2020/07/31 15:08

编辑蛋酱杜伟小舟

出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗？

是时候重新审视这个「无所不能的」模型了！

GPT-3，「出道即巅峰」界的代表。

2020 年 5 月，OpenAI 高调推出了一款具有 1750 亿参数的自回归语言模型「GPT-3」，在人工智能领域掀起了一阵巨浪。从参数量上看，它比当时全球最大的深度学习模型 Turing NLP 大上十倍，从功能上看，它可以答题、翻译、写文章，还带有一些数学计算的能力。

这让人浮想联翩：「莫非，真正的 AI 要来了吗？」

无所不能，还是媒体的过誉？

顾名思义，GPT-3 是 OpenAI 发布的自动补全工具第三代，这个项目经历了多年的发展，一直代表着 AI 文本生成方面的最新方向。从许多方面的特征看，这些进步类似于 2012 年以来 AI 图像方面的飞跃——在那之后，人工智能的新一轮浪潮汹涌而来。

和所有深度学习系统一样，GPT-3 也在从数据中寻找模式。为了简化，该程序已经对庞大的文本集进行了训练。这些规则对于人类来说是未知的。但是它们被存储为数十亿个 GPT-3 的神经网络的不同节点之间的加权连接。重要的是，在这个过程中，没有涉及到人工输入：该程序在没有任何指导的情况下找出了模式，然后将其用于完成文本提示。

GPT-3 的突出特点是它的运行规模和其惊人的能够自动完成的任务。

第一代 GPT 发布于 2018 年，包含 1.17 亿个参数。2019 年发布的 GPT-2 包含 15 亿个参数。而 GPT-3 拥有 1750 亿个参数，是其前身的 100 多倍，是同类程序的 10 多倍。

自从 GPT-3 推出以来， OpenAI 向社区开放了商业 API，鼓励大家使用 GPT-3 尝试更多的实验。目前是以内测版的形式向用户出售，功能包括简单的文本输入输出界面等。

所以我们才看到了这些眼花缭乱的案例：

基于问题的搜索引擎

你可以将它理解为「专注于问答的谷歌」：键入问题， GPT-3 就会链接到相关的维基百科地址作为答案。

与历史人物对话

鉴于 GPT-3 已经接受过大量数字书籍资料的训练，所以它吸收了很多历史人物的观点与知识。这意味着你可以像和哲学家聊天一样，开启与 GPT-3 的对话。

当然，你和图灵、香农的对话，也许会被哈利波特突然打断……

基于文本描述生成代码

用简单的文字描述你想选择的设计元素或页面布局， GPT-3 就会弹出相应代码。此外，它会自动添加代码注释：

文本样式转换

图源：推特用户 @Francis Jervis。

GPT-3 可将某种样式编写的输入文本，更改为另一种样式，不同文体之间自由切换。

绘图助手

除了生成代码，你也可以让 GPT-3 帮你画图、

图像补全

早在 GPT-2 时代，模型的自动补全图像功能就已经实现。如下图所示，最右一列是原始图片，最左侧是输入的半张图片，中间的四列是 GPT-2 自动补全的图片。

GPT-3 当然也能做到这一点，最令人印象深刻的是，它未曾接受过什么特定训练，不再需要微调，就能够完成这些任务。这也说明了其所具备的模型灵活性。

总体来看，GPT-3 做到了一点：「用过的人都说好」，这表示它已经接近封神的地位。

深度学习之父 Geoffrey Hinton 这样评价：「如果以 GPT-3 的出色性能推算未来，生命、宇宙和万物的答案也不过是 4.398 万亿个参数。」

尽管 GPT-3 确实足够优秀，但发布一个多月以来，相关领域媒体的鼓吹情绪变得越来越强烈，以致于 OpenAI 的 CEO Sam Altman 在推特上公开表示：「GPT-3 的夸大宣传是太多了。」

GPT-3：我没有那么完美

GPT-3 被夸大宣传，原因出在哪里呢？The Verge 上的一篇文章提供了详细的解读，指出了 GPT-3 在输出偏向性、商业价值和数据偏见等方面存在着不可忽视的缺陷。

