文/陳宇翔 IBM杰出工程師、大中華區(qū)客戶成功架構(gòu)師、大中華區(qū)金融行業(yè)首席架構(gòu)師

　　ChatGPT火爆出圈

　　最近幾周，AI業(yè)界最大的新聞無疑是ChatGPT橫空出世，從而引發(fā)的業(yè)界震動。市場上有大量的評論文章，有把它描述成無所不能的，大有代替人類職業(yè)之勢；也有提出擔(dān)擾，某些頂級學(xué)術(shù)雜志和知名高校已經(jīng)明確限制AI作者發(fā)表論文和科研成果。

　　出于好奇，筆者也試用了ChatGPT。整體感覺對于一般的開放性問題，ChatGPT生成的回答文法結(jié)構(gòu)完整，語言風(fēng)格自然，比之前的聊天機(jī)器人有明顯的進(jìn)步。內(nèi)容的準(zhǔn)確性和完整性，往往能超過正常交流時(shí)大多數(shù)人的"第一反應(yīng)"，更像是經(jīng)過了一番思考并整理后的結(jié)果，條理清晰，很有啟發(fā)。但對于專業(yè)性問題，尤其是需要邏輯推理的知識，ChatGPT并沒有像網(wǎng)上文章說的那么出色，經(jīng)常"張冠李戴"或者形式上像模像樣但內(nèi)容上卻不知所云。

　　為什么會這樣呢？我們可以問一問ChatGPT自己。

　　"ChatGPT是由OpenAI公司開發(fā)的一款預(yù)訓(xùn)練語言模型，旨在生成人類可讀的文本。它通過讀取大量的文本數(shù)據(jù)，學(xué)習(xí)了如何生成與語言相關(guān)的內(nèi)容，并在輸入一段文本時(shí)生成一段有關(guān)的文本輸出……"

　　ChatGPT中的GPT的全稱是的"Generative Pre-trained Transformer －即生成性預(yù)訓(xùn)練變換模型"。借用一位名叫#硅谷學(xué)霸Jolin 的技術(shù)教育博主對GPT模型的淺顯解釋，她說，以ChatGPT為代表的"生成性AI"是一項(xiàng)技術(shù)突破，之前AI學(xué)習(xí)大多聚焦于觀測、分類和分析內(nèi)容，而生成性AI則不限于分析現(xiàn)有數(shù)據(jù)，它可以生成新內(nèi)容，可以根據(jù)需要生成新的代碼、詩歌、文章和藝術(shù)品。ChatGPT是專注于文本內(nèi)容的生成性AI。所謂"預(yù)訓(xùn)練"是指該模型已經(jīng)在某些有限的數(shù)據(jù)集上進(jìn)行了訓(xùn)練，事實(shí)上，ChatGPT已經(jīng)學(xué)習(xí)了2021年6月以前人類編寫和發(fā)布在互聯(lián)網(wǎng)上的海量信息，而且是通過"監(jiān)督學(xué)習(xí)"和"人類反饋強(qiáng)化學(xué)習(xí)"這兩種技術(shù)進(jìn)行的學(xué)習(xí)。Transformer是一個非常底層的AI機(jī)器學(xué)習(xí)的算法架構(gòu)，是一種深度神經(jīng)網(wǎng)絡(luò)。從GPT-1到今天的GPT-3.5都是采用Transformer架構(gòu)，而GPT模型的進(jìn)化有賴于底層硬件超級算力的效率提升，以支持AI對更多、更大數(shù)據(jù)集的訓(xùn)練和學(xué)習(xí)[i]。

　　也就是說，ChatGPT是通過海量（約45TB[ii]）語料訓(xùn)練而掌握了語法和語義結(jié)構(gòu)的成熟的大型語言模型（Large Language Model, LLM），其特色是文本生成能力很強(qiáng)，產(chǎn)生的文字風(fēng)格和內(nèi)容很像之前的輸入，即人類語言。由于訓(xùn)練語料涉及面廣，所以ChatGPT對各行各業(yè)的信息都有涉獵，總能略知一二，有時(shí)甚至回答得頭頭是道。對某些專業(yè)領(lǐng)域，比如編程，甚至可以產(chǎn)生準(zhǔn)確的代碼并直接運(yùn)行。然而，若仔細(xì)觀察，這些代碼往往都是解決特定的小任務(wù)，代碼風(fēng)格似曾相識。若要完成一個創(chuàng)新的算法，或者復(fù)雜問題的編程，ChatGPT就無能為力了。

