新智元报道

编辑：Aeneas Britta

(资料图)

【新智元导读】ChatGPT的爆火，是OpenAI完全没有想到的是。现在，对于自家模型的人气和种种问题，他们还在慢慢适应中……

这家公司做出了或许能引爆第四次工业革命的产品，但他们却百思不得其解：为啥自家的产品能这么火？

就，真的不是凡尔赛。

最近，MIT Technology Review采访了ChatGPT的几位开发者，让我们近距离地了解了这个大爆的AI产品背后的故事。

火成这样，没有丝毫防备

当OpenAI在202211月下旬悄无声息地推出ChatGPT时，这家初创公司并没有报多大的期望。

OpenAI的员工也没想过，自家模型即将走上的，是一条属于顶流的爆红之路。

ChatGPT仿佛在一夜间大红大紫，还引发了关于大语言模型的一场全球淘金热，而OpenAI还没有丝毫准备，只能匆忙地赶上自己顶流模型的脚步，试图抓住商机。

在OpenAI从事政策工作的Sandhini Agarwal说，在OpenAI内部，ChatGPT一直被视为「研究预览」——它是一个两年前技术的更完善的版本，更重要的是，公司试图通过公众的反馈，来消除模型的一些缺陷。

谁能想到，这样一个「预览」产品，阴差阳错出道后就爆红了呢。

对此，OpenAI的科学家很懵逼，对于外界的鲜花和掌声，他们也很清醒。

「我们不想把它夸大为一个巨大的基础性进步，」参与研发ChatGPT的OpenAI科学家Liam Fedus说。

ChatGPT团队成员当中，有5位被评为2023年度 AI 2000 全球人工智能学者

为此，MIT Technology Review的记者Will Douglas Heaven采访了OpenAI的联合创始人John Schulman、开发者Agarwal和Fedus、对齐团队的负责人Jan Leike。

ChatGPT为什么这么火，我们自己都不明白

创始人John Schulman表示，ChatGPT发布后几天，他时不时就会刷推特。有那么一段疯狂的时期，推特信息流中全是ChatGPT的截图。

他想到了这是一个对用户很直观的产品，也想到它会有一些粉丝，但没想到它会变得这么主流。

Jan Leike表示，一切都太突然了，所有人都很惊讶，努力地跟上ChatGPT爆火的节奏。他很好奇，到底是什么在推动它的人气飙升，难道有什么幕后推手？毕竟，OpenAI自己都搞不清为什么ChatGPT能这么火。

Liam Fedus解释了他们如此惊讶的原因，因为ChatGPT并不是第一个通用的聊天机器人，此前就已经有很多人尝试过了，所以Liam Fedus觉得他们的机会并不大。不过，私人测试版也给了他信心——或许，这款A是用户们真心会喜欢的东西。

Sandhini Agarwal总结道，对所有人来说，ChatGPT一炮而红都是个惊喜。此前，大家在这些模型上做了太多的工作了，以至于都忘记了对于公司外部的普罗大众来说，它是这么惊人。

的确，ChatGPT内的大部分技术并不新鲜。它是GPT-3.5的一个微调版本，而在ChatGPT几个月前，OpenAI就发布了GPT-3.5。而GPT-3.5本身就是GPT-3的更新版本，GPT-3出现于2020年。

ChatGPT团队参与此前七大技术研发人数

在网站上，OpenAI以应用编程接口或API的形式提供了这些模型，其他开发者可以很轻易地将模型插入自己的代码中。

在2022年1月，OpenAI还发布了GPT-3.5的前一个微调版本InstructGPT。只不过，这些技术没有向公众推介罢了。

微调过程

根据Liam Fedus的介绍，ChatGPT模型是由与InstructGPT相同的语言模型微调而来的，使用的微调方法类似。研究人员增加了一些对话数据，并对训练过程进行了一些调整。所以他们不想把它夸大为一个巨大的基础性进步。

事实证明，对ChatGPT起了大作用的，是对话数据。

根据标准基准的评估，实际上两个模型之间的原始技术能力并没有很大差别，ChatGPT最大的不同是，更容易获得和使用。

Jan Leike解释说，在某种意义上，可以把ChatGPT理解为OpenAI已有一段时间的AI系统的一个版本。ChatGPT的能力并没有更强。在ChatGPT问世之前，同样的基本模型已经在API上使用了将近一年时间。

而研究者们的改进可以概括为，在某种意义上，让它更符合人类想用它做什么。它会在对话中和用户交谈，是一个聊天界面，很容易访问。它更容易推断出意图，而用户可以通过来回试探，来达到自己想要的目的。

秘诀就是，人类反馈强化学习（RLHF）技术，这和InstructGPT的训练方式很像——教会它人类用户实际喜欢的样子。

Jan Leike介绍说，他们让一大群人阅读了ChatGPT的提示和回应，然后对回应进行二选一的选择，看看大家认为哪个回应更好。然后，所有这些数据都被合并到一次训练中。

