最近，许多人都多了一位“网友”——ChatGPT。
它是一个聊天机器人，由美国人工智能公司OpenAI推出，从2022年12月1日正式发布至今，月活跃用户已达1亿，成为历史上增长最快的消费者应用程序。
说是聊天机器人，它可不只能“唠嗑”。大数据、大算力、强算法赋予了它“超级大脑”。它能写作业、写论文、当助教，写代码更是“老本行”，能通过工程师测试、硕士期末考试，俨然一个“全能学霸”。
强化学习、交互训练又让它学会“说人话”。它也能创作文案、小说、剧本，比起它的AI前辈们，改掉了很多“机器腔”。
但毫不例外，ChatGPT也有站在阴影里的另一面。偏见无法避免，成本依旧高昂，推理能力不足，甚至会“一本正经地胡说八道”。还有不少用户吐槽，ChatGPT给出的参考建议笼统模糊、过于四平八稳，缺乏信息密度，常有“正确的废话”。
ChatGPT究竟是不是钻进人类社会的一条鲶鱼?
ChatGPT是否宣告“强人工智能”时代的到来?
ChatGPT如何影响人类的未来，它自身的未来又会迈向何方?
当AI越来越强大甚至无限趋近于人，甚至超越于人，那么属于人的，还有哪些抢不走的领地和独特的价值?
近日，新华社中国搜索团队召集业界权威专家，剖析前沿，华山论剑，透视“风口”，把脉AI的发展。
■访谈嘉宾
王金桥：中国科学院自动化研究所研究员
唐 明：中国科学院自动化研究所研究员
陈雨强：第四范式首席科学家、联合创始人
季逸超：第四范式科学家
沈 阳：清华大学新闻学院教授
高 跃：清华大学软件学院副教授
车万翔：哈尔滨工业大学计算机学院教授
凌 强：中国科学技术大学自动化系教授
杨 君：清华大学自动化系副研究员
吴 楠：南京大学计算机系副教授
何俊良：上海交通大学计算机系助理教授
“强人工智能”时代就此到来?
王金桥：ChatGPT基本上把2021年及以前互联网上所有的数据都学习了一遍，相当于一个世界知识的统一建模。在如此规模的参数量下，更好的关联推理就能够实现了，也能够通过算法更好地模拟人的意图。所以业内很多人认为ChatGPT是人工智能的再一次革命性突破。
但也有人不认可，认为ChatGPT还只是世界知识的一个组合，基于组合产生了一些观点和判断。
我认为ChatGPT现在的问题，一是对常识的建模弱了点，很多网友晒出了ChatGPT“翻车”、令人啼笑皆非的回答;二是缺乏多模态的信息，目前它的推理较弱，理解不了诸如“说曹操曹操到，到底是小明到了还是曹操到了”这样的信息。
车万翔：回顾自然语言处理发展史，可以发现一个有趣现象：20世纪50年代，自然语言处理初代范式诞生，主要是做专家知识系统，或用小规模的规则系统实现机器自处理，这一阶段持续了约40年;之后进入浅层机器学习算法阶段，持续了约20年;2010年后开启了深度学习算法时代，直到2018年第一代GPT等的面世，又带我们走进大规模预训练模型的时代;4年后，正是2022年末，ChatGPT引爆全球关注——每一代突破性技术诞生的间隔，都差不多是上一代的一半。按“摩尔定律”继续推演，我们可以憧憬，到2025年可能会有新的、更强大的AI诞生。
凌强：ChatGPT比我想象得要好。在我的想象中，ChatGPT可能会给我“和稀泥”的回答，相当于没有对也没有错，但实际上它给我的答案还是有针对性的，从AI技术的角度讲，ChatGPT在特征工程上应该有非常强大的方案。
另外，当我用同一问题反复问它，它的回答并非千篇一律，而是具有一定的差异性。这也让它更像“人”，毕竟问一个人想吃什么，他每次会有不同的回答，这说明ChatGPT的随机决策模型也做得不错。
沈阳：我认为，ChatGPT在技术上是弱人工智能走向强人工智能的重要节点。从商业上来说，应该会引发一场大洗牌。对善于使用网络的人来说，ChatGPT可以成为非常好的助手，在文案写作、检索等领域，能简化三四成的工作量。
杨君：ChatGPT最具突破性的方面在于逻辑衔接能力，但我认为它还不具备独立推理能力。有用户用三段论跟它对话，它得出了不太符合常识的推论，这是AI还赶不上人脑的一大方面。人脑的强大，就在于归纳和推理能力。有人拿阿尔法狗战胜围棋世界冠军，来证明人脑比不过“AI脑”，然而，目前的智能决策都还仅限于特定场景，算法在特定规则下才能表现出非常强的能力。我认为，能适应和突破变化的规则，是强人工智能的重要发展方向。
吴楠：不少用户发现，ChatGPT在一些常识性的、正常人绝对不会犯错的问题上经常犯错，需要人工干预和修正。而到底什么是常识性问题呢?这个界定其实是很困难的，触碰到了比模型本身更高一层、更加原始的“源问题”。对此的研究和探讨，有助于厘清AI在哪些地方需要人的修正和帮助，划分出人机边界。
季逸超：在搜索场景下，ChatGPT还面临一些挑战。对于事实性的问题，机器通过学习能得出一致的答案，比如“中国的首都在哪里?北京”。但对于观点性的、百家争鸣的问题，如何保证机器学习后，能给我们一个全面公正、没有偏见的结果?
