看完美國花1億打造的超級AI之後，在座不少人怕是要失業了_風聞

　　早幾年前 AI 技術還處於理論階段的時候，差評君也和大家一樣，對 AI 技術充滿了各種美好的幻想。

　　“ 改善生活、改變世界、制霸全宇宙，人類要從站起來變成強起來！”

　　網上搜到五年前的 AI 海報 ▼

　　不過到現在要是再提 AI 的話，恐怕大家只能想到那些 “ 抱歉，我聽不懂，你能不能換個説法 ” 的人工智障了。

　　“ 你這個人類又在説些什麼批話？” ▼

　　然而上週，科技圈子又重新因為 AI 技術沸騰了 —— 因為美國研究組織 “ OpenAI ” 做成了一款被稱為能取代人類的 AI 引擎。

　　在看完這款名叫 “ GPT-3 ” 的語義 AI 引擎演示之後，差評君的第一反應是， 我該不是把書讀到狗身上了吧 真正可以輔佐人類的 AI 終於來了！

　　稍微熟悉點科技的差友可能都聽説過大名鼎鼎的 “ 圖靈測試 ”，也就是通過一連串的問答來看 AI 是不是會露餡。

　　然而在人與 GPT-3 的問答中，假如不是我説，大家可能會以為對面坐着一個真實的小孩。回答略顯稚嫩，但絲毫感覺不到以往 AI 助手們的那股制杖氣息。

　　不過有小夥伴們可能要説了，這些問題也還好啊，我看之前你們介紹的那個谷歌助理雖然偶爾會犯制杖，但好像也能做個八九不離十。

　　那接下來我們看點兒有難度的，能自己讀題做題的 AI 見過嗎？

　　給 GPT-3 一篇高中英語閲讀題，GPT-3 輕輕鬆鬆就能給你把答案寫出來。

　　什麼猿輔導，什麼作業幫，統統都是 DD！

　　我當年學英語的時候有這種神器，那鐵定是不會掛科的！（ 壞行為，好孩子勿模仿 ）

　　要是嫌高中閲讀難度不夠的話，我們再來個大學水平的試試。

　　比方説，把一串晦澀難懂法律條款扔給 GPT-3，不出五秒就能輸出 “ 人話 ” 版本的解釋文。

　　學法律的小夥伴來評鑑一下 ▼

　　本碩博連讀、頭髮都學禿掉的法學生們聽到之後都哭了。

　　這還不算完，除了聽懂人話、歸納總結之外，GPT-3 甚至還能自行創作。

　　比如給個場景描述，給個開頭，GPT-3 就能寫出個殺生丸和魯魯修的中二小短文。

　　我瞬間就想到了小説代寫，一日百更，徹夜不眠。。。

　　非加粗部分為 GPT-3 生成 ▼

　　如果不滿足於短篇的話，還有個老哥拿 GPT-3 生成了一篇 1112 詞的雞湯文。

　　想要去拜讀一番的小夥伴可以戳這個鏈接  https://adolos.substack.com/p/feeling-unproductive-maybe-you-should 

　　《 工作效率低下？也許你該試着停止焦慮 》▼

　　內容有點兒長，差評君就不給大家全文翻譯了。

　　總之，這篇文章有開頭、有結尾，有立意、有中心。文章引出了 “ 創造性思考 ” 和 “ 過度思考 ” 兩種思考模式。

　　文章還通過 “ 作者 ” 的切身經歷，向我們闡述了過度思考的弊端，同時引導我們要進入到創造性思考的正向循環中，為生活創造更多價值。

　　怎麼樣，這道閲讀理解我能拿五分嗎？

　　。。。。。。

　　總之，這篇 AI 生成的雞湯文非但沒有露出馬腳，還直接衝上了 HackerNews （ 知乎硅谷精英版 ）的熱搜榜首。

　　看來歪果仁也很吃雞湯這一套啊。。。

　　討論區裏有幾位老哥的表現甚至有些誇張： “ 這篇文章振聾發聵，跟前一陣伊森霍克的 TED 演講有一拼！感謝樓主分享如此深度好文！”

　　要是伊森霍克知道他的演講被人和一篇 AI 生成的文章放到一起品評，不知道是該哭還是該笑。

　　伊森 · 霍克演講：《 放開手，去創造 》▼

　　伊森霍克最後是哭是笑差評君不太清楚，因為此時我已經陷入了深深的沉思：

　　要是 AI 再這麼螺旋拐彎牛批下去，我是不是就 不用寫稿 失業了。。。

　　別説，被這個問題困惑的可能不止我**，律政精英、公司財務、程序開發，以及公司的油頭 UI 設計師都在 GPT-3 的精確打擊範圍內**。。。

　　比如説有人把 GPT-3 和表格文件對接到了一起。

　　而我們只需要説類似 “ 房租 3000 押一付三 ” 、 “ 老闆上星期我打了一萬塊錢 ” 一類的白話， GPT-3 就能自動生成一張非常專業的財務報表。

　　除了報表， GPT-3 還能夠只依靠幾句話，就幫你撮一個網頁出來。

　　擁有十年工作經驗的前端人員，哭了 ▼

　　“ 一個谷歌的 Logo，一個搜索框，兩個灰色的按鈕，一個寫 ‘ 谷歌搜索 ’，一個寫 ‘ 手氣不錯’。”

　　“ 把搜索框再改寬點兒。”

