AI 又进化了。

　　你正在设计网页，我要一个“长得像西瓜的按钮”——

　　然后机器就自动生成了这个：

　　还可以做其它制定：

　　大字写：欢迎来到我的通讯页，底下一个蓝色的订阅按钮。

　　对黑字不满意？可以加一个“in red”（large text in red），就变成红色字体。

　　你跟它说：我要一个彩虹色的按钮！

　　它就能给你集齐七种颜色。

　　做到这些，一行代码都不要写！只需要讲人能听懂的话，机器就可以理解你的意思，然后生成代码，最终实现效果。

　　实现这个功能的程序员，自己都忍不住惊呼：简直太酸爽了！

　　AI 能如此理解人话，善解人意，是因为大名鼎鼎的研究机构 Open AI 又开发了第三代语言模型 GPT3，并开放了申请使用。

　　GPT-3，1750 亿参数，45TB 训练数据

　　2020 年 5 月 29 日，知名 AI 研究机构 OpenAI 公布了其下一代文本生成神经网络 GPT-3（Generative Pretrained Transformer 3）的研究论文。

　　这是一款无监督式 Transformer 语言模型，作为 GPT-2 的后继，GPT-3 完整版的训练规模包含了 1750 亿个参数，是前者的 117 倍，是今年 2 月份微软刚刚推出全球最大深度学习模型 Turing NLP 的几十倍，其训练数据更是达到了惊人的 45 TB。

　　OpenAI 表示，GPT-3 已经成功地实现了某些 “元学习” 任务，比如不同语言之间的翻译，它可以自动抽象及提炼输入输出的内容。

　　同 GPT-2 相比，GPT-3 在基准测试的成绩有了大幅提高，预训练 GPT-3 需要几千 petaflop/s-days，而 GPT-2 的这个数字是几十。OpenAI 对此表示，它的表现或许已经接近现有 NLP 方法的上限。

　　与此同时，OpenAI 还公布了一个基于 GPT-3 的 API 产品，外界预期，如果 GPT-3 表现出高度的稳定性和实用性，这将成为其走向全面商业化运作的第一步。

　　犹记得，GPT-2 推出的时候，OpenAI 还遮遮掩掩拿出一个半成品供大家使用，认为它具备一定 “危险” 性，很可能被人滥用产生不良后果。如今终于可以大大方方地开放使用申请，以便进一步迭代和挖掘潜能。
OpenAI 对商业化方面有这样的表述：首先，将技术产品变现，将更好地反哺产品本身的研发、优化。

　　其次，GPT-3 API 的很多基础模型非常庞大，需要大量的专业知识和性能优异的机器，这将导致小公司或个人无法从中获益，而大企业实现垄断的局面。

　　最后，假如出现了滥用的情况，我们有能力从源头切断其使用。并且，我们将会与内测用户一起，预防可能的危害行为，以及制定相应标准。

　　简直像“拥有智能”

　　获得试用的程序员们，就像拥有了超级外挂。

　　可以生成一个邮件助手，只要输入关键字，就可以生成完整的回复。

　　比如，你收到了一封邮件，有人想给你的项目投资 10 万美元。你想的简单粗暴：谢谢，不用，我们接受投资 15 万起，项目的预估市场有 90 亿。

　　虽然话一下就能说清楚，但是写邮件有各种格式，还要考虑社交辞令，这些都要花费时间和精力。让 AI 帮你吧。

　　“我不确定你是不是注意到了，但是我们的投资至少 15 万美元起。我不确定 10 万美元足够可以参加这一轮投资。但是我很高兴你愿意出这么多……”

　　是不是一下就 “得体” 了，完全像 “人” 写的。

　　它有多智能呢，有人和 GPT-3 对话，做了一个图灵测试。

　　Q: 你最喜欢的动物是什么?

　　A: 我最喜欢的动物是狗。

　　Q: 为什么？

　　A: 因为狗又忠诚又友善。

　　Q: 狗可能会情绪不好的两个理由是什么？

　　A: 狗情绪不好的两个理由是要么它饿了，要么它热了。

　　Q: 长颈鹿有多少眼睛？

　　A: 长颈鹿有两只眼。

　　……

　　Q: 为什么没有三条腿的动物？

　　A: 动物没有三条腿因为它们会跌倒。

　　它还可以挑战更困难的问题：

　　这 5 个关于重量比较的问题中，GPT-3 回答对了 4 个。把烤面包机误认为比铅笔轻。

　　如果在正常问题中，掺杂一些反常识的问题，它会怎么回答？

　　GPT-3 能回答出长颈鹿有 2 只眼睛，蜘蛛有 8 只眼。但是却会说：你的脚有两只眼，太阳有一只眼，刀片有一只眼。

　　好像它不会意识到提问不对劲，只会老老实实地作答，而且也不会说“我不知道”。
虽然它有时候会 “说出” 让人惊艳的句子，像个机灵鬼：

　　图有人用 GPT-3 做了一个随机的句子生成器，这是随意输入单词得到的一个“警句”

　　OpenAI 联合创始人：GPT-3 被吹捧太过了

　　从其表现来看，GPT-3 确实很好地支持了多种形式的输入，并且能较 “人性化” 地理解各种复杂需求和不同的表达方式，并给出基本满意的结果。

　　但与此同时也存在着另外一种声音，认为 GPT-3 并没有实现真正的创新，只是 GPT-2 的放大版。

　　1750 亿，的确在 transformer 参数数字方面是一个极大的飞跃，但纵观其基础架构并没有太大变化，从某种意义上说，把它叫做 GPT-3 也挺合理的：它的确是 GPT-2 的延续。

　　对此，OpenAI 联合创始人 Sam Altman 试图淡化对 GPT-3 的吹捧之风。

　　他在 Twitter 表示：GPT-3 的吹捧太过了，虽然感谢大家的赞美，但不可否认它仍然存在某些严重的弱点，有时候也会犯非常愚蠢的错误。GPT-3 的水平仍处于早期阶段，我们距离真正的人工智能世界还有很长的距离。

　　-End-

　　参考：

　　https://lacker.io/ai/2020/07/06/giving-gpt-3-a-turing-test.html

　　https://www.technologyreview.com/2020/07/20/1005454/openai-machine-learning-language-generator-gpt-3-nlp/