关于人工智能:国内谁能实现chatgpt短期穷出的类ChatGPT简评算法侧角度为主以及对MOSSChatYuan给出简评

1.ChatGPT 简介【核心技术、技术局限】

ChatGPT（全名：Chat Generative Pre-trained Transformer），美国 OpenAI 研发的聊天机器人程序，于 2022 年 11 月 30 日公布。ChatGPT 是人工智能技术驱动的自然语言解决工具，它可能通过学习和了解人类的语言来进行对话，还能依据聊天的上下文进行互动，真正像人类一样来聊天交换，甚至能实现撰写邮件、视频脚本、文案、翻译、代码，写论文 等工作。

1.1 外围竞争力

ChatGPT 受到关注的重要起因是引入新技术 RLHF (Reinforcement Learning with Human Feedback，即基于人类反馈的强化学习)。RLHF 解决了生成模型的一个外围问题，即如何让人工智能模型的产出和人类的常识、认知、需要、价值观保持一致。ChatGPT 是 AIGC（AI- Generated Content，人工智能生成内容）技术停顿的成绩。 该模型可能促成利用人工智能进行内容创作、晋升内容生产效率与丰盛度。

1.2 技术局限性

ChatGPT 的应用上还有局限性，模型仍有优化空间。ChatGPT 模型的能力下限是由处分模型决定，该模型须要巨量的语料来拟合真实世界，对标注员的工作量以及综合素质要求较高。ChatGPT 可能会呈现发明不存在的常识，或者主观猜想提问者的用意等问题，模型的优化将是一个继续的过程。若 AI 技术迭代不迭预期，NLP 模型优化受限，则相干产业倒退进度会受到影响。此外，ChatGPT 盈利模式尚处于摸索阶段，后续商业化落地停顿有待察看。

2. 国内外 ChatGPT 倒退状况

2.1 国内外 ChatGPT 技术布局

上述图为援用图片，如有侵权请分割。

2.2 目前已知产品

• 文心一言（英文名：ERNIE Bot）是百度基于文心大模型技术推出的生成式对话产品，将于 2023 年 3 月实现内测，面向公众凋谢
• Bard 是谷歌在一个大型语言模型根底上，推出的聊天机器人
• MOSS 是复旦大学自然语言解决实验室公布的对话式大型语言模型。

2023 年 2 月 20 日，解放日报·上观新闻记者从复旦大学自然语言解决实验室获悉，MOSS 已由邱锡鹏传授团队公布，邀公众参加内测。2 月 21 日，该平台发布公告，感激大家的关注，同时也指出，MOSS 还是一个十分不成熟的模型，间隔 ChatGPT 还有很长的路须要走

• ChatYuan：元语智能团队

首个中文版 ChatGPT——ChatYuan 即在人工智能社区引发了宽泛的探讨。现在 ChatYuan 又迎来了降级版本，反对中英双语交互、屡次编辑、上下文关联交互、模仿情景设定等多种新性能。

国产自研性能对话大模型元语 ChatYuan 于 2022 年 12 月公布测试版本后，引起社会各界人士的宽泛探讨，并且收到了用户的大量反馈和贵重倡议。元语智能团队已于近日对元语 ChatYuan 进行了模型成果优化和版本性能降级，现已凋谢内测。

3. 简评 ChatGPT 技术路线以及目前公测产品

对于 ChatGPT 实现首先从因素上介绍

3.1 ChatGPT 技术实现因素

简略认为以下三点比拟重要：

1. 短缺的数据集（已标注）
2. 具备大模型能力（公司、实验室）
3. 丰盛的算力机器
4. 算法技术能力

首先针对数据集问题：
先天劣势的是百度、字节跳动等公司；其次才是各大公司研究室。细化一下就是百度、字节跳动有高质量数据集（信息量足，结构化等劣势）简化标注数据获取环节，有利于模型训练失去高质量模型。

