文｜光锥智能，作者
卢滢西，编辑｜周文斌
写代码、修复BUG、编故事......
这些看似只有人类才能完成的任务，都出自同一个聊天机器人之手。
当地时间11月30日，OpenAI发布了一个全新的对话式大规模语言模型ChatGPT。作为GPT-3.5系列的主力模型之一，通过对话的形式，ChatGPT可以回答后续问题、承认错误、挑战不正确的前提并拒绝不适当的请求。
这一模型在开放测试以后，迅速涌入了大批用户，并在社交媒体上晒出自己与ChatGPT的互动。有人用来给自己的猫写诗，有人用来给代码改BUG，还有人问它关于人类的意义......1月5日，OpenAI首席执行官SamAltman发推表示，OpenAI训练的大型语言模型ChatGPT于上周三推出，目前已突破万用户。
甚至于马斯克也为其称赞“ChatGPT非常好。我们离强大到危险的AI不远了。”
之所以ChatGPT能够引起如此大的反响，是因为这一次算法模型的升级让AI的认知智能更上一层台阶，换句话说，现阶段的AI能够对人类意图的理解更为深刻、准确。
让AI更懂人、更像人，一直是技术不断在攻克的难题，而同样作为生成式AI（AIGC）中一员的AI绘画，也因为Diffusion扩散模型的加入，闯入了更多公众的视野。
只需要输入几个关键词，就能获得一幅由AI生成的绘画。今年以来，AI绘画可谓是在社交媒体上赚足了眼球，从年初DiscoDiffusion的流行，再到8月，由AI绘画程序Midjourney生成的《太空歌剧院》获奖，StableDiffusion扩散模型的使用，让AI绘画在图像细节的处理上更为出色。
如果将ChatGPT和StableDiffusion模型两者进行“强强联合”，便能够让模型更懂创作者的需求。一方面，利用ChatGPT强大的语言理解能力生成文本描述，另一方面，扩散模型能够最大程度保持图像的细节，既保留了图像中的语义结构，又能够生成高质量的AI绘画作品，“甲方爸爸”看了都直呼满意。
无论是ChatGPT还是Diffusion扩散模型，一个作为多轮对话模型，一个作为辅助多模态生成的模型，都让AI的能力从“机械执行”，进阶到“创造性”，这也意味着AIGC迎来了一个新的发展阶段。
“我不如AI”，在多久后会成为现实？
01生成式AI到底有多牛？AI给你改BUG、编故事，是一种什么体验？
“帮我以鲁迅的文笔写一段话，表达一下我现在因为疫情连门都不敢出的惨状，还有想吃火锅的心情”，有网友在ChatGPT中输入一段自己的需求。几秒钟后，ChatGPT就给出了一篇质量颇高的小作文。
除了让它写小作文以外，它还拥有解决数学、逻辑和编程问题的能力，有网友直呼：妈妈以后再也不用担心我的作业不会做了！
与此同时，ChatGPT还能根据用户提出的调整建议不停地对回答内容进行修改，同时也能对不恰当的假设和要求提出挑战和拒绝。
一改AI智障的面孔，能让聊天机器人如此优秀，ChatGPT究竟有哪些创新？
00年，OpenAI推出自然语言模型GPT-3，这是ChatGPT的上上一代产品，其在总结和简化文本方面表现出强大的能力，甚至还在《卫报》上公开发表过专栏文章，一时间引起了不小的轰动。
两年过去，就在众人对GPT-4翘首以盼的时候，OpenAI在今年年初出其不意地先推出了GPT-3.5，并训练了InstructGPT模型，能够帮助GPT-3输出的结果更为准确。
而ChatGPT则是InstructGPT的兄弟模型，同属于GPT-3.5。虽然ChatGPT目前仍然处于测试阶段，并且还没有真正联网，但已经展现出了足够惊艳的性能。
这次ChatGPT的走红，除了有社交媒体裂变优势的助力以外，很重要的一个原因还是其跟上一代的GPT-3相比，在生成内容的效果上有了两方面的显著提升：一是有记忆功能，可以实现连续对话；二是能够更好的理解和完成人类的指令。
在对于人类指令的理解和执行上，可以发现，ChatGPT生成的结果在尽可能地贴合人类的意图和期望，而GPT-3更像是设定好的套路模版。比如说同一个指令“写一首简短的关于青蛙的诗歌”，右边ChatGPT的可读性明显要更强。
对比下来，GPT-3的局限性在于不擅长逻辑的推理和决策，而在ChatGPT中，结果的反馈也成为了学习过程的一部分，实现了在认知智能层面上的提升。这一次ChatGPT的推出，大概率也是为了能够收集更多的用户数据反馈，以饲养模型，让AI更懂人类。
事实上，对于人类意图的理解一直都是AI难以横跨的一道坎。
就拿同样火热的AI绘画为例，能够出圈的一大原因是因为生成的作品“翻车”太厉害。把宠物识别成人，把人物识别成建筑...画风开始偏离，诸如此类的乌龙开始频繁出现。
图片来源于网络，如有版权问题请联系我们
对于一些简单的人物和环境都无法准确识别、理解，更别提具有复杂意象的诗歌了。在某个AI绘画产品中，光锥智能输入“醉后不知天在水，满船清梦压星河”后，生成的结果也跟诗歌意境相差甚远。
不难发现，在AI绘画爆火背后，大多数软件对于如何保证准确的语义理解和图片生成能力的敏感度并不算高。
现阶段AI绘画的槽点虽然很多，但进步却是毋庸置疑的。据一位二次元画师透露，在今年年初的时候，圈子里的人对于AI绘画的印象还是“生成速度慢”“生成质量差”，但谁也没想到AI能够在短短几个月时间进步神速。特别是今年8月，AI绘画作品《太空歌剧院》的获奖，更是让大家炸开了锅，“从来没感觉到自己离失业那么近。”二次元画师小元（化名）说道。
0算法的迭代之路从“人工智障”到“人工智能”，背后是算法模型的几次大幅迭代。
从最早基于手写规则的简单学习，到神经网络的诞生，AI开始像人脑一样学习，开始尝试大量数据。
图片来自真格基金分享
直到年，谷歌首次提出了Transform模型，取代了此前的CNN和RNN两种神经网络学习方式，这一模型的核心在于注意力机制，让AI在学习的过程中