　　總體而言，這類通過學(xué)習(xí)語料來生成文本的AI模型，都是在學(xué)習(xí)過去，其目標(biāo)是模仿過去，生成出幾可亂真的作品，并不是真正意義下的創(chuàng)造未來。ChatGPT也不例外。作為助手，對思考的廣度往往有幫助，對思考的深度卻不盡然。

　　從聊天到業(yè)務(wù)助手

　　ChatGPT讓我們看到了大型語言模型的未來。然而，在企業(yè)應(yīng)用中，為了創(chuàng)造業(yè)務(wù)價(jià)值，這類對話形式的應(yīng)用（ChatBot）則更多用于對外的"客戶服務(wù)"或?qū)?nèi)的"業(yè)務(wù)助手"方面。這就對此類模型提出更高的要求——

　　第一， 準(zhǔn)確性和專業(yè)性

　　企業(yè)往往要求回答準(zhǔn)確且專業(yè)，如果對答案沒有把握，回答"不知道"也好過生成一大段豐富而無用的文字。

　　ChatGPT是一種"開放領(lǐng)域系統(tǒng)"（Open-domain system），類似的還有Google的Bard，它們都需要海量的信息輸入和長時(shí)間的訓(xùn)練，能應(yīng)付所有領(lǐng)域的對話，回答內(nèi)容相關(guān)度高，對答自知，語法自然。

　　而企業(yè)級的ChatBot是一種"封閉領(lǐng)域系統(tǒng)"（Close-domain system），往往不是需要一個乖巧的"百事通"，而是需要專業(yè)領(lǐng)域可靠的"知識助手"。它的訓(xùn)練語料是有限的，包含企業(yè)內(nèi)部文檔和資料、專業(yè)領(lǐng)域知識庫、外部該領(lǐng)域的相關(guān)文章等等，大量的資料都是不公開的。ChatBot能回答的問題也限定在專業(yè)領(lǐng)域的場景語境中。不必面面俱到，但求簡練、精準(zhǔn)、專業(yè)。

　　第二，主動式對話

　　碰到提問模棱兩可的時(shí)候，企業(yè)應(yīng)用往往要求通過主動引導(dǎo)式對話，甚至反問的辦法，迅速澄清意圖。然后，再給出明確的答案。這一點(diǎn)ChatGPT目前尚未做到，當(dāng)問題模糊時(shí)，回答也模糊，提問者發(fā)現(xiàn)后，換一種問法，或者在對話中縮小范圍，可逐步得到想要的結(jié)果。整個過程中，ChatGPT每次都是被動回答。

　　第三，后臺集成能力

　　ChatBot往往作為企業(yè)對話的渠道入口，在提供服務(wù)時(shí)需要和企業(yè)大量的后臺系統(tǒng)集成。比如：在識別意圖后可以從數(shù)據(jù)庫或大數(shù)據(jù)平臺中自動收集相關(guān)數(shù)據(jù)，并進(jìn)行分析和推理，得到客戶所需的明確答案；或者啟動一條指令或一個后臺流程，幫助客戶完成相關(guān)操作。

　　IBM Watson服務(wù)企業(yè)級AI應(yīng)用

　　OpenAI從2018年以來長期堅(jiān)持研發(fā)大型語言模型，通過不斷迭代，從最初的GPT-1到目前的GPT-3，且今年會發(fā)行GPT-4。目前，在開源社區(qū)找到GPT-3模型，也為企業(yè)開展此類研究提供了范本。

　　ChatGPT對企業(yè)的吸引力是毋庸置疑的，多數(shù)企業(yè)都有意愿擁有一個自己的ChatGPT。然而，當(dāng)前ChatGPT采用最新的GPT-3.5模型，含有千億級參數(shù)，一次訓(xùn)練就要花費(fèi)數(shù)百萬美元[iii]。大多數(shù)企業(yè)不具備如此大的算力，但如果為了獲得對話模型，把企業(yè)內(nèi)部數(shù)據(jù)都上傳到網(wǎng)上，利用公有云訓(xùn)練也會有安全顧慮。所以，企業(yè)主導(dǎo)訓(xùn)練一個定制版ChatGPT，無論從財(cái)力還是合規(guī)方面都會有障礙。

　　IBM Watson，也就是IBM企業(yè)級的人工智能，經(jīng)過十多年的發(fā)展，從研究到實(shí)驗(yàn)，至今已經(jīng)發(fā)展成為一套可以在紅帽 OpenShift上任意運(yùn)行的AI能力，以產(chǎn)品化的方式提供給用戶，幫助企業(yè)整合和分析混合環(huán)境下分散而復(fù)雜的企業(yè)數(shù)據(jù)，從而實(shí)現(xiàn)數(shù)據(jù)驅(qū)動的預(yù)測性決策、智能自動化和基于企業(yè)內(nèi)外適時(shí)數(shù)據(jù)和洞察的安全策略與響應(yīng)。

