真不是凡爾賽！ ChatGPT如此成功，OpenAI也不理解

這家公司做出了或許能引爆第四次工業革命的產品，但他們卻百思不得其解：為啥自家的產品能這麼火？

就，真的不是凡爾賽。

最近，MIT Technology Review採訪了ChatGPT的幾位開發者，讓我們近距離了解了這個大爆的AI產品背後的故事。

火成這樣，沒有絲毫防備

當OpenAI在202211月下旬悄無聲息地推出ChatGPT時，這家新創公司並沒有報多大的期望。

OpenAI的員工也沒想過，自家模型即將走上的，是一條屬於頂流的爆紅之路。

ChatGPT彷彿在夜間大紅大紫，也引發了關於大語言模型的一場全球淘金熱，而OpenAI還沒有絲毫準備，只能匆忙地趕上自己頂流模型的腳步，試圖抓住商機。

在OpenAI從事政策工作的Sandhini Agarwal說，在OpenAI內部，ChatGPT一直被視為「研究預覽」——它是一個兩年前技術的更完善的版本，更重要的是，公司試圖透過公眾的回饋，來消除模型的一些缺陷。

誰能想到，這樣一個「預覽」產品，陰差陽錯出道後就爆紅了呢。

對此，OpenAI的科學家很懵逼，對於外界的花朵和掌聲，他們也很清醒。

「我們不想把它誇大為一個巨大的基礎性進步，」參與研發ChatGPT的OpenAI科學家Liam Fedus說。

ChatGPT團隊成員當中，有5位被評為2023年度AI 2000 全球人工智慧學者

為此，MIT Technology Review的記者Will Douglas Heaven採訪了OpenAI的共同創辦人John Schulman、開發者Agarwal和Fedus、對齊團隊的負責人Jan Leike。

ChatGPT為什麼這麼火，我們自己都不明白

#創辦人John Schulman表示，ChatGPT發布後幾天，他時不時就會刷推特。有那麼一段瘋狂的時期，推特資訊流中全是ChatGPT的截圖。

他想到了這是一個對使用者很直覺的產品，也想到它會有一些粉絲，但沒想到它會變得這麼主流。

Jan Leike表示，一切都太突然了，所有人都很驚訝，努力地跟上ChatGPT爆火的節奏。他很好奇，到底是什麼在推動它的人氣飆升，難道有什麼幕後推手？畢竟，OpenAI自己都搞不清楚為什麼ChatGPT能這麼火紅。

Liam Fedus解釋了他們如此驚訝的原因，因為ChatGPT並不是第一個通用的聊天機器人，先前就已經有很多人嘗試過了，所以Liam Fedus覺得他們的機會不大。不過，私人測試版也給了他信心——或許，這款A是用戶們真心會喜歡的東西。

Sandhini Agarwal總結道，對所有人來說，ChatGPT一炮而紅都是個驚喜。先前，大家在這些模型上做了太多的工作了，以至於都忘記了對於公司外部的普羅大眾來說，它是如此驚人。

的確，ChatGPT內的大部分技術並不新鮮。它是GPT-3.5的微調版本，而在ChatGPT幾個月前，OpenAI就發布了GPT-3.5。而GPT-3.5本身就是GPT-3的更新版本，GPT-3出現在2020年。

ChatGPT團隊參與先前七大技術研發人數

在網站上，OpenAI以應用程式介面或API的形式提供了這些模型，其他開發者可以輕易地將模型插入自己的程式碼中。

在2022年1月，OpenAI也發表了GPT-3.5的前一個微調版本InstructGPT。只不過，這些技術沒有向大眾推介罷了。

微調過程

根據Liam Fedus的介紹，ChatGPT模型是由與InstructGPT相同的語言模型微調而來的，使用的微調方法類似。研究人員增加了一些對話數據，並對訓練過程進行了一些調整。所以他們不想把它誇大為一個巨大的基礎性進步。

事實證明，對ChatGPT起了大作用的，是對話數據。

根據標準基準的評估，實際上兩個模型之間的原始技術能力並沒有很大差別，ChatGPT最大的不同是，更容易取得和使用。

Jan Leike解釋說，在某種意義上，可以把ChatGPT理解為OpenAI已有一段時間的AI系統的一個版本。 ChatGPT的能力並沒有更強。在ChatGPT問世之前，同樣的基本模型已經在API上使用了將近一年時間。

而研究者們的改進可以概括為，在某種意義上，讓它更符合人類想用它做什麼。它會在對話中和使用者交談，是一個聊天介面，很容易存取。它更容易推斷出意圖，而使用者可以透過來回試探，來達到自己想要的目的。

秘訣就是，人類回饋強化學習（RLHF）技術，這和InstructGPT的訓練方式很像－教會它人類使用者實際喜歡的樣子。

Jan Leike介紹說，他們讓一大群人閱讀了ChatGPT的提示和回應，然後對回應進行二選一的選擇，看看大家認為哪個回應更好。然後，所有這些數據都被合併到一次訓練中。

