只有我一个人对ChatGPT感到蕉绿吗？

AI技术

2023-01-10 10::28

卷友们好，我是rumor。

上周四，在国内公众号还没刷屏的时候，我就看到ChatGPT发布的消息了，当时迅速看了下博客内容，心想「就这？」，这不跟DeepMind的Sparrow一样吗？而且设计的还没它好，Sparrow专门设计了一个可控的防攻击机制：

当时也懒得去注册账号，就快速写了篇技术解读完事了。

没想到周末的时候，这个声势越来越浩大，我赶紧跟风去买了个账号聊了一会，那时我的心情变成了：「卧槽？？？」，虽然我能挑出一些刺儿，但这也太牛*了。。

接下来的两三天里，我的世界都被ChatGPT打满了，看了一堆大家的截图，又看一了堆大佬的解读，再着急地刷了InstructGPT的论文，然后我开始焦虑了。甚至看到ChatGPT这几个字都有点PTSD。

可能跟我的性格有关系，我开始陷入了自我否定，觉得自己这几年都在做啥，我什么时候才能搞个ChatGPT出来。虽然我也知道这不是我一个人的事情，也不是一个部门或者一家公司的事情，而是跟整个互联网行业的价值导向相关。

直到昨晚，我才突然想清楚，我焦虑的原因不只是因为「它太好了」，而是「我们可能追不上OpenAI了」。

首先，它的效果除了来自大家公认的数据质量高之外，我觉得还有一点，那就是OpenAI真的把对话的闭环run起来了。

比如在搜索系统里，用户的大量点击行为可以作为反馈，来不断提升排序模型的效果，而对话系统回答的是文字，自然没法统计点击率，即使加个点赞点踩的功能，也只有很少的人会点，而且对于智能客服、任务型系统来说用户往往是按心情而不是答案对错。这样就导致大部分系统都是靠一些间接指标，或者定期抽取数据去人工评估对话效果，评完后的数据，也不一定会被拿来优化模型，可能直接加词表或者配置标准问就完事了。

OpenAI也没能解决这个用户行为反馈的问题，但他们构造了另一种持续成长的闭环：优化生成模型 -> 采样用户Prompt -> 人工标注答案排序 -> 训练更契合当前用户群体的RM -> 用RM去优化生成模型。

那么多公司都发布过对话模型，但大部分都是toy阶段，而OpenAI坚持了下来，并且在一年的时间里，经过数次迭代从InstructGPT^[1]进化到了ChatGPT。而且随着用户量（已经百万了）和消息量的上涨，他们会更好地拟合人类的Prompt分布。

这就是令我焦虑甚至有点害怕的地方，还有一个词可以概括这个可能会发生的现象，那就是马太效应。

对于AI来说，算力、模型都不是壁垒，数据是。用ChatGPT的人越多，它的效果就越好，从而吸引更多用户。并且在这个迭代过程中，我们现在说的各种问题都会迎刃而解，无非是哪个版本发布而已。（连我都知道加个搜索引擎API能提升知识问答表现，OpenAI会不知道吗（狗头。

这就是令我真正焦虑的地方。以往的BERT、大模型都没关系，无非是拿开源框架、开源数据、几张卡和人力训几个月而已。但这次OpenAI在数据和用户数量上都形成了很强的壁垒，我仔细看了下InstructGPT的论文，虽然只有十万左右的Prompt，但雇了40人的外包团队，标注文档就写了16页^[2]，每个任务除了问最终答案外还会问许多其他问题：