人類對智能化的追求可謂孜孜不倦，自遠古時期對智能化的想象，比如三國演義中諸葛亮的木牛流馬，到每一次人工智能蓬勃發(fā)展時期，都會對通用人工智能進行想象和期待。但直至去年年底ChatGPT出現(xiàn)之前，所有的人工智能產(chǎn)品都局限于某一特定領域。比如：

• 用于實體抽取的系統(tǒng)，無法用于對話。
• 用于問答的系統(tǒng)可以在SQuAD2.0獲得高分，但在沒有進行微調(diào)等重新訓練模型的情況下，在命名實體識別或翻譯的評測中就表現(xiàn)得很差勁。
• AlphaZero在圍棋上打遍天下無敵手，但沒法用來做其他事情，比如人臉識別或者事件分析等。
• AlphaFold2能夠解決蛋白質(zhì)折疊這種專業(yè)大學教授都難以搞定的超級難的問題，但面對幼兒園小朋友也能很好地解決的“12+23”等算術問題則顯得無能為力。
• 有一些試圖以通用智能助手形式提供的人工智能產(chǎn)品則經(jīng)常被戲稱為“人工智障”。

當我們細數(shù)過去種種人工智能產(chǎn)品的優(yōu)勢和不足的時候，就容易看出 ChatGPT 所展現(xiàn)出來的“超能力”。圖18是ChatGPT超能力的一個實例展示，不僅能夠流暢地進行對話，還能夠在這個過程中完成多項自然語言處理任務，包括基于提示的情感分析、編寫代碼、翻譯、報告撰寫和摘要等。更進一步的，論文《ChatGPT: The End of Online Exam Integrity？》認為，ChatGPT能夠展現(xiàn)批判性思維能力，并以最少的輸入生成高度逼真的文本，潛在威脅了在線考試的誠信。其本質(zhì)是：ChatGPT展現(xiàn)出了超強的能力，這個能力在前面提過的ChatGP能夠通過沃頓商學院的工商管理碩士課程也展現(xiàn)過。這種“超能力”恰如人類的大腦一樣，能在許多領域進行推理，并以接近或超越人類的水平完成多項認知任務。這正是人們所說的通用人工智能（Artificial General Intelligence，AGI）。圖18 ChatGPT多才多藝的超能力實例支撐起ChatGPT 超能力的，正是自然語言處理技術奮進五載的大綜合。從技術角度，就是在無監(jiān)督大規(guī)模預訓練語言模型的基礎上，使用標注語料進行有監(jiān)督的訓練。在此基礎之上，通過訓練一個獎勵預測模型，以及使用近端策略優(yōu)化來訓練強化學習策略。并在面向用戶的應用中使用了人類反饋強化學習技術來實現(xiàn)對話理解和文本生成。圖19展示了ChatGPT所使用的方法，可以看出，ChatGPT 涵蓋了機器學習的三大范式——有監(jiān)督學習、無監(jiān)督學習和強化學習。這也許和人類大腦的行為類似：

• 無監(jiān)督學習——嬰兒期人類大腦，遺傳和3歲以下認知世界的模式；
• 有監(jiān)督學習——從幼兒園開始不斷學習各類技能和知識；
• 強化學習——從現(xiàn)實環(huán)境的反饋中學習。

  

圖19 訓練ChatGPT的過程示意圖[14]正是這些技術的總和所展現(xiàn)出的強大能力，ChatGPT 為通用人工智能帶來了曙光。許多業(yè)內(nèi)大佬也紛紛為此站臺，比如：