它的大部分內容與他們在InstructGPT上所做的內容是一樣的。例如你希望它有幫助的，希望它是真實的，希望它不會惡毒。

另外還有一些細節，例如如果用戶的詢問不清楚，它應該問後續的問題去細化。它也應該澄清，自己是一個人工智慧系統，不應該承擔它沒有的身份，不應該聲稱擁有它所沒有的能力。當使用者要求它做它不該做的任務時，它必須明確拒絕。

也就是有一個清單，列出了人類評分員必須對模型進行排名的各種標準，例如真實性。但他們也會偏愛某些做法，例如AI不要假裝自己是人。

準備發布

總的來說，ChatGPT用的都是OpenAI已經使用過的技術，所以團隊在準備向公眾發布這個模型時，沒有做任何特別的事情。在他們看來，為先前的模型設定的標準已經足夠了，GPT-3.5已經足夠安全。

而在ChatGPT對人類偏好的訓練中，它自學了拒絕行為，拒絕了許多請求。

OpenAI為ChatGPT組成了一些 「唱紅臉的」人：公司裡的每個人都坐下來，試圖打破這個模型。也有外部團體做同樣的事情。值得信賴的早期用戶也會提供回饋。

Sandhini Agarwal介紹道，他們確實發現了它會產生某些不必要的輸出，但這些都是GPT-3.5也產生的東西。因此，只看風險的話，作為一個「研究預覽」，ChatGPT已經夠好了。

John Schulman也表示，不可能等到一個系統100%完美了，才去發布它。幾個月來，他們對早期版本進行了beta測試，而beta測試人員對ChatGPT的印像都很好。

OpenAI最擔心的，其實是事實性的問題，因為ChatGPT太喜歡捏造東西了。但這些問題在InstructGPT和其他大型語言模型中都存在，所以在研究者看來，只要ChatGPT在事實性和其他安全問題上比那些模型更好，就已經足夠了。

而根據有限的評估，在發布之前，可以確認ChatGPT比其他模型更真實，更安全，因此，OpenAI決定繼續發布。

發布後的回饋

ChatGPT發布後，OpenAI一直在觀察用戶是如何使用它的。

一個大型語言模型被放在數以千萬計的使用者手中，這種事還是史上第一次。

用戶們也玩瘋了，想測試ChatGPT的極限在哪裡，bug在哪裡。

ChaatGPT的走紅，也讓許多問題湧現出來，例如偏見問題，例如透過prompt誘導的問題。

Jan Leike表示，某些在推特上瘋傳的東西，其實OpenAI已經有人悄悄出手了。

例如越獄問題，絕對是他們需要解決的。使用者就是喜歡嘗試透過一些彎彎繞繞讓模型說不好的話，這在OpenAI的意料之內，也是一條必經之路。

當發現越獄時，OpenAI會把這些情況加入訓練和測試資料中，所有資料都會被納入未來的模型。

Jan Leike表示，每當有一個更好的模型，他們都會想把它拿出來測試。

他們非常樂觀地認為，一些有針對性的對抗性訓練，可以讓越獄的情況得到很大的改善。雖然目前還不清楚這些問題是否會完全消失，但他們認為，自己可以使許多越獄行為變得困難。

當一個系統「正式出道」時，很難預見到所有實際會發生的事情。

因此，他們只能把重點放在監測人們使用系統的目的上，看看會發生什麼，然後對此作出反應。

如今，微軟已經推出了必應Chat，許多人認為它是OpenAI官方未宣布的GPT-4的一個版本。

在這個前提下，Sandhini Agarwal表示，現在他們面臨的，肯定比六個月前高得多，但仍然低於一年後的水平。

這些模型是在什麼背景下被使用的，有極為重要的意義。

對於Google和微軟這樣的大公司，即使有一件事不符合事實，也會成為巨大的問題，因為他們本身就是搜尋引擎。

Google的第23位員工、創建了Gmail的Paul Buchheit，對Google持悲觀態度

作為搜尋引擎的大語言模型，和一個只為了好玩的聊天機器人是完全不同的。 OpenAI的研究者們也在努力弄清楚，如何在不同用途之間遊走，創造出真正對使用者有用的東西。

John Schulman承認，OpenAI低估了人們對ChatGPT政治議題的關心程度。為此，在收集訓練資料時，他們希望做出一些更好的決定，來減少這方面的問題。

Jan Leike表示，從自己的角度來看，ChatGPT經常出現失敗。有太多問題要解決了，但OpenAI並沒有解決。這一點，他坦誠地承認。

儘管語言模型已經存在了一段時間，但仍然處於早期。

接下來，OpenAI需要做的事情，就更多了。

以上是真不是凡爾賽！ ChatGPT如此成功，OpenAI也不理解的詳細內容。更多資訊請關注PHP中文網其他相關文章！