其次具备大模型能力（公司、实验室）
在 NLP 畛域 AI 大模型能力也是有所共见，创始新纪元。所以领有本人的大模型是至关重要的（千亿参数量）

再者丰盛的算力机器
模型训练依赖算力，没有短缺 AI 加速卡，时不待我啊。

最初也就是具备先进的算法技术能力
这个是至关重要的，1. 针对数据集其余公司能够通过爬虫形式拿到局部原生数据再加工，也算解决数据集问题吧。2. 针对大模型因为目前业界开源了很多 NLP 各个领域的大模型任何一个人都能够获取某个畛域的多任务预训练大模型。3. 算力嘛，花钱能够解决，只有你足够富裕。然而回归到先进的算法技术能力这里就是要出差距了，做一个“ChatGPT”外壳产品难度不大，然而要做一个真正 ChatGPT 难度很大。

3.2 ChatGPT 技术宏观实现门路

上面从宏观实现门路进行简略解说

3.2.1. 堆砌式（关闭）模型：级别一

框架大抵如下：

• ChatGPT（智能问答）

  • 工作分类大模型分类（把问题分到到对应模型去解决）

    • 信息抽取大模型
    • 举荐零碎大模型
    • 生成代码大模型
    • 智能问答大模型（单轮多轮对话）
    • 等等

次要以语义搜寻举荐零碎技术下给到你索引答案，只是包装了一个前端展现（对话模式）

3.2.2. 堆砌式（凋谢）模型：级别二

• ChatGPT（智能问答）

  • 工作分类大模型分类（把问题分到到对应模型去解决）

    • 信息抽取大模型
    • 举荐零碎大模型
    • 生成代码大模型
    • 开放式 智能问答大模型（单轮多轮对话）
    • 等等

援用：Datafun 图片

凋谢域对话技术属于人机对话的一种。除了凋谢域对话，人机对话还包含面向工作的对话和问答对话。
面向工作的对话相似于订票、查天气等，这也是大家用得比拟多的一种。

• 问答就是有明确的需要，用户间接询问零碎找答案。
• 凋谢域对话与后面两者不同，前两者用户要么有明确的需要、要么有明确的场景。但凋谢域对话是在一个很凋谢的场景中进行拟人的对话，能够进行任意的对话。同时，要求对话零碎有人设、有人格和情感。

能够简略了解为 AI 模型更智能，算法技术更厉害了。

3.2.3. 基于 RLHF 的 AIGC 的堆砌式模型：级别三

简介：
RLHF (Reinforcement Learning with Human Feedback，即基于人类反馈的强化学习) RLHF 解决了生成模型的一个外围问题，即如何让人工智能模型的产出和人类的常识、认知、需要、价值观保持一致。
AIGC（AI- Generated Content，人工智能生成内容）技术停顿的成绩。该模型可能促成利用人工智能进行内容创作、晋升内容生产效率与丰盛度。

• ChatGPT（智能问答）

  • 工作分类大模型分类（把问题分到到对应模型去解决）

  • RLHF 多智能体强化学习

    • 信息抽取大模型
    • 举荐零碎大模型
    • 生成代码大模型
    • 开放式 智能问答大模型（单轮多轮对话）
    • 等等

讲一下级别三和级别二的区别：RLHF 多智能体强化学习
级别二的各个大模型之前是独立的，级别三通过强化学习算法把各个模型耦合起来，同时模型的产出和人类的常识、认知、需要、价值观的模型。管制产出好坏也就是 处分模型 决定，答案称心给出正向反馈，反之给出负分。这个设计难度也很大。

总结一下就是技术上降级了，模型更加智能输入后果更佳贴近用户。具体用户侧感触就是你能够“调教 chatgpt”，产生个性化定制。当然这种和搜寻举荐零碎给到的个性化也是不一样的。

3.2.4. 基于 RLHF 的 AIGC 的多任务完满模型模型：终极状态

• ChatGPT（智能问答）

  • 基于 RLHF 强化学习的多任务完满模型模型

简略来说就是所有工作一个模型都能解决，上游工作兼容性完满！期待一手！

3.2.5 小结

从下面四个级别能够看出，难度一次回升。集体认为 openAI 的 chatgpt 应该是第三种计划，因为终极状态相比级别三来说，难度难以想象（一个模型实现所有工作，只能说太强了）。换一个角度，咱们作为用户从产品侧看是很难感知出两者区别，从目前的业界开源模型状况来看 计划三更加靠谱，落地也会更快，但技术难度还是很大的！

