ChatGPT：開啟通用型人工智能的數字交往

OpenAI公司的ChatGPT（Chat Generative

Pretrained Transformer）在兩個月內火速出圈，引發了人們對AIGC（人工智能技術生成內容）的關注與討論。作為AI產品問世的ChatGPT，已向消費者展現了AI的技術可供性。用戶在ChatGPT的人機交互中，感知到了AI技術所產生的質變。

1. 技術祛魅：遵循概率的大語言模型

ChatGPT是OpenAI公司研發的一種預訓練語言生成模型。該模型以強化學習方式進行訓練，在GPT-3的基礎之上，依托人類反饋信號優化語言模型算法（RLHF）[1]，通過大量代碼訓練和模型微調，生成一個大語言模型（LLM： Large Language Model），且無須復合代理支撐。推理是一種心智能力，邏輯、算術和概率是3個最好的推理工具。[2]文本類AI任務的核心邏輯是“猜概率”。ChatGPT基于Transformer架構，擅長自然語言生成類任務，采用自回歸語言模型，從左到右進行填字概率預測，貼近人類偏好，捕捉人類語言習慣。用戶以文字下達命令（Prompting），ChatGPT生成token構建響應。

GPT語言模型至今有幾十年的技術發展歷史，ChatGPT是3.5版本。2017年6月，人工智能研究界的雙子星—OpenAI與DeepMind表明在無須訪問獎勵函數的情況下，根據人類偏好訓練深度強化學習代理，可以經濟地擴大到最先進的強化學習系統。該研究進展進一步體現了深度強化學習應用于復雜真實環境中的可行性，也是創造與人類協作的人工智能應用的重要一步。[3]ChatGPT的技術路徑蛻變迅速，2017年6月，谷歌提出Transfomer模型。2018年6月，OpenAI提出GPT模型。2019年2月，OpenAI提出GPT-2模型。2019年9月，OpenAI創始人山姆·奧特曼對GPT系列和AGI（通用型人工智能）發表了幾點新看法：GPT-4即將到來，重點在于Codex改進；GPT-4模型大小不會有較大改變，但更易于訓練；DALL-E圖像生成器將公開；多模態模型將在文本生成上擊敗純文本模型；以目前收入來看，Codex和GPT-3 這兩個機器學習項目收取的使用費不夠彌補用于訓練模型的開支。2020年5月，OpenAI提出GPT3模型。2021年12月，OpenAI的Codex模型賦予GPT思維鏈能力，WebGPT模型則為GPT注入了搜索能力。2022年2月，OpenAI的Instuction GPT模型有了理解人類指令的能力。

2023年1月，一則推文稱GPT-4的參數達100萬億。ChatGPT-3有1750 億參數，尚未問世的GPT-4的參數是否將突破100萬億？該內容的真實性已被OpenAI的數據工程師否定。參數是用于訓練和預測的矩陣權重，浮點運算的數值通常與參數數量成比例。這些運算在處理器上完成，如GPU、TPU和其他專用芯片。而在2019年，DeepMind的杰出研究科學家Richard S. Sutton談到人工智能發展的教訓，他認為未來利用算力才是人工智能發展的關鍵，在此基礎上搜索和算法才能帶來技術水平的長期提升。[4]

2.應用場景：開啟通用型人工智能

從ChatGPT的用戶規模來看，它在市場上備受矚目，隨之掀開了一場AI競技的帷幕。2022年11月30日，美國企業OpenAI發布ChatGPT；2022年12月5日，山姆·奧特曼在推文中宣布ChatGPT突破100萬用戶；2023年1月末，ChatGPT用戶破億，刷新Twitter上線9個月用戶量破億的歷史記錄。從人工智能的類別來看，目前覆蓋更多的是專用人工智能，其特征是在某一方面有自動化專業能力，例如DeepMind的AlphaGo在圍棋比賽中戰勝人類冠軍柯潔。ChatGPT作為通用型人工智能（AGI）產品，其區別在于它的智能化具有像人一樣的思維水平、心理結構甚至人性特征，有如科幻電影的場景照進現實。