• 微軟聯(lián)合創(chuàng)始人比爾·蓋茨在2023年1月11日的Reddit AMA（Ask Me Anything）的問答帖中對一些熱門科技概念發(fā)表了看法，他表示自己不太看好Web3和元宇宙，但認為人工智能是“革命性”的，對OpenAI的ChatGPT印象深刻[15]。微軟也準備再向OpenAI投資100億美元，并表示旗下全部產(chǎn)品都接入ChatGPT以提供智能服務。
• 此前力推元宇宙的Meta的態(tài)度也有所改變，扎克伯格在2022年度報告投資者電話會議上表示“我們的目標是成為生成式人工智能的領導者（Our Goal is to be Leader in Generative AI）”[16]。面對投資者對元宇宙是否被拋棄的疑問，扎克伯格的回答是“今天專注于人工智能，長期則是元宇宙（AI today and over the longer term the metaverse）”（想想經(jīng)濟學家凱恩斯那句名言“長期來看，我們都死了”吧）。
• Google創(chuàng)始人回歸并全力支持類似 ChatGPT產(chǎn)品的開發(fā)，同時向Anthropic投資3億美元。Anthropic由OpenAI的多名資深研究人員創(chuàng)立，其產(chǎn)品與OpenAI的類似，如Claude（ChatGPT）和（GPT-3）。
• 許多學者認為，通用人工智能到來的時間會加速，也許，2035年就是一個通用人工智能的“奇點”時刻。

也許有人認為夸大其詞或危言聳聽。畢竟，ChatGPT也僅僅展現(xiàn)了語言方面的能力，對其他諸如視覺、語音等完全不涉及。而即使在語言方面，ChatGPT表現(xiàn)弱智的地方也很多，圖20就是一個例子（這個問題流傳最廣的回答是：賈母）,深度學習的代表性人物Yann LeCun也激烈批評大語言模型的問題“人們嚴厲批評大語言模型是因為它的胡說八道，ChatGPT 做了（與語言大模型）同樣的事（People crucified it because it could generate nonsense.ChatGPT does the same thing.）”。事實上，這個表現(xiàn)有點像幼兒園的小朋友的“童言無忌”，而這不也正是“智能”的表現(xiàn)么？而解決這個問題有現(xiàn)成的人工智能方法——知識圖譜[6]等符號人工智能方法和基于知識的人工智能方法。這些方法在這幾年也發(fā)展迅速。一旦ChatGPT擁有一個知識圖譜來支撐“常識”，其下限將極大地提升[17]，“童言無忌”變得成熟，那么語言領域的通用人工智能可謂來臨。圖20 ChatGPT關于“賈寶玉娶老婆”的例子進一步的，跳出自然語言處理，從更廣泛的人工智能視角來看，這幾年的進展也非常大。比如通過文本提示生成視頻的擴散模型（Diffusion Model，DM），在圖像生成上提升了視覺保真度，同樣引發(fā)了視覺領域的爆火出圈；語音合成方面，VALL-E模型支持通過語音提示，合成符合輸入語音音色和情緒的逼真聲音。特別地，這些不同領域的人工智能，包括視覺、圖像處理、語音識別、語音合成、知識圖譜、時間序列分析等等，也全部都在采用變換器網(wǎng)絡來實現(xiàn)[18]。這使得ChatGPT或類似系統(tǒng)加入語音、視覺等變得容易，進而構建出跨模態(tài)的，多才多藝的通用人工智能。

可以想象，未來五年到十年，融合語言、視覺和語音等多模態(tài)的超大模型將極大地增強推理和生成的能力，同時通過超大規(guī)模知識圖譜和知識計算引擎融入人類的先驗知識，極大提升人工智能推理決策的準確性。這樣的人工智能系統(tǒng)既能夠像人一樣適應現(xiàn)實世界的不同模態(tài)的絕大多數(shù)任務，完成任務的水平甚至超越絕大多數(shù)的普通人，又可以在各種富有想象力和創(chuàng)造性的任務上有效地輔助人類。這樣的系統(tǒng)正是人們想象和期待了數(shù)千年的智能系統(tǒng)，而這也會被稱為真正的通用人工智能。進一步，隨著人形機器人、模擬人類的外皮膚合成技術等等各類技術的發(fā)展，這些技術互相融合，科學幻想中的超人工智能的來臨也將成為現(xiàn)實。而在通用人工智能如燦爛陽光灑滿每一個角落時，驀然回顧，會發(fā)現(xiàn)AGI的第一道曙光是2022年底的ChatGPT。正所謂“虎越雄關，NLP奮發(fā)五載；兔臨春境，AGI初現(xiàn)曙光?！?/span>