它的大部分内容与他们在InstructGPT上所做的是一样的。比如你希望它有帮助的，希望它是真实的，希望它不会恶毒。

另外还有一些细节，比如如果用户的询问不清楚，它应该问后续的问题去细化。它还应该澄清，自己是一个人工智能系统，不应该承担它没有的身份，不应该声称拥有它不具备的能力。当用户要求它做它不该做的任务时，它必须明确拒绝。

也就是有一个清单，列出了人类评分员必须对模型进行排名的各种标准，比如真实性。但他们也会偏爱某些做法，比如AI不要假装自己是人。

准备发布

总的来说，ChatGPT用的都是OpenAI已经使用过的技术，所以团队在准备向公众发布这个模型时，没有做任何特别的事情。在他们看来，为以前的模型设定的标准已经足够了，GPT-3.5已经足够安全。

而在ChatGPT对人类偏好的训练中，它自学了拒绝行为，拒绝了很多请求。

OpenAI为ChatGPT组建了一些 「唱红脸的」人：公司里的每个人都坐下来，试图打破这个模型。也有外部团体做同样的事情。值得信赖的早期用户也会提供反馈。

Sandhini Agarwal介绍道，他们确实发现了它会产生某些不需要的输出，但这些都是GPT-3.5也产生的东西。因此，只看风险的话，作为一个「研究预览」，ChatGPT已经够好了。

John Schulman也表示，不可能等到一个系统100%完美了，才去发布它。几个月来，他们对早期版本进行了beta测试，beta测试人员对ChatGPT的印象很好。

OpenAI最担心的，其实是事实性的问题，因为ChatGPT太喜欢捏造东西了。但是这些问题在InstructGPT和其他大型语言模型中都存在，所以在研究者们看来，只要ChatGPT在事实性和其他安全问题上比那些模型更好，就已经足够了。

而根据有限的评估，在发布之前，可以确认ChatGPT比其他模型更真实，更安全，因此，OpenAI决定继续发布。

发布后的反馈

ChatGPT发布后，OpenAI一直在观察用户是如何使用它的。

一个大型语言模型被放在数以千万计的用户手中，这种事还是史上第一次。

用户们也玩疯了，想测试ChatGPT的极限在哪里，bug在哪里。

当然，问题很多，比如ChatGPT给黑客们大开方便之门，帮忙窃取信用卡号的恶意软件代码，OpenAI也在针对这些问题不断改进。

ChaatGPT的走红，也让许多问题涌现出来，比如偏见问题，比如黑客通过prompt诱导的问题。

Jan Leike表示，某些在推特上疯传的东西，其实OpenAI已经有人悄悄出手了。

比如越狱问题，绝对是他们需要解决的。用户就是喜欢尝试通过一些弯弯绕绕让模型说不好的话，这在OpenAI的意料之内，也是一条必经之路。

当发现越狱时，OpenAI会把这些情况添加到训练和测试数据中，所有数据都会被纳入未来的模型。

Jan Leike表示，每当有一个更好的模型，他们都会想把它拿出来测试。

他们非常乐观地认为，一些有针对性的对抗性训练，可以使越狱的情况得到很大的改善。虽然目前还不清楚这些问题是否会完全消失，但他们认为，自己可以使很多越狱行为变得困难。

当一个系统「正式出道」时，很难预见到所有实际会发生的事情。

因此，他们只能把重点放在监测人们使用该系统的目的上，看看会发生什么，然后对此作出反应。

如今，微软已经推出了必应Chat，很多人认为它是OpenAI官方未宣布的GPT-4的一个版本。

在这个前提下，Sandhini Agarwal表示，现在他们面临的赌注，肯定比六个月前高得多，但仍然低于一年后的水平。

这些模型是在什么背景下被使用的，有极其重要的意义。

对于谷歌和微软这样的大公司，即使有一件事不符合事实，也会成为巨大的问题，因为他们本身就是搜索引擎。

谷歌的第23位员工、创建了Gmail的Paul Buchheit，对谷歌持悲观态度

作为搜索引擎的大语言模型，和一个只为了好玩的聊天机器人是完全不同的。OpenAI的研究者们也在努力弄清楚，如何在不同用途之间游走，创造出真正对用户有用的东西。

John Schulman承认，OpenAI低估了人们对于ChatGPT政治问题的关心程度。为此，在收集训练数据时，他们希望做出一些更好的决定，来减少这方面的问题。

Jan Leike表示，从自己的角度来看，ChatGPT经常出现失败。有太多问题需要解决了，但OpenAI并没有解决。这一点，他坦诚地承认。

尽管语言模型已经存在了一段时间，但仍然处于早期。

接下来，OpenAI需要做的事情，就更多了。

参考资料：

https://futurism.com/the-byte/openai-confused-people-impressed-chatgpt

https://www.technologyreview.com/2023/03/03/1069311/inside-story-oral-history-how-chatgpt-built-openai/