　　今天IBM Watson已經(jīng)應(yīng)用于全球四萬多企業(yè)用戶的業(yè)務(wù)場景當(dāng)中，為具有不同水平AI技能的用戶提供尖端的AI能力，無論是缺乏AI技能卻想通過AI重獲時(shí)間效率的商務(wù)及專業(yè)人士（例如人力資源、財(cái)務(wù)、網(wǎng)絡(luò)安全管理人員等），還是具備一定AI技能并且正在大規(guī)模使用AI的數(shù)據(jù)科學(xué)家、IT專業(yè)人員等。

　　IBM Watson提供了許多不同的工具和服務(wù)，用于解決多種問題。它涵蓋了語言處理，解釋、回答和生成文本等多種功能，以幫助客戶解決商業(yè)問題。同時(shí)，它也提供了語音識別、圖像識別等其它功能，使之成為一個非常強(qiáng)大和全面的人工智能平臺。

　　長期以來，IBM Watson面向企業(yè)級AI應(yīng)用，特別為企業(yè)定制"業(yè)務(wù)助手"類的對話式應(yīng)用?；旧?，Watson有語音文字轉(zhuǎn)換、意圖識別、對話流設(shè)計(jì)、文本分析、知識整理、情感分析等功能。使得Watson可以在通用的語言模型上疊加專業(yè)領(lǐng)域知識，并有意識地設(shè)計(jì)和引導(dǎo)對話方向。

　　Watson通過后臺的機(jī)器學(xué)習(xí)、自然語言處理、文本生成、語音識別與合成、對話系統(tǒng)、知識圖譜技術(shù)，可以分解文本結(jié)構(gòu)，精準(zhǔn)定位觀點(diǎn)、事實(shí)、論據(jù)、邏輯關(guān)系等，早在數(shù)年前，采用IBM Watson技術(shù)的IBM人工智能辯手（Project Debater）[iv]就曾以它的機(jī)智幽默和高情商而驚艷業(yè)界，它可以針對任何一個預(yù)設(shè)話題，比如"國家應(yīng)該為每個人提供基本收入"，臨時(shí)選擇正方或反方，與人類的辯論冠軍選手進(jìn)行對辯。今天的ChatGPT也可以達(dá)到這個效果。應(yīng)該承認(rèn)，其通用語言模型和文本生成技術(shù)所呈現(xiàn)的體驗(yàn)感受甚至可以超過Watson，令人驚艷，其開放的用戶界面更是讓大眾能夠親身體驗(yàn)這種驚艷，然而Watson的專業(yè)性、可設(shè)計(jì)性、集成性則更適合企業(yè)級的業(yè)務(wù)定位。IBM把這種普適性的大型基礎(chǔ)模型稱為基礎(chǔ)模型（Foundation model）[v]，它利用遷移學(xué)習(xí)（Transfer learning）經(jīng)過少量的專業(yè)訓(xùn)練，就能進(jìn)入一個知識領(lǐng)域，并且得到新的啟發(fā)，這一點(diǎn)非常像人類的學(xué)習(xí)過程，有廣闊的應(yīng)用前景，也是IBM今后研究的重點(diǎn)。

　　我設(shè)想，對于企業(yè)已有的Watson對話模型，也可以利用ChatGPT得到增強(qiáng)?？梢允菂f(xié)同模式：當(dāng)發(fā)現(xiàn)是專業(yè)領(lǐng)域的封閉式問題，可用原有Watson模型回答，當(dāng)發(fā)現(xiàn)是開放式問題，可用ChatGPT回答。也可以通過競爭模式：一次生成多個答案，由人類做裁判，相互學(xué)習(xí)，共同提高。

　　總言之，ChatGPT將人機(jī)對話的體驗(yàn)提高了一個檔次，利用強(qiáng)大的搜索和知識整理的能力，在問題回答的廣度上往往很有啟發(fā)，但深度不足。目前只能學(xué)習(xí)（Learn）人類語言和知識，還做不到思考（Think）推理，也難以駕馭高度創(chuàng)新和深度思考的任務(wù)。我認(rèn)為，對于企業(yè)級的應(yīng)用，融合ChatGPT與IBM Watson之所長，不乏為快速高效地應(yīng)用AI 提升體驗(yàn)、創(chuàng)造價(jià)值之選。