史敏才

根據(jù)瑞銀最近一份研究報告估計，OpenAI 2022年11月底推出的ChatGPT在2023年1月份達到了1億月度活躍用戶，成為歷史上增長最快的面向消費者的人工智能應用程序。根據(jù)Sensor Tower的數(shù)據(jù)，從上線開始算，達到1億月活，Instagram用了大約2年半，TikTok抖音用了大約9個月，而ChatGPT只用了2個月。

據(jù)業(yè)內媒體反饋，ChatGPG也是當前中國企業(yè)開發(fā)者社區(qū)最關注的話題———如何將ChatGPT運用于企業(yè)，用于哪些業(yè)務場景，怎么用？包括金融、制造和車企在內的傳統(tǒng)企業(yè)都對此極為關注。一些開發(fā)者表示，他們的領導已經(jīng)下命令，讓他們加快研究ChatGPT如何在業(yè)務當中發(fā)揮作用。

第三方研究機構早在2021年就報告IBM連續(xù)3年位列全球AI市場份額的第1名，全球有超過4萬企業(yè)客戶正在使用IBM的人工智能，即Watson AI。近年來，許多把“數(shù)據(jù)為先”作為企業(yè)數(shù)字化轉型重點的中國企業(yè)也加入到積極采用人工智能技術的行列，他們與IBM的技術與行業(yè)專家一道，攜手打造了不少創(chuàng)新領先的AI應用場景，積累了一定的經(jīng)驗。

近期，基于客戶與合作伙伴對于面向企業(yè)人工智能應用的高度關注與探索需求，IBM中國的技術與行業(yè)專家，分享了他們的見解與實施經(jīng)驗，希望能夠對廣大客戶、合作伙伴和開發(fā)者社區(qū)的同行有所啟發(fā)和借鑒。以下是IBM杰出工程師、大中華區(qū)客戶成功架構師、大中華區(qū)金融行業(yè)首席架構師陳宇翔的觀點。

ChatGPT火爆出圈

最近幾周，AI業(yè)界最大的新聞無疑是ChatGPT橫空出世，從而引發(fā)的業(yè)界震動。市場上有大量的評論文章，有把它描述成無所不能的，大有代替人類職業(yè)之勢；也有提出擔擾，某些頂級學術雜志和知名高校已經(jīng)明確限制AI作者發(fā)表論文和科研成果。

出于好奇，筆者也試用了ChatGPT。整體感覺對于一般的開放性問題，ChatGPT生成的回答文法結構完整，語言風格自然，比之前的聊天機器人有明顯的進步。內容的準確性和完整性，往往能超過正常交流時大多數(shù)人的“第一反應”，更像是經(jīng)過了一番思考并整理后的結果，條理清晰很有啟發(fā)。但對于專業(yè)性問題，尤其是需要邏輯推理的知識，ChatGPT并沒有像網(wǎng)上文章說的那么出色，經(jīng)常“張冠李戴”或者形式上像模像樣但內容上卻不知所云。

為什么會這樣呢？我們可以問一問ChatGPT自己。據(jù)其官方介紹：“ChatGPT是由OpenAI公司開發(fā)的一款預訓練語言模型，旨在生成人類可讀的文本。通過讀取大量的文本數(shù)據(jù)，學習了如何生成與語言相關的內容，并在輸入一段文本時生成一段有關的文本輸出……”ChatGPT中GPT的全稱是Generative Pre-trained Transformer———即生成性預訓練變換模型。借用一位名叫#硅谷學霸Jolin的技術教育博主對GPT模型的淺顯解釋，她說：“以ChatGPT為代表的‘生成性AI是一項技術突破，之前AI學習大多聚焦于觀測、分類和分析內容，而生成性AI則不限于分析現(xiàn)有數(shù)據(jù)，它可以生成新內容，可以根據(jù)需要生成新的代碼、詩歌、文章和藝術品。ChatGPT是專注于文本內容的生成性AI。所謂‘預訓練是指該模型已經(jīng)在某些有限的數(shù)據(jù)集上進行了訓練，事實上，ChatGPT已經(jīng)學習了2021年6月以前人類編寫和發(fā)布在互聯(lián)網(wǎng)上的海量信息，而且是通過‘監(jiān)督學習和‘人類反饋強化學習這2種技術進行的學習。Transformer是一個非常底層的AI機器學習的算法架構，是一種深度神經(jīng)網(wǎng)絡。從GPT-1到今天的GPT-3.5都是采用Transformer架構，而GPT模型的進化有賴于底層硬件超級算力的效率提升，以支持AI對更多、更大數(shù)據(jù)集的訓練和學習?！?/p>