傳播即游戲。威廉·吉布森認為跨越人機界限的那一刻實現人機合一，其他都淪為次要。[5]ChatGPT可以在許多現實場景中發揮作用，如游戲設計、推薦系統、智能客服、智能問答等。如果用戶只是把ChatGPT當作聊天bot，那么它的定位就是一個陪伴式的AI聊天對象，開發特性在于對話的流暢性、趣味性與個性化。一位名叫Bloc的開發者為游戲《騎馬與砍殺2》植入了ChatGPT，Bloc還一并設計了故事引擎，保證游戲中的NPC既能與玩家交流，它的對話又符合游戲主題與情節發展。

知識傳播產生知識經濟。豐富和暢通知識傳播渠道，有利于深度挖掘知識的社會價值和經濟價值。ChatGPT是一本《答案之書》還是會形成新的知識體系？又是否會產生“AI繭房”？OpenAI正在為應用程序編程接口建構一項嵌入的新功能，即用簡單的數字表示形式提煉概念、句子甚至代碼之間的關系，以生成更強大的搜索、分類和建議。若將它視作一個知識型搜索引擎，它能幫助用戶在短期內迅速了解信息，但在專業性和準確率方面需要完善。意識的實際內容極其復雜，專業人士作為學術研究實驗的設計者、參與者和觀察者，可以檢查ChatGPT答案的合理性，校對錯誤內容。此外，ChatGPT的語料庫受限于某個時間點，它生成的文本是對人類創造性勞動結晶的降維。

AIGC暫時未必廣泛適用各行各業的內生邏輯，但不代表它沒有合適的土壤。作為一項兼具潛力和風險的新科技，AI的開發應用具有上層建筑屬性。當前，世界范圍內一些單位組織機構發布了關于ChatGPT的禁用聲明。但在未來，原先不匹配的領域也有可能發生變形。隨著各家科技大廠紛紛入場，人機耦合的機會隨之不斷拓展。從社會屬性來看，AIGC在價值甄別、權利保護、責任裁決等方面具有挑戰性。AIGC革新傳媒產業的內容生產模式，模式轉型需要從機器道德、技術倫理、法律規制、數字版權等方面進行綜合考量，比如ChatGPT暴露了諸如價值觀、準確度、可信度、種族歧視、性別偏見等問題。從商業屬性來看，提高ChatGPT的經濟可行性，離不開成本控制和商業化盈利模式創新。LLM參數量呈指數增長，需要更多的計算資源，LLM的成本不斷增加。不同AI產品的用戶需求對標不同的智能化水平，往后隨著用戶增多，LLM還要擴大性能以滿足多種用戶需求。滿足需求不僅要解決LLM性能的技術支撐，還得解決商業問題。ChatGPT不可避免將走向商業化，除了擴大傳媒經濟市場的市場占有，還包括對其他行業的探索，將催生出AIGC新業態。

3.人機交互：AI技術賦能產業數字化

在數字社會的智能傳播環境中，真實與虛擬打破次元壁。人與AI的數字交往越來越生活化，人機交互趨于深化融合。隨著智能技術所建構的“虛擬社會”日漸清晰，人們又會對人類生存的不確定性進行反思。提出一個問題和解決一個問題，何者更困難？給出一個答案與驗證一個答案，何者更復雜？例如ChatGPT會不會讓一批人失業？有用戶認為ChatGPT的出現對人類產生了的威脅，拋給ChatGPT一個問題：“數字人會統治世界嗎？”ChatGPT回答：“不會，雖然計算機和人工智能技術正在發展，但它們仍然不能替代人類的智慧和創造力。計算機只能根據程序執行任務，而人類則可以根據環境和情況做出更有創造性的決定?！痹贑hatGPT的人機交流中，觀點一旦涉及價值判斷，要得到用戶的認同便具有極高的難度。況且，這是基于2021年9月前的語料庫訓練所生成的答案。現階段ChatGPT只能在有限的情境下表現出參考性、決策性、輔助性，還不足以被人完全信賴。Open AI的宗旨是確保通用人工智能造福全人類，希望所打造的人工智能系統與人類的意圖保持一致，并鼓勵公眾參與產品開發設計領域的決策。為提升產品性能，提高市場滿意度，用戶使用反饋尤為關鍵。此外，OpenAI正在積極探索低成本計劃、商業計劃和數據包的選項，以提高AIGC的可用性，打算在通用模型上做定制化模型。

