近来，聊天机器人程序ChatGPT爆火“出圈”，引发各界关注讨论，人工智能(AI)这一概念也借此重回大众视野。针对相关话题，清华大学计算机科学与技术系副教授黄民烈接受中新社专访时表示，泛用性极强的ChatGPT已成为AI发展史上的里程碑，如何与AI共生是每个人可能都将面对的问题。
ChatGPT因何成为AI界新贵？
美国OpenAI公司2022年11月30日正式发布ChatGPT，上线仅5天，ChatGPT的注册用户数突破100万；今年1月末，ChatGPT的月活用户数破亿，就此成为史上用户数增长最快的消费者应用。
与ChatGPT类似的聊天机器人程序不少，但都没有如ChatGPT一般引领AI领域的新风潮，原因之一就是ChatGPT的泛用性更强，仅靠其本身就可以完成翻译、编程等专业任务。“ChatGPT最大的特点是通用任务助理，其可以在一个模型内完成极多开放任务，在生成任务、上下文理解、安全伦理方面也有相当好的表现。”黄民烈指出。
技术进步则是ChatGPT泛用性显著增强的重要原因。黄民烈认为，相较于主要基于规则学习的第一代和第二代聊天机器人程序，以ChatGPT为代表的第三代聊天机器人程序在技术上有着显著进步：其以Transformer为基本架构的大模型为技术底座，结合了大量数据和算力优化。
AI界新贵ChatGPT走红后，谷歌等大型科技公司纷纷宣布推出竞品，参与AI领域的新角逐。美国微软公司创始人比尔·盖茨日前称，AI将成为“2023年最热门的话题”。
“ChatGPT的出现是AI发展史上的里程碑事件，标志着人机无缝交互时代的来临，其可能再造搜索、推荐、手机助手等信息获取形式，对信息产业和AI行业产生深远影响。”黄民烈说。
ChatGPT面临哪些争议？
AI技术的发展也带来了诸多争议。以深度伪造(Deepfake)为代表的AI换脸技术此前引发了一波关于隐私权和真相的讨论。
对此，黄民烈认为，ChatGPT已针对法律、道德等问题进行优化，其表现也比“同行”更好，研发者收集高质量人工反馈数据时，把涉及安全性和道德的问题作为ChatGPT的重要部分设计进去了，再通过强化学习，ChatGPT就学到了安全回复的能力。
不过，ChatGPT仍面临道德问题。黄民烈举了一个例子：若用户要求ChatGPT作出违法举动，就会遭到拒绝；但如果用户借口创作小说要求ChatGPT提供违反法律的建议，就可能得到答案。
ChatGPT推出后，其强大的文字撰写能力得到了学生群体的青睐，被用作完成论文。迄今为止，美国、英国等国多所高校已明令禁止学生在校内使用ChatGPT。美国《科学》杂志近期也发表声明，称不接受使用ChatGPT生成的投稿论文，ChatGPT也不可以作为论文合著者出现。
BTC跌破55500美元关口 日内跌幅为1.45%:火币全球站数据显示，BTC短线下跌，跌破55500美元关口，现报55499.35美元，日内跌幅达到1.45%，行情波动较大，请做好风险控制。[2021/3/11 18:34:52]
黄民烈认为，使用ChatGPT完成作业或学术论文的问题之一是侵犯版权。但不能“因噎废食”，“技术可以继续发展，并在此过程中对问题进行针对性治理”。
另一方面，科技进步未能解决地区发展不平衡问题，全球科技鸿沟问题至今仍然存在。AI作为尖端科技，也只有少数国家能够在此领域进行大量投入。
黄民烈称，与AI息息相关的大模型训练需要大量算力和数据，训练和推理成本也很高昂，无论是学术界还是科技界，只有少量的机构能负担起相关技术的研发，这在一定程度上已经造成了不公平问题。
“AI威胁论”是否危言耸听？
随着AI技术日趋成熟，“AI威胁论”得到了更多关注。ChatGPT推出后，其具备的各种专业功能不断被发掘出来。有观点认为，程序员、翻译、客服等岗位最终都可能被AI取代。