陈雨强：我问了ChatGPT一个问题：如果要做生意，是卖咖啡好还是卖椰子水好?这个问题背后，其实是对商业模式的判断。对ChatGPT而言，如果曾有人在互联网上对比过卖咖啡和卖椰子水，而且分析得有见地，那么ChatGPT就能给出令人满意的回答;但如果先前从未有人写过这类文章，ChatGPT是不能产生相关见解的。
无所不能，但对真实性概不负责?
高跃：ChatGPT生成的内容，面临真实性、准确性以及版权方面的问题。这也给我们带来很多挑战——除了辨别真伪、保护版权，还要能够识别这到底是不是个人的创作，或者能区分出哪部分是AI生成，哪部分是人的创作。
陈雨强：对于一篇专业性或学术性的文章，署名作者是一定要负责的，而恰恰ChatGPT是不能负责的。学术论文的署名作者，既要对论文做出了“实质性贡献”，又要能承担相关的责任，而这两条ChatGPT都不满足，并且现阶段ChatGPT生成的内容完全达不到“文不加点”、无需加工的程度，而是需要人的修改、润色、校对，最终得由人来署名。那么，人的智力参与达到什么标准才能署名?这就牵涉到识别内容究竟是由人还是机器生成的问题。
何俊良：如果问ChatGPT我们自己不熟悉的专业领域的问题，它的回答会看起来非常专业，但实际上可能包含很多错误的知识和误导性观点，而我们难以分辨。
真实性问题会带来信赖危机，而一旦公众不敢信赖一款应用，它也便难于发展。比如自动驾驶技术，就算准确性达到99%，但由于AI的决策不可解释、不可完全控制，很多人就不信赖它，不愿意去使用，这也导致自动驾驶技术一直未能普及。
大语言模型目前最亟待解决的问题之一，就是怎么去判断AI的输出到底是对是错，学界也特别关心。
陈雨强：可信性问题确实很重要。目前ChatGPT热度正劲，但除了日活数据，还有一个关键指标是用户留存数，也就是有多少人在一周、一个月、半年之后还在持续使用这款产品。
信息或知识来源是否可靠，每条引用甚至每句话是否都有出处，推理是否经过验证，生成的文章是否可溯源，都会影响用户留存。新鲜劲过去后，可信性问题直接影响用户还愿不愿意使用这款产品。
技术厮杀激烈，蓝海很快会“染红”?
沈阳：ChatGPT的横空出世，激发了多家AI领域巨头的反应。北京时间2月7日，谷歌发布了基于谷歌LaMDA大模型的对话AI系统Bard;同天，百度宣布大模型类项目“文心一言”计划在3月份完成内测并对公众开放;此后第二天，微软推出由ChatGPT支持的最新版本必应搜索引擎和Edge浏览器。
从技术竞争的角度，我认为第一波竞争大概一年时间就会基本结束，战局就明确了，因为ChatGPT的增长速度太快了。大家都在关注它积累到3亿用户是什么时候，再就是4亿用户、5亿用户……我认为30亿是个节点。脸书经过这么多年扩张，也就30亿左右用户。
AI领域，时间窗口非常短。ChatGPT用户数已经超过1亿了，它可以充分调动全球用户来进行社会训练，自我完善会非常快。
国内也是这个逻辑，谁率先推出，谁就率先获得更有优势的社会训练。
陈雨强：我认为，在自然语言处理领域，由于智能客服的普遍应用，中国的技术已达到了一定的成熟度。下一步，自然语言处理技术应更加注重面向企业端，为企业的经营决策、生产管理、降本提效、开拓市场、资产管理等提供服务，以更好地商业变现。
季逸超：ChatGPT问世后，国内很多人在讨论，为什么率先做出这种产品的不是我们，或者说我们需要多久才能做出类似的产品。作为技术人员，我认为中国企业在AI多个技术领域发展得还是不错的，尤其是在应用端做出了很多成功模型。
我们要达到类似ChatGPT的水平，往往要选择一个参数规模极大的语言模型去训练，目前成本还非常高。这也许正是机会所在——切中搜索引擎的其中一个切面，做一个表现更好、规模更小的模型，做垂直功能，同时把成本打下来。
AI的普及给教育体系带来哪些挑战?