[1] ChatGPT將代替搜索引擎？谷歌內(nèi)部發(fā)紅色警報. 澎湃新聞. https://www.thepaper.cn/newsDetail_forward_21282873[2] How ChatGPT Suddenly Became Google’s Code Red, Prompting Return Of Page And Brin. Forbes.   https://www.forbes.com/sites/davidphelan/2023/01/23/how-chatgpt-suddenly-became-googles-code-red-prompting-return-of-page-and-brin/. 2023.[3] With Bing and ChatGPT, Google is about to face competition in search for the first time in 20 years. Insider. https://www.businessinsider.com/bing-chatgpt-google-faces-first-real-competition-in-20-years-2023-1[4] ChatGPT sets record for fastest-growing user base - analyst note。Reuters. https://www.reuters.com/technology/chatgpt-sets-record-fastest-growing-user-base-analyst-note-2023-02-01/. 2023.[5] Joseph Weizenbaum. ELIZA--A Computer Program for the Study of Natural Language Communication Between Man and Machine.[J]// Communications of the ACM. Vol9. P36–45.[6] 王文廣. 知識圖譜：認知智能理論與實戰(zhàn)[M] //電子工業(yè)出版社, 2022[7] Ashish Vaswani, Noam Shazeer, Niki Parmar et al. Attention is all you need.[C] //In advances in neural information processing systems. 2017. P5998-6008[8] Jacob Devlin, Ming-Wei Chang, Kenton Lee et al. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.[C] // In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. 2019. P4171–4186.[9] Alec Radford, Karthik Narasimhan, Tim Salimans, Ilya Sutskever. Improving language understanding with unsupervised learning. //OpenAI Technical Report. 2018.[10] Yu Sun, Shuohuan Wang, Shikun Feng et al. ERNIE 3.0: Large-scale Knowledge Enhanced Pre-training for Language Understanding and Generation. arXiv:2107.02137. 2021.[11] Tom Brown, Benjamin Mann, Nick Ryder et al. Language Models are Few-Shot Learners.[C] // In Advances in Neural Information Processing Systems 33 (NeurIPS 2020). 2020. P1877—1901[12] ChatGPT passes MBA exam given by a Wharton professor. NBC News. https://www.nbcnews.com/tech/tech-news/chatgpt-passes-mba-exam-wharton-professor-rcna67036. 2023.[13] Tiffany Kung, Morgan Cheatham, ChatGPT et al. Performance of ChatGPT on USMLE: Potential for AI-Assisted Medical Education Using Large Language Models. doi:10.1101/2022.12.19.22283643. 2022.[14] ChatGPT: Optimizing Language Models for Dialogue. OpenAI. https://openai.com/blog/chatgpt/. 2022[15] 比爾·蓋茨看好 AI，而非 Web3 和元宇宙. 新浪網(wǎng). http://vr.sina.com.cn/news/hot/2023-01-13/doc-imxzzfmr4911664.shtml. 2023[16] Meta Platforms (NASDAQ: META) CEO Mark Zuckerberg: “Our Goal is to be Leader in Generative AI”. Wall Street Reporter. https://www.wallstreetreporter.com/2023/02/02/meta-platforms-nasdaq-meta-q4-2022-earnings-call/. 2023.[17] Wolfram|Alpha as the Way to Bring Computational Knowledge Superpowers to ChatGPT. StephenWolfram. https://writings.stephenwolfram.com/2023/01/wolframalpha-as-the-way-to-bring-computational-knowledge-superpowers-to-chatgpt/. 2023.[18] 學習ChatGPT和擴散模型Diffusion的基礎架構Transformer，看完這些論文就夠了.走向未來.  https://mp.weixin.qq.com/s/3bOFfODR7rpnyzrpocHlfQ. 2023.