针对AI技术发展可能引发的失业问题，黄民烈认为，AI工具的普及将降低自由撰稿人、游戏制作者等职业的门槛，带来更多自由职业的机会。不过，未来人工智能生成内容(AIGC)、用户生成内容(UGC)及专业生产内容(PGC)进行更深入地结合后，一些职业的淘汰是不可避免的，“如何与AI共生是每个人可能都将面对的问题”。
ETH与BTC的三个月波动性差已升至六个月高位:金色财经报道，随着去中心化金融（DeFi）蓬勃发展，一项衡量风险的重要指标创六个月高位，投资者预计以太坊（ETH）的波动性将超过比特币（BTC）。根据Skew的数据，ETH与BTC的三个月波动性差已升至29％，是自2月23日以来的最高水平。该指标追踪这两种加密货币的平价期权的隐含波动率差异。该波动率差的激增表明，投资者预计在下一季度，ETH的波动率将高于比特币。[2020/8/25]
此外，科幻作品中的“AI威胁论”常包含一个重要因素——愈发强大的AI终将寻求消灭或取代人类。
对此，黄民烈称，科幻作品中的反派AI形象都具有自我意识，但现实中的AI目前既没有自我意识也没有自主决策能力，现阶段，AI所有能力的来源都是人类提供的数据和反馈。“ChatGPT这类系统是典型的机器属性，仅为满足人的信息需求或完成任务而存在，并不具有人格、情感、风格等。机器属性和能够满足情感、社交、陪伴需求的类人属性相结合才是真正的数字生命体，也就是真正意义上的‘人工智能’。”
Connected2Me是一个专门为Web3打造的人工智能服务平台，其产品和服务已在全球广泛地被报道与采用，其基于GPT3.5打造的人工智能Web3搜索引擎Jinn即将隆重登场
分析 | 量能衰减至5500附近横盘震荡水平 BTC大概才会选择方向突破:4小时走势看，BTC仍处于箱体区间7500美元至前高8360美元上下震荡，同时也处于上升楔形三角区间内震荡上行，量能逐渐衰减，MACD有即将死叉趋势，短期仍有下探的风险，但在未明确出现选择方向突破之前，整体依然延续区间震荡行情。周线走势BTC依旧受制于18年波段高点8400美元的压制，从站上8000美元上方以来多次刺探一直未能形成有效突破，后续若能放量站稳该点位上方，盘面看下一真正阻力区在9500美元上方，若一直不能有效突破币价拐头向下，周线级别支撑在7300美元附近。近期在未出现方向选择突破之前，操作上仍以区间7800至8200高抛低吸为主，估计后期量能继续处于萎缩趋势，预计萎缩到3周前BTC在5500美元附近横盘震荡时的缩量水平，波动也将收敛到极致，BTC才会启动大的方向选择突破。[2019/5/26]
尽管2022年加密行业经历了Terra和FTX暴雷等黑天鹅事件，导致整个行业信心崩溃，但熊市期间仍然取得了一些正面的进展。币圈熊市也是需要热点来点燃市场的热情！
币圈的热点好像就是这样转换的！之前的元宇宙然后动物园系列然后defi然后链游GMTaxs之类的！然后就是NFT无聊猿ape之类的然后就是公链APT等等现在是ai这个有几个月热度了agix都十几倍了！
Connected2Me成就回顾
基于人工智能的个性化金融服务：
去中心化的理财产品AI测评；
通过AI模型演练为用户提供定制化的AI顾问服务；
Connected2Me未来发展
基于ChatGPT的理论，创建CNTM的GPT平台：Jinn；
为Jinn加入双引擎结构：GPT引擎+传统搜索引擎，从而实现Web3的AI搜索功能；
将Jinn与CNTM1.0的板块结合，增强金融领域的AI搜索推荐功能；
Jinn=ChatGPT+Sparrow
ChatGPT目前的三个核心问题和痛点：
对于知识类型的问题，ChatGPT会给出看上去很有道理，但是事实上是错误答案的内容；
拓展解读：对于这样来说，由于ChatGPT的一部分回答很准确，而一部分看上去有道理，但事实上很离谱，而用户并没有足够的能力来进行辨别，这将给用户如何采信ChatGPT的答案带来很多困惑。
