從ChatGPT走紅，談企業需要甚麼樣的人工智能

2023-03-062023-03-06 Ben Leung

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

ChatGPT 並非無所不能

出於好奇，筆者也試用了 ChatGPT。整體感覺對於一般的開放性問題，ChatGPT 生成的回答文法結構完整，語言風格自然，比之前的聊天機械人有明顯的進步。內容的準確性和完整性，往往能超過正常交流時大多數人的「第一反應」，更像是經過了一番思考並整理後的結果，條理清晰，很有啟發。但對於專業性問題，尤其是需要邏輯推理的知識，ChatGPT並沒有像網上文章說的那麼出色，經常張冠李戴或者形式上像、模像樣、但內容上卻不知所云。

ChatGPT 中的 GPT 的全稱是的 Generative Pre-trained Transformer — 即「生成式預訓練轉換器」。借用一位名叫 #矽谷學霸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 學習大多聚焦於觀測、分類和分析內容，而生成性AI則不限於分析現有數據，它可以生成新內容，可以根據需要生成新的代碼、詩歌、文章和藝術品。

ChatGPT 是專注於文本內容的生成性 AI。所謂「預訓練」是指該轉換器已經在某些有限的數據集上進行了訓練；事實上，ChatGPT 已經學習了 2021 年 6 月以前人類編寫和發佈在互聯網上的海量資料，而且是通過「監督學習」和「人類反饋強化學習」這兩種技術進行的學習。Transformer 是一個非常底層的 AI 機器學習的算法架構，是一種深度神經網絡。從 GPT-1 到今天的 GPT-3.5 都是採用 Transformer 架構，而 GPT 模型的進化有賴於底層硬件超級算力的效率提升，以支持AI對更多、更大數據集的訓練和學習。

也就是說，ChatGPT 是通過海量（約45TB）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。由於訓練語料涉及面廣，所以 ChatGPT 對各行各業的資料都有涉獵，總能略知一二，有時甚至回答得頭頭是道。對某些專業領域，比如編程，甚至可以產生準確的代碼並直接運行。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。若要完成一個創新的算法，或者複雜問題的編程，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，生成出幾可亂真的作品，並不是真正意義下的創造未來。 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。

企業對於聊天機械人抱持更高要求

ChatGPT讓我們看到了大型語言模型的未來。然而，在企業應用中，為了創造業務價值，ChatBot 的應用則更多用於對外的「客戶服務」或對內的「業務助手」方面。這就對此類模型提出更高的要求——

第一，準確性和專業性：企業往往要求回答準確且專業，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」，類似的還有 Google 的 Bard，它們都需要海量的資料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。企業級的 ChatBot 是一種「封閉領域系統」，往往不是需要一個乖巧的「百事通」，而是需要專業領域可靠的「知識助手」。它的訓練語料是有限的，包含企業內部文檔和資料、專業領域知識庫、外部該領域的相關文章等，大量的資料都是不公開的。 ChatBot 能回答的問題也限定在專業領域的場景語境中。不必面面俱到，但求簡練、精準、專業。
第二，主動式對話：碰到模棱兩可的提問時，企業應用往往要求通過主動引導式對話，甚至反問的方法，迅速澄清意圖，然後再給出明確的答案。這一點 ChatGPT 目前尚未做到，當問題模糊時，回答也模糊，提問者發現後，換一種問法，或者在對話中縮小範圍，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，後台整合能力：ChatBot作為企業對話的窗口，在提供服務時需要和企業大量的後台系統連結和整合。比如：在識別意圖後可以從數據庫或大數據平台中自動收集相關數據，並進行分析和推理，得到客戶所需的明確答案；或者啟動一條指令或一個後台流程，幫助客戶完成相關操作。

人工智能變得日漸成熟

OpenAI 從 2018 年以來長期堅持研發大型語言模型，通過不斷迭代，從最初的 GPT-1 到目前的 GPT-3，且今年會發行 GPT-4。目前，在開源社區找到 GPT-3 模型，也
為企業開展此類研究提供了範本。

ChatGPT 對企業的吸引力是毋庸置疑的，多數企業都有意願擁有一個自己的 ChatGPT。然而，當前 ChatGPT 採用最新的 GPT-3.5 模型，含有千億級參數，一次訓練就要花費數百萬美元。大多數企業都不具備如此大的算力，但如果為了獲得對話模型，把企業內部數據都上傳到網上，利用公共雲訓練也會有安全顧慮。所以，企業主導訓練一個定製版 ChatGPT，無論從財力還是合規方面都會有障礙。

IBM Watson，也就是 IBM 企業級的人工智能，經過十多年的發展，從研究到實驗，至今已經發展成為一套可以在 Red Hat OpenShift 上任意運行的 AI 能力，以產品化的方式提供給用戶，幫助企業整合和分析混合環境下分散而複雜的企業數據，從而實現數據驅動的預測性決策、智能自動化和基於企業內外適時數據和洞察的安全策略與回應。

IBM Watson服務企業級AI應用

今天 IBM Watson 已經應用於全球四萬多企業用戶的業務場景當中，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
務及專業人士（例如人力資源、財務、網絡安全管理人員等），或是具備一定 AI 技能並且正在大規模使用 AI 的數據科學家、IT 專業人員等。

IBM Watson 提供了許多不同的工具和服務，用於解決多種問題。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台。

長期以來，IBM Watson 提供企業級 AI 應用，特別為企業定制「業務助手」類的對話式應用。基本上，Watson 有語音文字轉換、意圖識別、對話流設計、文本分析、知
識整理、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領域知識，並有意識地設計和引導對話方向。

Watson 通過後台的機器學習、自然語言處理、文本生成、語音識別與合成、對話系統、知識圖譜技術，可以分解文本結構，精準定位觀點、事實、論據、邏輯關係等。早在數年前，採用 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的體驗感受甚至可以超過 Watson，令人驚詫，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 的專業性、可設計性、整合性則更適合企業級的業務定位。 IBM 把這種普適性的大型基礎模型稱為基礎模型，它利用遷移學習經過少量的專業訓練，就能進入一個知識領域，並且得到新的啟發，這一點非常像人類的學習過程，有廣闊的應用前景，也是 IBM 今後研究的重點。

我設想，對於企業已有的 Watson 對話模型，也可以利用 ChatGPT 得到增強。可以是協同模式：當發現是專業領域的封閉式問題，可用原有 Watson 模型回答，當發現是
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，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，也難以駕馭高度創新和深度思考的任務。我認為，對於企業級的應用，融合 ChatGPT 與 IBM Watson 之所長，不乏為快速高效地應用 AI 提升體驗、創造價值之選。