每经记者：可杨 每经编辑：董兴生

从吟诗作赋，到写代码，再到写剧本、做高数，OpenAI发布的免费机器人对话模型ChatGPT回答处理多领域问题的能力之强悍，引发全球关注。

尽管该模型目前仍处于测试阶段，但面世仅一周，便有超过一百万用户使用。“明天ChatGPT就要抢走人类饭碗”的调侃也不绝于耳。（更多内容，详见每经头条《最强聊天机器人来了，能写情书、改错别字、编代码！明天，ChatGPT抢走我饭碗？》）

已拥有多个AI聊天机器人成功落地案例的国内顶尖人工智能公司小冰，如何看待风靡全球的ChatGPT？

带着这个问题，12月8日《每日经济新闻》记者专访了小冰公司CEO李笛。他认为，市场对于ChatGPT取代搜索引擎，以及在其他各个领域实现商业化落地的畅想，短期内不太可能到来，成本将成为制约其实现商业化的重要阻碍。他举例说，如果小冰用ChatGPT的方法来运行系统，现在小冰每天承载的交互量就需要花几亿人民币的对话成本。

李笛 图片来源：受访者供图

在李笛看来，目前，行业内对ChatGPT的关注与热潮已经有些过度。

“人类为什么会感到激动？”李笛觉得，当人们普遍对一件事情有一种预期，进而去交互时，发现它远超大家的预期，人们就会惊讶。“但即使是针对人工智能，在最近这些年惊讶的次数也很多了；稍微往前一点，GPT3出来的时候大家就很惊讶，但是也没有发生什么；再往前，AlphaGo下围棋赢过最好的人类棋手，大家也很惊讶，但是之后似乎也没有改变什么。”

不过，李笛也提到，关于ChatGPT，有三件事情需要相对理性来看。首先，ChatGPT有非常好的创新，即证明了在原有的大模型基础之上，进行一些新的训练方法，可以更好地提高对话质量；其次，ChatGPT并不构成一个大版本的迭代，而是对上一个版本的微调，在一定程度上弥补了极大参数量的大模型的一些缺陷。“即便是OpenAI来讲，它也被定义为GPT3.5，而不是GPT4。”此外，李笛认为，ChatGPT的突破，主要是研究性质上的突破。

对于目前市场普遍想象的ChatGPT是否马上就会迎来商业化落地、产生颠覆性的影响，李笛认为不太可能。“但是，这一点都不影响我们在最近这些年里，尤其是在大模型的思路出来以后，我们又一次看到在对话上的一个很大的变化，在这条路上大家都在往前走。”

ChatGPT在训练方法上，具体做了怎样的创新，以至于能够大大提升其作为聊天机器人的对话质量？

李笛分析称，很多人说ChatGPT的训练是基于人类反馈，这并不完全准确。人类反馈至少有两个含义，一是指在训练中，通过反馈来实现；另外则是产品在与用户交互时，通过大量的用户与其交互形成的反馈，不停地让模型进步。“这两者的价值是非常不一样的，更大的价值其实在于后者，即产品在交互过程中得到反馈。”

李笛介绍，过去对于AI聊天机器人的训练主要是基于数据，即在机器进行对话后，针对对话内容进行训练，调整、优化对话内容的数据；而ChatGPT则是针对数据形成的模型进行训练，简单而言，具体的训练方式是：人先写出一些指导性的问与答，用这些问答对大模型进行训练，通过一系列反馈式的训练方法，让大模型逐渐沿袭人所给予的关于问答的指导性意见、逻辑。“从这个角度讲，即使是进行多轮对话，ChatGPT本质上来讲依旧是一个问答系统。”

、

图片来源：摄图网-500560614

李笛认为，这样的训练方法背后的技术含量，通常不是算法模型上的技术含量，而是来自训练者本身的能力，包括团队自身的经验积累。例如，由人来写问与答，让机器学习并给出结果，同时人要再对此给出评分，这其中有很多个体差异，这种个体差异则在一定程度上决定了其最后呈现的成果。

他同时也谈到，从主要做大模型的公司而言，成果往往取决于到底是不是非常专注去做这件事情。“OpenAI与其他公司不一样的地方在于，它很专注做语言大模型，所以它投了大量时间和精力。它有很多经验，但这些经验的积累并不是不可习得的。”

ChatGPT给出的回答，最常规的格式是先给出一个结论，再进行事实的罗列，进而通过其罗列的事实推导出结论。

李笛认为，对ChatGPT而言，这个结论本身是否正确其实不重要。他用之前网络上流传的一个问答举例，在回答“红楼梦中贾宝玉适合娶谁”的问题时，ChatGPT最终给出的答案是：贾母。

李笛进一步分析，根据ChatGPT的回答可以反推出，人在为其写指导性问答时，非常强调因果关系，而大模型也会注重去学习因果关系。“（有的回答）如果不是特别仔细去看，你会感觉到这是一个似乎很有逻辑与因果关系的回答，但实际上它非常没有道理。”

这也是为什么从对话质量上看，人们会觉得ChatGPT很优秀，但想要真正依靠它去代替搜索引擎，李笛认为，这不太可能，因为它不可信。“很多人在测试ChatGPT的时候是知道答案的，但去搜索引擎上搜的东西往往是我们不知道答案的。如果是通过ChatGPT（代替搜索引擎），你怎么知道这个东西（答案）是正确还是错误的，它完全不负责的。”