也就是說，ChatGPT是通過海量（約45 TB）語料訓練而掌握了語法和語義結構的成熟的大型語言模型，其特色是文本生成能力很強，產生的文字風格和內容很像之前的輸入———即人類語言。由于訓練語料涉及面廣，所以ChatGPT對各行各業(yè)的信息都有涉獵，總能略知一二，有時甚至回答得頭頭是道。對某些專業(yè)領域，比如編程，甚至可以產生準確的代碼并直接運行。然而，若仔細觀察，這些代碼往往都是解決特定的小任務，代碼風格似曾相識。若要完成一個創(chuàng)新的算法，或者復雜問題的編程，ChatGPT就無能為力了。

總體而言，這類通過學習語料來生成文本的AI模型，都是在學習過去，其目標是模仿過去，生成幾可亂真的作品，并不是真正意義下的創(chuàng)造未來。ChatGPT也不例外。作為助手，對思考的廣度往往有幫助，對思考的深度卻不盡然。

從聊天到業(yè)務助手

ChatGPT讓我們看到了大型語言模型的未來。然而，在企業(yè)應用中，為了創(chuàng)造業(yè)務價值，這類對話形式的應用（ChatBot）則更多用于對外的客戶服務，或對內的業(yè)務助手等方面。這對此類模型提出更高的要求。

第一，準確性和專業(yè)性

企業(yè)往往要求回答準確且專業(yè)，如果對答案沒有把握，回答“不知道”也好過生成一大段豐富而無用的文字。

ChatGPT是一種開放領域系統(tǒng)，類似的還有Google的Bard，它們都需要海量的信息輸入和長時間的訓練，能應付所有領域的對話，回答內容相關度高，對答自知、語法自然。

而企業(yè)級的ChatBot是一種封閉領域系統(tǒng)，往往不是需要一個乖巧的“百事通”，而是需要專業(yè)領域可靠的“知識助手”。它的訓練語料是有限的，包含企業(yè)內部的文檔和資料、專業(yè)領域的知識庫以及外部該領域的相關文章等等，大量的資料都是不公開的。ChatBot能回答的問題也限定在專業(yè)領域的場景語境中。不必面面俱到，但求簡練、精準、專業(yè)。

第二，主動式對話

碰到提問模棱兩可的時候，企業(yè)應用往往要求通過主動引導式對話，甚至反問的辦法，迅速澄清意圖。然后，再給出明確的答案。這一點ChatGPT目前尚未做到，當問題模糊時，回答也模糊，提問者發(fā)現(xiàn)后換一種問法，或者在對話中縮小范圍，可逐步得到想要的結果。整個過程中，ChatGPT每次都是被動回答。

第三，后臺集成能力

ChatBot往往作為企業(yè)對話的渠道入口，在提供服務時需要和企業(yè)大量的后臺系統(tǒng)集成。比如：在識別意圖后可以從數(shù)據(jù)庫或大數(shù)據(jù)平臺中自動收集相關數(shù)據(jù)，并進行分析和推理，得到客戶所需的明確答案；或者啟動一條指令或一個后臺流程，幫助客戶完成相關操作。

企業(yè)級AI應用

OpenAI從2018年以來長期堅持研發(fā)大型語言模型，通過不斷迭代，從最初的GPT-1到目前的GPT-3，且今年會發(fā)行GPT-4。目前，在開源社區(qū)找到GPT-3模型，也為企業(yè)開展此類研究提供了范本。

