阿里搞出脱口秀版GPT！與鳥鳥激辯一小時，話癆到停不下來…_風聞

　　楊淨 發自 凹非寺

　　量子位 | 公眾號 QbitAI

　　連社恐的鳥鳥，現在都變成話癆了……

　　（這到底是人性的扭曲，還是道德的淪喪）

　　最近有一種很新的脱口秀：不花錢、一對一、而且任意話題隨便and隨時聊。

　　結果一小時跟鳥鳥聊天下來，發現她話多且密，根本就不會把天聊死。

　　原來啊，是一個阿里新版本大模型的技術演示脱口秀版GPT——鳥鳥分鳥，並且已經在天貓精靈上為個人終端行業的客户做了演示，量子位搶先體驗了一把。

　　激辯一小時宛如真人面對面，除了社恐這點人設崩塌以外，其他人設倒是屹立不倒：

　　**文本扛把子、有知識有自己的情緒、還能隨時來個段子。**尤其是在回答弱智吧問題時，簡直被她折服。

　　這不是脱口秀版GPT，這是科技與狠活呀！哥們！

　　話不多説，直接上效果。

　　與弱智吧激辯一小時

　　鳥鳥分鳥，AKA脱口秀GPT。

　　作為一名脱口秀演員，鳥鳥最強還是在文本。那就首先來試試強項，結果就是説，任意話題都能展開，甚至還能教你寫段子、寫作文——

　　從開頭、場景細節、中心思想細化，最後微調潤色等步驟逐步教你入手。

　　畢竟是文本の神，這些當然不在話下。

　　可以看到，不管是在語速、情緒以及文本風格都跟鳥鳥本鳥很像。

　　（尤其是這個語速…簡直是着急死人）

　　接下來挑戰的，就是ChatGPT時代下的Benchmark——弱智吧

　　。

　　比如，雷公和電母用的是直流電還是交流電？宮廷玉液酒減一個大錘等於多少？我的女朋友她説需要時間和距離，她是想算速度嗎？

　　Bingo！感覺到鳥鳥分鳥很認真、很一本正經地在跟我解釋。連多年前的小品都知道……

　　（這邊建議直接出院）

　　就是一些天馬行空的，也是一本正經地對答如流。

　　比如，奧特曼會飛嗎？

　　還有其他通識性問題：「你知道大模型嗎？」、「禪修是什麼？」也都能回答。

　　交流一番下來可以看到，鳥鳥分鳥確實繼承了本鳥的相關能力，尤其是文本的創作和表達、風格情緒以及語速……

　　不過也發現，目前處於測試階段的鳥鳥分鳥，仍存在一些問題。

　　雖然不用一次次喚醒了，但反應過於靈敏，你如果不喊停，它會跟你聊到天荒地老；以及僅部分支持英文問答。

　　再者就是人設屹立不倒，不能玩一些角色扮演類的遊戲。

　　15天訓練出鳥鳥分身

　　以往業內曝光的大模型應用，無非兩種。

　　一種是以ChatGPT為代表的通用對話聊天代表，但需要排隊。另一種則是具體場景中的應用，比如輔助寫作、代碼生成等。

　　像大模型應用在日常消費場景，其實並不多見。

　　從ChatGPT這個回答可以看出，至少不能簡單依靠通用大模型來完成。

　　而各種傳統語音智能助手，到現在都還沒有**“大模型化”**。這其實與背後本身技術工程難度有關。

　　以鳥鳥分鳥這個智能音箱場景為例，就需要解決至少三個方面的問題。

　　**1、應對更復雜的交互場景。**不同於以文本交互為主的通用場景，雙向開放對話決定了用户不會對文本進行“二次”過濾，而是想説就説，這就要求AI能過濾掉諸多無意義的對話。

　　與此同時，用户也不願意等待數秒，而是像日常交流那樣，低延時、還能支持隨時打斷、隨時反饋。

　　**2、基於人類反饋強化學習的可行性。**ChatGPT驚豔全球的生成效果，背後歸結於注入強人工反饋的獎勵機制。高質量的數據標註成為大模型落地的關鍵，而且消費場景下多輪對話的頻率遠比文本交互要高，這對企業的數據處理能力提出了更高的要求。

　　之後隨着應用落地，大量的人類交互和反饋來幫助大模型更快進化，以及關乎用户數據完全管理機制也需要完善和健全。

　　**3、需要強大的網絡分發能力。**大模型每一次運行都需要耗費大量的計算存儲資源，這就要求企業能有廣泛部署的網絡分發能力。

