ChatGPT有点牛，但不多

本文图片均来自网络

本号原创首发

 

最近，ChatGPT成为了最火的人工智能概念。据称，ChatGPT上知天文，下知地理，能回答提问者的任何问题；还能能编软件、写论文、作诗，涵盖物理、化学、编程、写作甚至艺术领域。微软公司前董事长比尔·盖茨感叹：ChatGPT让我们窥见了未来。

但问题是，比尔·盖茨以及科技界的其他一些大咖，曾经为很多新概念、新应用提供过背书，事实证明他们、她们看走眼了。而在人工智能发展史上，也曾有过若干次惊呼和感叹。

01

人工智能的上一次蹿红和遇冷

《人工智能简史》书中就谈到，20世纪40-50年代，科技界就已经在讨论令人激动的人工智能。在20世纪50年代，在现代神经科学研究成果的基础上提出了“人工神经网络”，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。这是一种参照人脑的神经回路所设计的信息处理系统。

1957年，美国心理学家、计算机科学家弗兰克·罗森布拉特在美国军方资助下，设计出了初代神经网络。这在当时掀起了比现在的ChatGPT更大的热潮，人们开始相信机器、智能可以像人类一样具备思考能力，甚至拥有自我意识。正是在这种背景下，20世纪后半期，出现了很多热衷展现人工智能应用潜力的科幻小说和电影。

《人工智能简史》书中谈到，20世纪60年代，出现了“专家系统”，即应用专家知识和推理方法求解复杂问题的人工智能计算机程序，意在模拟和再现人类专家的推理思维过程，由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取六个部分组成。一代代的“专家系统”开始在军事、医药、商业、工程、地质、气象、股市等领域应用。

但具有讽刺意味的是，20世纪60-80年代，美国、欧洲国家、日本、苏联、东欧部分国家为人工智能花费甚大，立下的flag也非常惊人，但并没有获得应有的回报。

说白了，当时的“专家系统”其实并不能很好地应对不确定因素，不能区分例外以及细微差距。现实生活中，人类专家也容易因为固守教条而无法灵活应对问题。所以，更为墨守成规的“专家系统”，让当时的投资者空欢喜了一场。20世纪80年代后期也就进入了“人工智能的冬天”。

但也正是在“人工智能的冬天”阶段，根据贝叶斯定理推导出的贝叶斯网络，即基于概率推理建立起的数学模型开始推动互联网创新走向热潮。贝叶斯网络会不断丰富和充实事物之间的因果关系和相关关系，随着数据资料的不断充实和丰富，其描述会越来越准确。谷歌翻译就是很好的例子。《人工智能简史》书中指出，贝叶斯网络基石上的统计与概率推理方法被广泛应用于各种人工智能产品中，如智能手机语音识别中使用的隐马尔可夫模型，还有无人驾驶汽车中使用的卡尔曼滤波等，使得产品展现出极高的性能。

在进一步引入神经科学研究成果后，新一代人工智能技术即所谓的“深度神经网络”、、“深度学习”进入了视野，区别于早期神经网络只有输入和输出两层构造而可以实现多层构造。美国、中国、欧洲、日本很多知名的IT企业在这一领域取得了十分积极的研究应用成果。

02

ChatGPT只是新进程中的小角色

从20世纪末到本世纪头个10年，人工智能获得的发展空间，主要来自两个方面：

一来就是《人工智能简史》书中所说的，人工智能被应用于游戏开发，尤其是棋牌类游戏，促进了人工智能的三大基本要素：认识、决策、行动的最优化，吸引力相当数量的新锐人才进入这一领域的研究；

二来则是两次伊拉克战争以及一些区域冲突，通过人工智能技术的应用，使导弹等武器变得更为“聪明”。

说起来，人们现在表现出的对ChatGPT的期待，其实多少是受到人工智能题材的影视、游戏的影响，既惶恐而又期待地迎候“超人工智能”或者说超级智能。超级智能肯定会在一个时间点出现，但其出现后，“将打破人脑受到的维度限制，其所观察和思考的内容，人脑已经无法理解，人工智能将形成一个全新的社会”。

这也意味着，目前能够编软件、写论文、作诗，能够进行知识问答，能够阐释一些复合型问题的ChatGPT，远远没有突破人脑认知的较高层次。

当然，如《人工智能简史》书中对人工智能技术所进行的回顾所谈到的，计算机、机器人“懂人话”，也就是使之具备理解和产生自然语言的能力，本身就是其技术上的一大跨越。“人类自然语言的产生机制，是生理学家、心理学家、语言学家、哲学家、计算机科学家等长期以来研究的一个领域”，值得注意的是，在这其中，哲学、语言学等传统意义上的文科学科，恰恰是使得自然语言处理技术和方法得以跨越的最大助力。借助上述多学科的融合，自然语言处理的三大障碍，包括模糊性问题、词义消歧问题、词语省略与语言行为的问题，都得到了不同程度上的破解。目前，语音识别技术、机器翻译技术也都取得了革命性的突破。

ChatGPT也很好地展现了人工智能领域机器学习的突破。机器学习分为监督学习、无监督学习，前者指的是训练样本分类标签已知，而后者不需要训练样本和人工标注数据，便于压缩数据存储、计算量、提高运算速度，还可以避免样本偏移引起的分类错误，训练规模增大后，可以自行生成更长的连贯文本序列，这也是ChatGPT让很多网友感到新奇的一点，因为它对于很多问题的解答，虽然仍不免略显呆板，但是已经不再是低水平循环式的层次。机器学习发展到深度学习阶段，即比较深入地效仿人类大脑的神经网络，再现人类学习智能过程。

需要指出的是，ChatGPT即便继续得以高度完善，也仍不能比较完美地展现人工智能的魅力、潜力。《人工智能简史》书中指出，第四次浪潮也就是人工智能融合高度先进的传感器，与物联网、大数据、云计算，将深刻地改变现有的生活、生产，未来还将与空间技术、基因工程、纳米科学发生更为系统性的融合，对于经济、社会、个人生活甚至人的存在本身都将形成倾覆式的影响。

在未来，再来回顾当下，我们很可能会发现，ChatGPT只不过是个新概念，但具有标志性的节点意义。