新型技術與經濟社會發展密不可分，AI技術賦能產業數字化，有利于做強做優做大我國數字經濟，將有效推動數字強國戰略的實施，其本身也可作為基礎性戰略資源。當前，AI技術已應用于影視、游戲、電商、廣告營銷、傳媒出版，工業等領域。AIGC 不僅能夠生成文字和語音，還擴展到了文案、圖像、代碼、視頻等多種形態，主要將從內容生產層面推進場景應用的多元化?；ヂ摼W內容生產呈現出“PGC-UGC-AIGC”趨勢，人與機器的主客體關系處于動態變化之中。AI的發展從智能助理變成協作伙伴，還將不斷向原創階段邁進。AI技術融入數字產業發展，對商業機制、勞動關系、經濟結構、文化教育等方面產生影響。AGI能代替一些人類的機械性、重復性勞動，AI行業也離不開新型勞動力供給。AI行業萌生了新的工作種類，明確了崗位的專業職責和技能要求。2020年2月，國家人力資源和社會保障部與市場監管總局、國家統計局聯合發布了16個新職業，包括人工智能訓練師、智能制造工程技術人員、工業互聯網工程技術人員、虛擬現實工程技術人員等多個新職業。[6]此外，推進產業數字化，要轉換人才培養思路和教育理念。ChatGPT為教育行業的數字化轉型帶來新的啟發。人對機器發出Prompt，也同時考驗人的問題意識和提問能力。人的想象力、洞察力、判斷力、領導力、信念感、目標感、獲得感、思辨能力、共情能力、合作能力、創新能力尤為寶貴，在數字交往中應得到進一步提升與展現。

在人與技術的雙向奔赴中，人發明技術，技術也發明人。對AI的超前憂慮源于人們對它的討論是將技術視作是先于人的外在，但人作為內在，本身就處于外在之中。從用戶的媒介使用出發，建立在AI人機互動模式上的新型融合，一定程度上會彌補現有新媒體傳播技術的不足。用戶被賦予更多的媒介選擇權、自由權，使用權，由此AIGC將激發新的創造力。

[1]Learning to summarize from Human Feedback，https：//arxiv.org/pdf/2009.01325.pdf.

[2][美]史蒂芬·平克.心智探奇：人類心智的起源與進化[M].郝耀偉譯.杭州：浙江人民出版社，2016：303.

[3]Deep reinforcement learning from human preferences[EB/OL].https：//arxiv.org/abs/1706.03741.2017-01-12/2023-02-17.

[4]Rich Sutton.The Bitter Lesson[EB/OL].http：//www.incompleteideas.net/IncIdeas/BitterLesson.html.2019-03-13/2023-02-15.

[5][美]威廉·吉布森.全息玫瑰碎片[M].李克勤等譯.北京：北京時代華文書局，2021：190.

[6]人力資源和社會保障部、市場監管總局、國家統計局聯合發布智能制造工程技術人員等16個新職業[EB/OL].http：//www.mohrss.gov.cn/wap/xw/rsxw/202003/t20200302_361093.html.2020-03-02/2023-02-17.

作者簡介：黃楚新，中國社會科學院新聞與傳播研究所數字媒體研究室主任，研究員；陳伊高，中國社會科學院大學新聞傳播學院博士研究生。

（本文繪圖：王文姝）