　　總的來看，算力、算法和數據是大模型能力實現的三板斧，而要讓大模型落地應用還需要雲端工程化能力、海量的用户交互、安全管理機制等要素。

　　既然如此這個鳥鳥分鳥又是如何做到的？阿里大模型聯合團隊的算法專家分享了背後的一切。

　　簡單歸結，鳥鳥分鳥的訓練過程，在他們內部稱之為層次化的訓練方式。類似於人類的學習過程，先學習簡單知識，然後逐漸進階，最後再嘗試專業領域知識的學習。

　　具體分成了四個步驟：

　　大規模語言訓練；

　　知識和工具增強；

　　個性化對話增強；

　　人類反饋增強。

　　基於基礎的預訓練大模型，團隊做了知識增強——讓模型學會使用工具，類似於ChatGPT插件功能。

　　比如針對每日新增的知識，它能調用搜索引擎來做輸入，在搜索結果基礎上進行理解、總結和歸納。這樣一來，輸出結果有更好的準確率和時效性。

　　個性化對話增強則主要是讓大模型學習多種對話形式，比如啓發式、多輪對話，尤其是一些需要依賴長期記憶的對話。

　　與此同時，還要塑造鳥鳥人格，這就涉及到最後兩個步驟**「個性化對話增強」和「人類反饋增強」**。靠增加高質量的鳥鳥相關數據，並讓人類去做問答結果的反饋和標註，哪一個回覆更像鳥鳥，讓大模型朝着鳥鳥方向做正向增強。

　　最終只花了15天的時間就訓練出了鳥鳥分鳥，後續還可能開放更多人加入強化反饋和更有情緒化的音色，讓鳥鳥分鳥逐步升級迭代。

　　除了大模型訓練，他們在算法和工程上面做了不少工作。從交互流程來劃分，主要分成聽清、音色、文風、對話等步驟。

　　最終形成了這樣一個對話過程：

　　當人類詢問一個問題（Query）時，首先經過貓耳算法將其轉換為文本，隨後通過大模型產生個性化的對話回覆，最後再到個性化的語音合成給出回答。整個過程還有Multi-Turn對話系統來支持。

　　對於測試階段存在的一些問題，阿里這邊也給出了回應。

　　比如反應過於太強，這是因為還沒有將線上的貓耳算法和ASR做充分的融合，為了聽清多輪對話信息，顯得過於靈敏，以及暫沒有全面支持英文等問題，他們表示後續還將進一步迭代更新。

　　普通人也能獨佔大模型？

　　這件事之所以值得關注，除了有意思的產品體驗，這也是個性化大模型發展的一次可行性驗證。

　　大模型發展進程，有兩條路徑已經明晰：如火如荼的通用大模型，以及備受關注的個性化大模型。

　　以GPT-4為代表的通用模型，在多個標準化考試中大幅超過人類水平，適用於搜索引擎、生產力工具這種廣泛、公域場景。

　　但像更多私域個性化、或者垂直專業化場景中，比如問及有無特別偏好、對某件事情觀點等，個性化大模型就會是一個很好的補充。

　　當前，全球研究機構和大廠在這一路徑的探索，主要涵蓋了四個研究方向：

　　有偏好的個性化對話、邏輯一致性和三觀、對話風格、多輪對話中人設一致性。

　　此次在鳥鳥分鳥上的探索，一方面呈現出個性化大模型的研究方向——

　　在大模型系列的基礎上，打造知識、情感、性格和記憶四位一體的個性化大模型，並且這個大模型版本可能是很適合在消費者終端上部署的。

　　另一方面，也再次印證了對話即入口的AI2.0未來趨勢。

　　ChatGPT上線的插件功能，以文本交互的方式，與全球5000+應用聯動。

　　現在，鳥鳥分鳥則是驗證了以語音這一模態，在消費電子場景中觸達諸多功能的可能性。

　　大模型所引領的AI 2.0時代，而對話相當於是操作系統（ChatOS），所有應用都將被重新定義。

　　而且隨着個性化大模型的發展，未來每個普通人甚至都會擁有屬於自己的大模型。

　　One More Thing

　　在被問到脱口秀會不會被AI替代時，鳥鳥跟鳥鳥分鳥給出了不同的解答。

　　鳥鳥表示，希望它能啓發思路，提供一些以前沒有看到的素材和觀點，但對於預期文本和出梗方向，還需要人自己去想。

　　為此鳥鳥還分享個機器人寫的段子：

　　婚姻和坐地鐵很像，你都會被迫和一個陌生人待在一個空間裏很久，想下車的時候未必能下得去。

　　鳥鳥分鳥則自信表示：脱口秀不會被AI替代。