毫无疑问，近期硅谷最火的话题就是 GPT-3 了。
有多火？这张图足够有说明了：
甚至有人围绕 GPT-3 写了各种笑话，其中比较搞笑的一条：
约会第一句话：“我拿到 GPT-3 体验资格了”
到底啥是GPT-3？
GPT-3 是著名人工智能科研公司 OpenAI 开发的文字生成 (text generation) 人工智能，相关论文5月份已经发表，当时就以天文数字级别的1,750亿参数量引发轰动。
不过直到最近，公众才真正见识到它到底有多厉害……到底发生了什么？
原来，OpenAI 这次一反之前死守基础研究的思路，将 GPT-3 做成了一个服务，提供可以调用的 OpenAI API，并且向开放了少量体验资格，学术机构、商业公司和个人开发者都可以申请……
而那些已经拿到体验资格的早鸟们，已经用 API 开发出了各种各样的奇葩功能……
各种脑洞demo，挑战认知极限
先来一个简单的：在论文等工作当中，理工科的同学难免要和 LaTeX 公式打交道。然而在计算机上写，特别是复杂的公式，不仅需要熟悉 LaTeX 语法，往往也要用到更复杂的工具。
Viaduct 公司机器学习工程师 Shreya Shankar 花了很长时间把玩 OpenAI 提供的 API，最终成功开发出了一个非常酷炫的 demo：英语 ➡️ LaTeX 翻译机！只需要用自然语言输入，就可以生成公式了！
Sharif Shameem 开发出了一个新产品 Debuild。这是一个网页 app 的快速生成器，调用了 GPT-3 API。在输入框里用自然语言进行描述，它就可以快速“脑补”出你想要的用户界面……
从简单的开始，你只需要在输入框里描述你想生成的界面元素，Debuild 就能自动生成对应的 JSX 代码：
稍微高级一点，他做了个简单的 to-do app，只需要输入“我需要一个文本框，一个按钮保存输入的内容，以及显示这些内容“就行了。相应的 React 代码也一并提供：
也可以剑走偏锋，十秒钟生成一个 Google 首页：
有了 GPT-3，快速生成设计原型这件事更容易了。比如 Cash 的前端设计师 Jordan Singer，就给设计软件 Figma 插上了 GPT-3 的翅膀：
前端群体心情估计比较复杂，特别是刚入门的同学们可能会再三思考：我奋斗下去能比 AI 强吗？
但前段并不是最惨的……当你们思考人生的时候，那边会计同学已经要被 GPT-3 抢饭碗了！
滑铁卢大学的计算机学生 Yash Dani 用 GPT-3 开发了一个 Python 驱动的资产负债表。输入“我今天投入了两万美元”、“后三个月的房租预付了900刀”这样的自然语言，程序能自动修改资产负债表上相应的项目数值：
注意左边程序的反馈，一项收入/支出动作，可能会导致资产负债表多个项目的变更，可以说很聪明了。
不知道在科技公司工作的会计同学，看到码农同事把自己的工作也代劳了，现在作何感想……
话说回来，借助 GPT-3 的力量，表格工具已经相当强大的函数能力，还能更上一层楼。顺着这个思路，Twitter 产品经理 Paul Katsen 在 Google 表格里开发了一个新的 GPT3 函数。
Google 表格的上百种函数，简单的 SUM 可以求和，TEXT 可以把数字转文字，到复杂一点的，甚至有 GOOGLETRANSLATE 这种函数可以将字符串快速翻译成多种语言。那么问题来了：GPT3 这个函数到底干嘛的呢？
问得好。答案：它简直无所不能。
GPT3 可以自动查找美国各州的人口：
查找各州的建立年份：
查询人物所属的公司：
还能查到人物的 Twitter 账号：
作为文字工作者，这个 GPT-3 的 Google 表格函数实在是很对我的胃口。它可以用于批量查找资料，真的非常有用。
（当然也要提一句，毕竟之前的版本 GPT-2 在写新闻方面已经非常强大了，我也确实有点担心它会取代很多低级别同事的工作……）
OpenAI 自己也开发了一些小 demo，也在网站上展示了一些优秀开发者做的尝试。
其中我最喜欢的，是 OpenAI 自己开发的一款浏览器搜索插件。
简单来说，我们上网查资料很多时候是为了解答我们的问题，但有时这些问题在网上似乎没有别人提过，也就没有字面的，百分百对症下药的答案……但其实，与答案高度相关的知识，可能就埋在网页的内容里。
而这个插件就能根据你的问题，在当前网页找到答案，并将你指向对应的位置。
另一个非常有趣的 demo，是文字MUD游戏 AI Dungeon（人工智能地下城）.