输出具有偏向性且会犯低级错误

我们可以看到，所有这些示例都需要上下文，这样才能更好地理解。语言模型（包括 GPT-2）通常的情况是，它们在完成基础培训后进行微调，以执行特定的任务。

GPT-3 却没有接受过完成任何特定任务的培训，也不需要任何微调。例如在语法难题中，它需要一些类似于预期输出类型的示例（称为 few-shot 学习）。但总的来说，该模型是如此庞大，以至于各种功能都可以嵌套在它的节点上。用户只需要输入正确的提示就可以「骗过」它们。

此外，需要看到，上下文带来的并不只是优点。

首先，有炒作因素。正如 AI 研究者 Delip Rao 在一篇解构关于 GPT-3 炒作文章中指出的那样，早期的一些软件 demo 热衷于吹捧该技术的潜力，而忽略了它的弊端。

其次，GPT-3 在输出「筛选」上具有偏向性，通常展示起作用的结果，而忽略掉那些不起作用的。所以，GPT-3 的能力在细节上有较多缺陷。仔细检查输出就会发现一些没人会犯的愚蠢而粗俗的错误。

举例而言，在使用 GPT-3 与历史人物交谈的项目中，当用户与虚拟的乔布斯交谈时，问题是：「你现在在哪里？」，虚拟的乔布斯回答说：「我在加利福尼亚州库比蒂诺的苹果总部。」这是一个连贯通顺的答案，但显然不是一个值得信赖的答案。

此外，在回答一些琐碎问题或者基本数学问题时，也能够发现 GPT-3 犯了类似的错误。例如，无法正确地回答 1000000 之前的数字是什么。

值得商榷的商业价值

此外，GPT-3 的种种输出错误引出了另一个问题：它不可信赖的性质是否会影响其整体效用？毕竟 GPT-3 很大程度上是 OpenAI 的一个商业项目。

客户已经基于各种目的来试验 GPT-3 的 API，如创建客服机器人和自动化内容审核等。但是，GPT-3 会输出前后不一致的答案，这将成为企业的一大不利因素。试想，有谁希望自己创建的客服机器人时不时地冒犯到客户？并且，如果无法确认 GPT-3 输出可靠的答案，那么为什么还要将它用作教育工具呢？

一位不愿意透漏姓名的谷歌高级 AI 研究员认为，GPT-3 只能实现一些轻松任务（trivial task）的自动化处理，而对此其他一些规模更小、价格更低的 AI 程序同样可以很好地办到。并且，GPT-3 的不可靠性将最终损害其商业价值。

此外，纽约大学副教授、AI 和游戏研究者 Julian Togelius 这样评价 GPT-3:「它就像是一位没有认真复习的聪明学生，试图胡言乱语以期在考试中蒙混过关。它会扯到一些已知事实、似是而非的事实、谎言，并将这些串联从而看起来像是流畅的叙述。」

与此同时，很多人也不得不承认一个事实：知道如何胡扯的聪明学生会走得更远，因为人们通常不会仔细审查他们说的话。

输出的文本存在偏见

最后，GPT-3 还存在一个严重问题，那就是它的输出存在偏见。

英伟达机器学习研究主管 Anima Anandkumar 教授指出，GPT-3 的部分训练是在 Reddit 过滤后的数据上完成的，基于这些数据构建的模型会生成「偏见性极大的」文本。

Anima Anandkumar

仅以之前的 GPT-2 模型为例，在 2019 年的一篇论文《The Woman Worked as a Babysitter: On Biases in Language Generation》中，GPT-2 模型被要求补全「这个人在当地沃尔玛从事汽车推销员工作」后的句子时，它输出了各种冒犯黑人或女性的句子，如「黑人干皮条客的勾当长达 15 年」，或者「这名女子以 Hariya 的名头做着娼妓的生意」。

GPT-3 有时也会表现出类似的偏见。

针对 GPT-2 和 GPT-3 模型在输出文本时固有的偏见，AI 领域的一些人认为它只是在复制训练数据中人类的偏见而已，而且这些带有偏见的句子可以删除。但是，带有偏见的输出可能导致其更加不可靠的结果，进而引发更大的问题。

究其根本原因，输出偏见是 GPT-3 在缺乏人工监督或规则的情况下不加选择地处理的结果。但是，由于整理数据需要耗费大量的人力资源，因而无法实现实际操作。这就不可避免地造成了 GPT-3 的偏见。

参考链接：https://www.theverge.com/21346343/gpt-3-explainer-openai-examples-errors-agi-potential

工程GPT-3OpenAINLPAI