　　“ 錯啦。兩個按鈕之間要加一點間距，不要粘在一起。”

　　用一句話生成出個高仿 Ins 的界面也不在話下。

　　甚至可以通過白話描述，直接用專業的 SQL 語言提取數據庫資料。

　　“ 拉取 25-35 歲員工的薪資詳情 ” ▼

　　震驚，程序員一夜之間化身產品經理，竟向電腦提出如此過分要求！

　　哦我的上帝啊，這哪兒是什麼 AI 啊。這可真是比小説裏的小秘書、金手指、隨身老爺爺還要神奇啊！

　　。。。。。。

　　先説明一下，以上這些神奇功能都是差評君從拿到了 GPT-3 搶鮮體驗資格的研究人員那看到的例子。

　　雖然差評君也申請的 GPT-3 的體驗資格，不過目前還在排隊等待審核。

　　等後續差評君搞到了資格，我們再來好好看看 我以後是不是可以拿它代筆了  GPT-3 還能做些什麼。

　　然而光是從這些演示上看，我們已經可以發現這個 GPT-3 實在是強悍的不太像個 AI 了。

　　所以，什麼事 AI 都能幹了，大家是不是混吃等死就好了？以後更不用去上學了？

　　當然不是這樣的。

　　雖然差評君看到有些小夥伴在介紹 GPT-3 的時候用了類似這樣的説法（ 順便渲染了一波 AI 威脅論 ），但是實際上，這種猜測難以成立。

　　因為從本質上來看，GPT-3 屬於 AI 理論中的 “ 反應機 ” （ React Machine ），距離替代人類還遠得很。

　　現在大家通常把人工智分成四個層級：反應機（ 第一層 ）、有限記憶（ 第二層 ）、具有心智（ 第三層 ）、自我意識（ 第四層 ）。

　　我們現實中最常見的 AI 都位於第一層的反應機。比如我們常用的小愛同學、小度小度，以及這次的 GPT-3 。（ GPT-3 裏的 PT ，實際代表的就是預先訓練 “ Pre-Training ” ）

　　它們通過 “ 餵養 ”人工預先收集的大量樣本進行學習訓練，讓 AI 對某件事情有了認知。之後再根據已有的樣本組織反饋邏輯。

　　這樣的 AI 沒有自我成長的能力，只能根據已學習的信息進行機械化的反應。

　　比如説，給 AI 灌輸了一堆貓貓的側面照片， AI 下一次再看到一張新的貓貓側面照時，大概率就能認出來這是一隻貓了。

　　但要是我這時候給 AI 一張貓貓的正面照，它就很可能把貓貓認成狗。

　　説白了，反應機做的事情就是照貓畫貓。但凡有哪隻新貓長得和以前見過的差太多，就只能抓蝦了。

　　但可能有些小夥伴得説了，我們看前面 GPT-3 好像什麼都能做，瞬間勝任了無數職業，怎麼還會是把貓當成狗的反應機？

　　差評君，你這説法行不通啊。

　　非也，就像我前面提到的，反應機的原理是所謂的 “ 照貓畫貓 ”。

　　那隻要我們想辦法把全天下所有的貓給它看一遍，它不就不會翻車了嘛！

　　這正是 GPT-3 乾的事。其實在它之前還有 GPT-2 ，當時研究人員使用了 100 多億個參數訓練它，得出的結果已經讓它站在世界頂尖 AI 的梯隊裏了。

　　而這一次他們在訓練 GPT-3 的時候，直接把訓練參數增加了接近 20 多倍，達到了 1750 億個參數，素材達到了 45 TB ！

　　根據大家的測試結果看，除非你編一些根本不存在的問題給他，不然 GPT-3 的翻車概率幾乎不存在。。。

　　問：你怎麼波哥個魔哥？

　　答：你得用波哥來波哥個魔哥。

　　問：引腰裏有多少樹？

　　答：引腰裏有三棵樹。

　　問：你知道我問的都是個些什麼嘛？

　　答：嗯，我知道。

　　。。。。。。

　　為了能夠讓 AI 跑的動 1750 億個參數，贊助商微軟直接給 OpenAI 劃撥了一台世界排名前五的超級計算機。

　　據説，光是裏面裝載的 NVIDIA 顯卡和 AI 運算卡就接近上億人民幣。

　　史無前例的聰明 AI，果然也得用史無前例的真金白銀砸出來。

　　不過饒是如此，哪怕 GPT-3 再聰明，它也只能糅合別人的創造，書寫的別人的觀點。

　　脱離了訓練使用的樣本庫，它便無法再輸出創意，更沒法自我學習。

　　所以差評君覺得，GPT-3（ 以及之後的 AI ）能像現在這樣幫助人們高效輸出一些解決方案，從某些繁雜瑣碎的工作中解脱出來。

　　但是它們永遠無法替代人的思想。

　　And that’s what makes us human。

　　圖片、參考資料

　　開源中國，“萬物就只是 5 萬億個參數”，AI 模型 GPT-3 讓人懷疑人生

　　新智元，GPT-3 真是人工智能「核武器」嗎？花 1200 萬美元訓練卻沒能通過圖靈測試

　　大數據文摘，GPT-3 有多強？伯克利小哥拿它寫“雞湯”狂漲粉，還成了 Hacker News 最火文章？！

　　Half Ideas，GPT3 - Will AI replace programmers?

　　Twitter，#GPT3

　　部分圖片來自網絡