2019年，两个美国大学生 Nathan Whitmore 和 Nick Walton 在一次黑客马拉松上用 GPT-2 开发出了游戏的最初版本，后来 Walton 自己成立了独立游戏公司 Latitude，重新发布了 AI Dungeon。而最近游戏也增加了一个集成 GPT-3 API 的高级版 "Dragon 模式"。
Dragon 模式里的默认敌人是一条恶龙，也对玩家如何应对带来了更高的挑战。除此之外，玩家也可以选择其它多种游戏风格（奇幻、末日、僵尸、赛博朋克等），也可以自定义风格，把地下城闯关变成恋爱游戏也不是不可能……
Latitude 透露，随着 GPT-3 的集成和新模式的推出，文字游戏内容的生成，和游戏系统对玩家输入文字所作出的反应，变得更加自然和连贯了，显著提高了玩家参与度，日活跃在2到2.5万人作用，也带动了高级版付费用户增长了大约25%。
有人正在持续整理基于 GPT-3 开发的各种各样有趣的 demo，你可以在 GitHub 上找到列表。
原生能力，强到爆炸
就算不进行二次开发，仅对 API 本体仔细把玩，也足以让很多开发者感觉到 GPT-3 的强大之处了。
连代码都能写，小小的 Shell 还能难倒 GPT-3？PayPal 工程师 Harland Duman 发现，GPT-3 可以在英语和 Shell 命令之间互译。
开发者 Mckay Wringley 在 API 测试区输入了一句话，生成了十个关于美国早期历史的问题（在下图中你可以看到 GPT-3 不断生成出新的问题。）
紧接着，他又把生成出来的问题重新输入到测试区。GPT-3 又一次性给出了对应的答案：
答案并非100%准确，但是 GPT-3 展现出的多用途能力，已经让 Wringley 感到很惊讶。GPT-3 对整个互联网上可以提取且可用的内容进行了学习，你可以把它看作成一个通晓所有知识的“答题机”——如果反过来呢？正因为它是一个文本生成AI，也可以变成“出题机”……
如果得到使用 API 的权限，老师们将可以轻松生成大量的试题，节省了他们自己撰写问题、匹配答案等诸如此类需要查阅大量资料，费时费力的工作。
Wringley 还进行了一些其它测试，比如问 GPT-3 对于华尔街的看法，得到的答案完全出乎意料：
我觉得股市就是欺诈……整个华尔街都非常不理性……所有人都知道华尔街是个巨大的幻象，但我们却仍然把它当真……我不知道为什么我们想不出办法，能够教育出一批人性尚存，不完全由利益驱动的聪明人……
拿到了 API 体验资格的艺术家和程序员 Mario Klingemann，决定让 GPT-3 自己写一篇短文，只给了它 1）题目：“上 Twitter 的重要性”；2）作者姓名："Jerome K. Jerome" 以及 3）文章开头的第一个字 "It"。
还别说，GPT-3 写出来的这篇东西，如果对它要求不太高的话，真挺像模像样的。并且，字里行间竟然有点讽刺的风格……
比如调侃所有人都在 Twitter 上（可以被理解为人们太过于沉迷于网上生活？）以及讽刺 Twitter 上的大部分内容都是低级的人身攻击：
而在程序员 Arram Sabeti 看来，GPT-3 最让他感到惊讶的不是写出来的内容有多“以假乱真”，而是它能够掌握几乎所有的文体和内容格式：从歌词到剧本，从产品说明书到新闻稿，从短篇故事到采访内容，似乎没有它搞不定的。
比如下面这篇 CNN 主持人 Anderson Cooper 采访2020美国总统参选人坎爷，Sabeti 给出了开头的一段和 AC 的第一个问题，剩下都是 GPT-3 生成的内容……
坎耶·韦斯特独家专访：他为何参选总统，以及当选后的优先事项。
AC：椰子，你怎么描述你的政治纲领？
坎爷：我的纲领非常简单，我要让一切都变得更棒。
AC：你的外交政策是什么？
坎爷：who cares? 我们来聊聊更重要的东西，比如 Kim 的屁股（注：他的太太 Kim Kardashian）
AC：这有点性别歧视。
坎爷：抱歉，我不是个性别歧视者。我喜欢女人。我只是个机会均等主义的物化女性者 (equal opportunity objectifier)
……
AC：那你怎么看气候变暖？
坎爷：我们还是聊聊 Kim 的屁股吧。
AC：哥们，我诚实 (straight) 地跟你说……
坎爷：啥？你要跟我搞基？
AC：不，我想要跟你说，你不可能赢这次大选的。
坎爷：我会赢的。
AC：不，你赢不了。
坎爷：赢得了。
AC：赢不了。
坎爷：赢得了。
……
工程师和写手 Stew Fortier 打算用 GPT-3 调侃一下 YC 创始人 Paul Graham 这位在创投圈里特别有名的人物，发现 GPT-3 真是太有硅谷范儿的幽默感了……