沈阳：有人做试验，让ChatGPT参加考试，其能达到硕士的入学水平，这预示着一般性脑力劳动在未来的价值会大幅降低。如果ChatGPT发育得比较充分的话，我们未来的整个教育体系是要改变的。我们要培养下一代增加创造性知识的能力，提供AI所不能提供的价值。
如果不解决好教育和人才培养问题，在AI时代就很可能产生严峻的就业问题，进而影响产业升级，带来一系列经济社会问题。
我们大学老师也焦虑，自己还剩下什么能“教”的呢?我认为，一方面是教学生不断提出好问题，另一个方面是提炼升华AI生产内容的能力。挡住学生用ChatGPT写论文是不可能的，那就教会学生用它学习、优化思考。
唐明：我认为，ChatGPT能极大提高人类的工作效率，但所谓取代人类，则远远谈不上。AI再怎么发展，最终还是需要人做出判断，不可能完全信赖机器。
而人要能做出正确的判断，这就对教育提出了更高的要求，要培养出有知识储备、能看懂AI逻辑过程、能驾驭AI而不被它牵着走的人。
这项前沿科技，将沿着哪条路向前?
王金桥：从技术路线来讲，未来，类ChatGPT应用可衍生成为人工智能时代的新型操作系统，搜索引擎、office办公软件等都可以是包含其中的应用，使之成为人工智能界的新基建，亦是深深嵌入人们日常工作、学习、生活的有力工具。
车万翔：现阶段，自然语言处理技术逐步从语义层面向推理层面迈进，推理层面解决好后，接下来就要进入应用层面，也就是AI要能听懂语言的弦外之音，理解同一句话在不同语境中的不同含义，更好适应语言表达的个性化。
要让AI拥有这些更高级的能力，首先要构建足够大的模型，但大模型只是解决了知识的存储问题，怎样能更好地调用知识呢?——强化学习，在代码上继续训练，让AI生成的结果更符合人类的预期，越来越有“人味”。
何俊良：很多专家都很关注ChatGPT的可信性问题，在我看来，搜索基本上是唯一的解决方法，即ChatGPT能为自己的结论提供来源，这样人们可以自行分辨是对是错、可不可信。列出理由的结论，总让人感觉更加可以信赖，心里更踏实。
很多用户使用搜索，用得并不是很好，因为搜索引擎最重要的是找到关键词，而很多时候这并不容易。这时，ChatGPT就可以扮演解释的角色，将用户的自然语言转化成关键词再搜索，然后把结果给大模型，整合后再输出给用户。我认为这就是一个理想的结合场景，既能省去人脑总结提炼的时间，搜索准确率也更高。
吴楠：我认为，搜索和大语言模型相结合存在一个鸿沟。搜索引擎需要一定的稳定性，搜索结果通常应该是客观而正确的。但ChatGPT这类大语言模型，对问题的回答是不断迭代的，不像搜索引擎那么稳定。大家会问ChatGPT很多有意思的问题，但在搜索引擎上不会这么问。
唐明：有一点需要注意，网络搜索出来的结果就一定可信吗?不见得。一次搜索能有成千上万条结果，ChatGPT能总结、合成得完吗?如果不能完全总结，那么ChatGPT会不会限制搜索者的视野?ChatGPT如何扩展自己的知识面呢?
在人工智能三大领域算力、数据和算法中，我国都有人在做，算法技术也都掌握。但我认为，仅仅有这三点还不够，还需要的是保持耐心和专注。耐心和专注不仅仅是对科研人员的要求，也是对投资人的要求，持续深耕才能开花结果。不过，无论如何，未来可期。
陈雨强：数据更新是需要解决的重要问题，不可能每天或每个月更新一次，这样成本太高，机器学习和推理训练的成本也很高。所以，如何让“AI脑”及时跟上步履不停的信息社会，让人们能用搜索引擎把更多更新的数据调用出来，也是需要突破的技术。
还有数据源方面，今后可能会出现服务于不同需求的、专业化版本的类ChatGPT应用，分别对接不同的数据源。比如新闻版本的，数据源就要更加严谨可靠。