ChatGPT對企業(yè)的吸引力是毋庸置疑的，多數(shù)企業(yè)都有意愿擁有一個自己的ChatGPT。然而，當前ChatGPT采用最新的GPT-3.5模型，含有千億級參數(shù)，一次訓練就要花費數(shù)百萬美元。大多數(shù)企業(yè)不具備如此大的算力，但如果為了獲得對話模型，把企業(yè)內部數(shù)據(jù)都上傳到網(wǎng)上，利用公有云訓練也會有安全顧慮。所以，企業(yè)主導訓練一個定制版ChatGPT，無論從財力還是合規(guī)方面都會有障礙。

IBM Watson，也就是IBM企業(yè)級的人工智能，經(jīng)過10多年的發(fā)展，從研究到實驗，至今已經(jīng)發(fā)展成為一套可以在紅帽O(jiān)pen Shift上任意運行的AI能力，以產品化的方式提供給用戶，幫助企業(yè)整合和分析混合環(huán)境下分散而復雜的企業(yè)數(shù)據(jù)，從而實現(xiàn)數(shù)據(jù)驅動的預測性決策、智能自動化和基于企業(yè)內外適時數(shù)據(jù)和洞察的安全策略與響應。

今天IBM Watson已經(jīng)應用于全球4萬多企業(yè)用戶的業(yè)務場景當中，為具有不同水平AI技能的用戶提供尖端的AI能力，無論是缺乏AI技能卻想通過AI重獲時間效率的商務及專業(yè)人士（例如人力資源、財務及網(wǎng)絡安全管理人員等），還是具備一定AI技能并且正在大規(guī)模使用AI的數(shù)據(jù)科學家、IT專業(yè)人員等。IBM Watson提供了許多不同的工具和服務，用于解決多種問題。它涵蓋了語言處理、解釋、回答和生成文本等多種功能，以幫助客戶解決商業(yè)問題。同時，它也提供了語音識別、圖像識別等其它功能，使之成為一個非常強大和全面的人工智能平臺。

長期以來，IBM Watson面向企業(yè)級AI應用，特別為企業(yè)定制“業(yè)務助手”類的對話式應用?；旧希琖atson有語音文字轉換、意圖識別、對話流設計、文本分析、知識整理和情感分析等功能。使得Watson可以在通用的語言模型上疊加專業(yè)領域知識，并有意識地設計和引導對話方向。

Watson通過后臺的機器學習、自然語言處理、文本生成、語音識別與合成、對話系統(tǒng)和知識圖譜技術，可以分解文本結構，精準定位觀點、事實、論據(jù)和邏輯關系等。早在數(shù)年前，采用IBM Watson技術的IBM人工智能辯手就曾以它的機智幽默和高情商而驚艷業(yè)界，它可以針對任何一個預設話題，比如“國家應該為每個人提供基本收入”，臨時選擇正方或反方，與人類的辯論冠軍選手進行對辯。今天的ChatGPT也可以達到這個效果。應該承認，其通用語言模型和文本生成技術所呈現(xiàn)的體驗感受甚至可以超過Watson，令人驚艷，其開放的用戶界面更是讓大眾能夠親身體驗這種驚艷，然而Watson的專業(yè)性、可設計性、集成性則更適合企業(yè)級的業(yè)務定位。IBM把這種普適性的大型基礎模型稱為基礎模型（Foundation model），它利用遷移學習（Transfer learning）經(jīng)過少量的專業(yè)訓練，就能進入一個知識領域，并且得到新的啟發(fā)，這一點非常像人類的學習過程，有廣闊的應用前景，也是IBM今后研究的重點。

設想，對于企業(yè)已有的Watson對話模型，也可以利用ChatGPT得到增強?？梢允菂f(xié)同模式：當發(fā)現(xiàn)是專業(yè)領域的封閉式問題，可用原有Watson模型回答，當發(fā)現(xiàn)是開放式問題，可用ChatGPT回答。也可以通過競爭模式：一次生成多個答案，由人類做裁判，相互學習共同提高。

總言之，ChatGPT將人機對話的體驗提高了一個檔次，利用強大的搜索和知識整理的能力，在問題回答的廣度上往往很有啟發(fā)，但深度不足。目前只能學習人類語言和知識，還做不到思考推理，也難以駕馭高度創(chuàng)新和深度思考的任務。個人認為，對于企業(yè)級的應用，融合ChatGPT與IBM Watson之所長，不失為快速高效地應用AI提升體驗、創(chuàng)造價值之選。