ChatGPT目前这种基于GPT大模型基础上进一步增加标注数据训练的模式，对于LLM模型吸纳新知识非常不友好。
拓展解读：新知识总是在不断出现，而出现一些新知识就去重新预训练GPT模型是不现实的，无论是训练时间成本还是金钱成本，都不可接受。如果对于新知识采取Fine-tune的模式，看上去可行且成本相对较低，但是很容易产生新数据的引入导致对原有知识的灾难遗忘问题，尤其是短周期的频繁fine-tune，会使这个问题更为严重。
ChatGPT或GPT4的训练成本以及在线推理成本太高，无法承载超过千万级的用户同时使用。
拓展解读：假设继续采取免费策略，OpenAI无法承受，但是如果采取收费策略，又会极大减少用户基数，无法实现规模化。
Sparrow是ChatGPT的良好补充：
sparrow在人工标注方面的质量和工作量不如ChatGPT；
Sparow的基于retrieval结果的生成结果证据展示，以及引入LaMDA系统的对于新知识采取retrieval模式，可以完美解决新知识的及时引入，以及生成内容可信性验证两个核心问题。
核心技术路线
第一阶段：冷启动阶段的监督策略模型。靠GPT3.5本身，尽管它很强，但是它很难理解人类不同类型指令中蕴含的不同意图，也很难判断生成内容是否是高质量的结果。为了让GPT3.5初步具备理解指令中蕴含的意图，首先会从测试用户提交的prompt(就是指令或问题)中随机抽取一批，靠专业的标注人员，给出指定prompt的高质量答案，然后用这些人工标注好的数据来Fine-tuneGPT3.5模型。经过这个过程，我们可以认为GPT3.5初步具备了理解人类prompt中所包含意图，并根据这个意图给出相对高质量回答的能力；
第二阶段：训练回报模型。这个阶段的主要目的是通过人工标注训练数据，来训练回报模型。在这个阶段里，首先由冷启动后的监督策略模型为每个prompt产生K个结果，人工根据结果质量由高到低排序，以此作为训练数据，通过pair-wiselearningtorank模式来训练回报模型。对于学好的RM模型来说，输入，输出结果的质量得分，得分越高说明产生的回答质量越高。
第三阶段：采用强化学习来增强预训练模型的能力。本阶段无需人工标注数据，而是利用上一阶段学好的RM模型，靠RM打分结果来更新预训练模型参数。
二三阶段迭代：不断重复第二和第三阶段，每一轮迭代都使得LLM模型能力越来越强。因为第二阶段通过人工标注数据来增强RM模型的能力，而第三阶段，经过增强的RM模型对新prompt产生的回答打分会更准，并利用强化学习来鼓励LLM模型学习新的高质量内容，这起到了类似利用伪标签扩充高质量训练数据的作用，于是LLM模型进一步得到增强。
下一代搜索引擎：Jinn
Jinn将采用传统搜索引擎+ChatGPT的双引擎结构，ChatGPT模型是主引擎，传统搜索引擎是辅引擎。传统搜索引擎的主要辅助功能有两个：一个是对于ChatGPT产生的知识类问题的回答，进行结果可信性验证与展示，就是说在ChatGPT给出答案的同时，从搜索引擎里找到相关内容片段及url链接，同时把这些内容展示给用户，使得用户可以从额外提供的内容里验证答案是否真实可信，这样就可以解决ChatGPT产生的回答可信与否的问题，避免用户对于产生结果无所适从的局面。
传统搜索引擎的第二个辅助功能是及时补充新知识。既然不可能随时把新知识快速引入LLM，那么可以把它存到搜索引擎的索引里，ChatGPT如果发现具备时效性的问题，它自己又回答不了，则可以转向搜索引擎抽取对应的答案，或者根据返回相关片段再加上用户输入问题通过ChatGPT产生答案，这里有一部分将参考LaMDA关于新知识处理的具体方法。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。