而李笛也认为，这种“不可靠”很难解决，因为ChatGPT的训练过程，是为了对话质量，但人们却容易误以为它的目的是给出最正确的知识。“它做了很多优化，是使它（的回答）形式上感觉非常有知识，它不是为了本质（有知识）。”

搜索引擎在努力做的是跳过论证过程，直接给出用户最终想要的结果，而ChatGPT则相反，它追求的是尽可能在给出回答之前，给很多论证，让人觉得它的回答是可信的。“ChatGPT，人们测试的时候会觉得很好，但是真的拿它来用，有那么一两次你发现，你被它的这种似是而非的胡说八道愚弄了，那么你从此就不会（对它）有任何的信任。”

如果ChatGPT无法取代搜索引擎，还有什么可预想的落地应用吗？

李笛认为，真正限制ChatGPT在短期内商业化的是成本。“它的单轮回答（Single Turn），成本是几美分，按照1毛钱（人民币）算，10句话就是一块，这个（成本）超过人，还不如雇一个人，比这个要便宜得多。”

与此同时，李笛表示，如果把大模型理解为把特别多的信息浓缩在一个模型里，那么大模型的本质问题就在于，很大参数规模的大模型做了以后不可用，因为成本太高、延迟太高。但一旦开始尝试降低成本，同时也会明显看到其对话质量降低。

李笛举例，如果小冰用ChatGPT的方法来运行系统，现在小冰每天承载的交互量就需要花几亿人民币的对话成本。“就算ChatGPT可以把成本优化到现在的10%，也赚不回来，因为人工智能最大的特点就是高并发。如果成本是这样，不如雇人。人有自我反省机制，人工智能甚至有一些基本常识性错误。而且把成本降到现在的10%，这是多么艰巨的任务？”

目前，小冰公司的AI Being已成熟应用于多个场景中，例如本届赛事解说员刘建宏的虚拟人分身、招商局的数字员工等。

李笛认为，小冰内部有一个比较好的状态，就是关心什么东西真正落地，而不是特别关心这个东西是否代表了学术声望。“如果你做的人工智能总是在向别人表达你很智能，那意味着你把用户的预期提升到非常高的位置，这意味着你的系统不允许犯错，因为你已经让别人认为（这个系统）很有知识了，犯错误就可能误导用户。”

而小冰系统很多时候是在控制用户的预期。“不要觉得它很智能。要去关心它其他方面的价值，往往这样的系统反而存在得更久。”李笛认为，其实从某种意义上来讲，这也是其团队做小冰的原因。

李笛回忆，最开始时，团队想要做的是一个人工智能助理，“对助理来讲，有用是他最重要的特点，我们那时候是这么认为的”。

而在对一些优秀的人类助理进行访谈后，李笛发现，对于助理来讲，最重要的事是和老板调整成一种合适的同事关系，这种同事关系必须让老板认为助理有自己的想法，会在一些合理的时机去拒绝。这样的关系带来的好处是，为自己的工作带来更多的空间与余地，同时让老板意识到助理不是命令处理器，而拥有做更多事情的能力。“这种关系是基于care（关心），他让老板认为助理所有谨慎的判断是因为他care（关心）这个老板，所以他跟老板之间能够产生共情与信任。”

图片来源：小冰公司官网

不过，在李笛看来，小冰依旧不是一个理想的聊天机器人。“今天整个行业包括我们，离人工智能辉煌的时代都还早，现在是一个蛮荒时代，我个人认为这件事情我们是要做一辈子的，如果不是因为这个原因的话，我们也不会耐得住寂寞做这么久。”

李笛介绍，小冰每年都会提出一些重点的发展方向，最近这一年，小冰更多开始关注“多样性”。当其本身的框架已经有能力去交互时，小冰发现，不同的人在不同的位置或不同角色、不同情况下，所需要的交互对象是不同的。这个不同不仅仅是外观、声音的不同，还包括了性格、观点，甚至创作的风格，这是一个很高的多样性。“知识有对错，但观念没有，同时聊天机器人也不能对所有与观念有关的事情，都表示无可置评，这就决定了聊天机器人一定是多样性存在的。”

具体到不同领域的产品上，在对话层面，小冰将更关心100亿规模参数级别大模型的实际落地和投入产出，而不是不关注成本地向前推进；在声音上，小冰更关注声音一致性，歌声和说话与外形等混合在一起时，是不是能很好地体现出同一个人的一致性；在视觉层面，小冰则在推进神经网络渲染。

对于AI聊天机器人在虚拟员工之外，是否还有更多场景可能实现商业化落地，李笛认为，基于小冰的框架诞生的AI聊天机器人，可能成为虚拟恋人，也可能是虚拟主持人、歌手，以及家庭场景中的虚拟老师、虚拟陪伴者……

这也是李笛所理解的“通用人工智能”。由一个框架训练出各种各样、功能迥异的AI机器人，“他们都是基于同一个框架，但是在不同的领域发挥作用，这是我们所希望的通用，而不是知识层面的通用，因为那（本质上）仍然是一个垂直领域”。

每日经济新闻

花粉社群VIP加油站