上，它還能夠給予產出關鍵字。或幫助開發應用的人，快速生出小教學文章等。
同時，它中文也能通。來看看下面它給大家工作面試前的建議：
ChatGPT 究竟是什麼？
ChatGPT 的開發者是一家專精於人工智慧的組織 OpenAI，OpenAI 曾經推出輸入文字便能輸出圖像的 DALL-E、給定音樂風格和歌詞就可以產出音樂作品的 Jukebox，以及 2020 年推出時震撼全球的語言模型 GPT-3。
根據 OpenAI 的介紹，ChatGPT 就和先前曾推出的「打電動機器人」OpenAI Five 一樣，都是透過由人類提供回饋的增強學習（reinforcement learning）訓練而成。增強學習的原理類似小朋友在玩電動遊戲，即使在場沒有成年人指導，幼童仍可以在不斷的試錯當中，藉著每次挑戰所獲得的正向與負向回饋，找到能夠通關的策略。
訓練 ChatGPT 時便是仿照上述概念，OpenAI 先請模型的訓練者們同時扮演使用者和人工智慧助手（即現在的 ChatGPT）的角色，創造一定數量的數據，讓機器認識到對話的基本策略。接著，為了讓機器學到相對較佳的對話內容與模式，訓練者會扮演使用者向機器擔任的人工智慧助手發話，此時訓練者會提供建議幫助機器撰寫回答。
為了讓機器「學習」，訓練者會擷取機器撰寫的不同語句，接著「告訴」機器回答內容的品質高低。這些線索有如「小朋友齊打交」的正向與負向回饋，機器可以藉此改善產出，並回頭更新其產生回答的策略，就這樣一步一步的離成品邁進。
為何 ChatGPT 如此厲害？
2016、2017 年，AlphaGo 接連擊敗圍棋名宿李世乭與柯潔，引發世人們熱議，然而，那畢竟是用途相對狹隘的弱人工智慧（weak AI），相較於在圍棋界獨孤求敗的 AlphaGo，ChatGPT 的應用場域顯得貼近生活，離泛用、接近人類的強人工智慧（strong AI）更進一步。
不過，ChatGPT 仍屬於弱人工智慧的範疇，它的設計目標是模仿人類的對話，背後的運作原理與人類的邏輯推理不同，而是從預先訓練的資料中找尋能夠對應的素材，多番拼湊後產生回答。但是，對一般人來說，機器能夠如此流利的和人們交談，就已經足夠驚人。
ChatGPT 的優異表現，很大部分要歸功於它所站立於上的巨人肩膀，也就是 GPT-3。
2018 年，OpenAI 發表論文，主要在討論如利用所謂「通用預訓練（generative pre-training，簡稱為 GPT）」改善模型對於語言的理解，這個方法成功克服了當時機器學習研究者的痛點。
對投身人工智慧領域的產學界人士來說，即使技法再精妙、運算資源再豐沛，還是必須投入人力標注資料。舉例來說，在訓練機器判斷醫療影像時，想讓機器向醫生「學習」何謂罹患疾病，就必須讓機器知道每張照片對應到的標籤是陽姓或者陰性。
然而，若要拜託醫師花時間逐一標記影像，必然耗費巨大的人力成本。不只是影像辨識，其他領域亦然，機器生成的文字品質如何改進？人工智慧給人資的履歷篩選建議會不會有遺珠？這些都仰賴人類實際的回饋。
GPT 就厲害在它能夠基於無監督（unsupervised，指沒有標籤）的數據，建立起通用的語言模型，接著再針對有監督（supervised，指有標籤）的特定任務逐步微調，如此一來，便成功通過當時科學家遇上的瓶頸。
當然，使用無監督的數據生成模型說來容易，但實務上的挑戰甚巨，因為訓練模型需要大的運算能力，這意味著燃燒資本。
就第一代 GPT 模型來說，預訓練的數據量達到約 5GB，使用到的參數接近 1.2 億。隔年（2019）OpenAI 發表 GPT-2，預訓練的數據量暴漲，直接衝高到 40GB，使用到的參數更是來到 15 億。OpenAI 並沒有停下腳步，在 2020 年又釋出了 GPT-3，這次的數據量翻了千倍，達到 45TB，而參數量也升級到 1,750 億。
OpenAI 並沒有公佈訓練 GPT 模型所投入的資金。但就深度學習企業 Lambda Labs 的首席科學家推測，若是利用最便宜的雲端運算服務訓練 GPT-3 模型，需要花上至少 460 萬美元、耗時 355 年才能訓練完成。
當 OpenAI 公布 GPT-3 以後，很快造成轟動。就像現在的 ChatGPT 一樣，當時有許多人利用 GPT-3，打造出各種有趣的服務，例如請語言模型幫忙解析學術論文、根據描述產出網頁以及對應的程式碼、將平常使用的語言轉換成法律術語等等。
ChatGPT 有何隱憂？
除了擔心老師們以後再也無法分辨作業是誰的產出之外，已經出現了人工智慧技術壟斷的相關討論。無論是 Google 的 BERT，或者是 OpenAI 的 GPT，不僅頂尖科學家要投入心血，企業更要挹注大筆資源，才能打造出厲害的模型。
然而，這是個富者愈富、貧者愈貧的世界。隨著大企業開發出一個又一個新的模型，能夠像是這次 ChatGPT 一樣，從人們的踴躍試用中得到更多回饋，進而改進其模型，而機器學習領域又是一個殘酷的世界，只有表現好的模型才有話語權－這又回頭仰賴企業的資源，因此直到今日，能夠開發出此類巨型語言模型的企業屈指可數。
就像科技作家「演算法決定世界」的預言一樣，人工智慧也把持在少數企業手中。這會為我們的生活帶來什麼樣的影響？是否會出現科幻小說當中的常見情節，日後人類的生活會被少數科技菁英與機器所主宰？我們必須關注人工智慧發展中的壟斷問題。
本文轉載自《遠見》
延伸閱讀
雷亞 AI 溝通師職缺引熱議，作為數位時代下的「魔法師」需要哪些關鍵技能？
輸入文字就能生成影片！Facebook 與 Google 相繼投入，將帶動創意產業巨變？
1 分鐘生成美圖！Midjourney 出現以後，設計師會失業嗎？
留言 0