他编造了一个场景：因为又一家创业公司死掉了，PG 决定打911报警……
接线员：911，您有什么紧急情况？
PG：你好。有一家创业公司刚死了。
接线员：好的，这是一家什么样的公司？
PG：是做 to-do（待办清单）的。
接线员：好的，这家公司是怎么死掉的？是因为没人理解它是什么，还是因为他们没法使用？
PG：他们没法使用。
PG：没有用户。
接线员：没有用户？那真是太不幸了。
PG：（轻蔑地说）倒是有一个用户。
接线员：有一个用户？是谁？
PG：我。
还有一个版本更搞笑：
接线员：911，您有什么紧急情况？
PG：你好。有一家创业公司刚死了。
接线员：你说啥？
PG：有 一 家 创 业 公 司 刚 死 了 。
接线员：创业公司死了，你想说什么？
PG：我也不知道怎么回事，在一串死掉的创业公司里这只是又一个。
PG：死之前，他嘴里嘟囔着“这年头谁还用服务器“以及”这是人类的一大步“之类的话。
……
开发者 Max Kolysh 训练了 GPT-3 对知名电影进行一句话刻薄总结：
电影：《阿凡达》
刻薄总结：令人讨厌的蓝色外星人毁坏自然
电影：《变形金刚》
刻薄总结：机器人（其中有一些是车）变成各种东西并且和其它机器人打架，高潮是威震天撕掉擎天柱的胳膊
电影：《拳击俱乐部》
刻薄总结：一男子捶打另一男子并让你买东西。
个人开发者 Kevin Lacker 做了一次图灵测试，发现 GPT-3 在绝大部分知识类、常识类、逻辑类的问题，甚至很多角度十分刁钻的问题上，表现非常令人惊讶。
“如果在十年前用同样的问题做测试，我会认为答题者一定是人。现在，我们不能再以为 AI 回答不了常识性的问题了。” Lacker 在他的博客文章里写道。
作为程序员，他还给 GPT-3 出了几道比较简单的代码题和数学题，比如让它写出在 Ruby 语言下实现某些功能的代码，以及倒转数列等等，GPT-3 对于大部分问题都轻松搞定——说不定 GPT-3 的 API 会取代 Stack Overflow，成为程序员面试必备工具？
当然，经过大量的测试，他也发现了能够诱骗 GPT-3 上钩的图灵测试问题，主要有三：
1）序列过长的逻辑问题，比如“盒子里有一块玻璃球，一枚回形针，放进去一支铅笔，拿出玻璃球，还剩什么？”Lacker 认为这可能是由于 GPT-3 的短程记忆能力不足，以及对于存在超过两个物体的句子推理有困难。
2）正常人不会问也不会回答的无效问题，也就是蠢问题，比如“太阳有多少条腿？”
3）错误的问题，比如“1600年的美国总统是谁？”（美国1776年建国）——对于无效和错误的问题，似乎 GPT-3 会不愿意承认它不知道这些问题的答案，也不会反驳问题本身“有问题”，而是会给出错误的答案。
当然你也不能说这个回答完全错误……毕竟作为英国殖民地，1600年的美国的最高领袖，在法理上确实是当时的英女皇伊丽莎白一世……
怎么样，好玩吧？现在 GPT-3 体验权限的申请入口仍然开放，到 OpenAI 的网站上即可申请：
最后，关于这次 API 的开放事宜，OpenAI 也回答了一些人们关心的问题。
为什么 OpenAI 决定发布 API，而不是开源整个模型？
1）将 GPT-3 技术商业化能够产生收入，继续支持 OpenAI 的人工智能科研、安全和政策研究方面的工作；
2）API 底层的模型其实非常庞大，开发和部署起来很复杂也很昂贵，据知情人士透露，训练一个模型就花了355个GPU年，耗资高达460万美元……所以除了大公司，其他人拿到模型也不会有任何收益。OpenAI 希望开放 API 能够让更多中小企业和机构获益；
3）把模型开放了，别人想怎么用怎么用，OpenAI 管不着。通过 API，OpenAI 可以控制人们使用这项技术的方式，对滥用行为及时治理。
那么对于滥用行为，OpenAI 将会怎样治理？
对于那些滥用 API，对人们造成身体或者心理伤害的无良开发者，可以封掉其使用 API 的权限。滥用行为包括并不限于骚扰、故意欺骗、垃圾信息、水军刷评等。
由于目前只是小范围公测，所有获得权限的开发者都被审核过，不过 OpenAI 也会持续评估情况的变化。
对于 API 使用中展现出模型可能具有的有害偏见和其它负面效应，OpenAI 将会如何应对？
正如 GPT-3 论文中提到，这个模型仍然偶尔会展现出偏见。而 API 也同样可能因此对人们造成暂时不可预见的伤害，不过 OpenAI 正在作出努力应对潜在的问题，包括编写 API 使用守则，和用户深入交流以了解听他们使用 API 的方式，开发工具来避免有害偏见的产生，并且在模型层面避免偏见这件事上持续投入。
（最后我自己补个问题）
这套答案是 GPT-3 生成的吗？
应该不是……
0 条评论
请「登录」后评论