上面通过剖析一下国内目前公测的 MOSS 和 ChatYuan

4. 对 MOSS、ChatYuan 给出简评

4.1 ChatYuan

它具备的性能：

• 1.【反对屡次编辑】
  第一次输出后，能够进一步提出要求，修改生成内容，疾速更新所需内容。
• 2.【反对上下文关联交互】
  反对多轮次交互，晋升上下文关联理解能力，更加天然的人机交互模式。
• 3.【模仿情景设定】
  反对模仿情景设定，如模仿对话、模仿小说背景、模仿人物性格。
• 4.【根底代码 / 表格生成】
  初步实现生成代码性能，代码构造绝对残缺，局部代码逻辑继续优化中，表格生成能力初步实现。
• 5.【反对中英文交互】
  反对中英切换交互，如输出中文能够回复英文内容
• 6.【根底生成工作成果晋升】
  内容生成效果显著晋升，写公文、写故事、写论文提纲、写特定主题含关键词的诗歌等，成果较之前有比拟显著的晋升。

官网开源：https://github.com/clue-ai/Ch…
码源：https://colab.research.google…

在这个 notebook 中咱们将应用 transformers 库联合 GPU 训练 ChatYuan 模型，应用的是 pCLUE 多任务提醒学习数据集。

首先从这个开源我的项目中，应用的数据集是 pCLUE: Large-scale Prompt-based Dataset for Multi-task and Zero-shot Learning in Chinese

pCLUE：基于提醒的大规模预训练数据集，用于多任务学习和零样本学习

数据集状况：

1. 单分类 tnews 
2. 单分类 iflytek 
3. 自然语言推理 ocnli 
4. 语义匹配 afqmc 
5. 指代消解 -cluewsc2020 
6. 关键词辨认 -csl 
7. 浏览了解 - 自由式 c3 
8. 浏览了解 - 抽取式 cmrc2018 
9. 浏览了解 - 成语填空 chid 

数据量：120 万训练数据，73 个 Prompt
1. 训练集 train.json: 1,200,705
2. 验证集 dev.json: 100,000
3. 公开测试集 test_public.json: 129,556
4. 测试集 test.json: 250,461

具体数据，见：./datasets

input: 模型的输出
target: 模型的输入
type: 工作类型，浏览了解(mrc), 分类(classify)，生成(generate)，自然语言推理(nli)
评估规范：浏览了解(em), 分类(acc)，生成(em)，自然语言推理(acc)
answer_choices: 选项（只有分类、推理类工作有）

预测工作输入状况

6300 input_string: 3 号型蒸汽机车是全台铁路商务总局购入的饱合式蒸汽机车，其特色是披覆在车体上的水柜，如同马鞍般。台湾清治期间的全台铁路商务总局向英国(Hawthorn Leslie and Company)，订购马鞍型水柜式机车。1889 年与 1893 年各制作 3 部，总共 6 部。1895 年甲午战争清朝战败后日本成立长期台湾铁道队来代管台湾铁路，最后将 3 号型全配北部线。1899 年台湾总督府交通局铁道部成立后于 1904 年将 2 部机车转配彰化段。进入大正时代后又汇合北部、在基隆段 1 部、台北段 5 部。1918 年为了宜兰线的工程和营运而将 2 部机车海运至宜兰段、1920 年全数转配宜兰段。随著机车逐步老化与过期，至 1926 年 3 号机车报废。1927 年在台北段 2 部宜兰段 3 部，1929 年全副进行使用，1931 年报废。今已无一部保留。3 号 - 5 号无另取名。参考上述上下文，3 号型蒸汽机车什么时候全副被停用？答案：;predict: 1929 年
6400 input_string: 看购影豆原影豆是看购电影团体旗下的一个集在线购票、电影资讯、互动社区及影迷福利等服务于一体的一站式电影平台。咱们致力于打造好玩的电影 APP, 让更多人享受电影带来的乐趣。影片资讯抢鲜看电影导读、电影解析、热映电影精彩预告片, 为您提供更多精彩的电影资讯。影迷圈看有意思的内容影迷圈为您提供影迷精选内容、影迷动静, 看看他们都在看什么会员享特权积分兑好礼降级会员, 享受专属特权, 购票更优惠。每天做工作, 积分好礼随心换领取便捷看购卡购票更简略红包账户、看购卡余额、第三方领取, 用户可随心组合购买影票。持有看购卡用户可间接绑卡购买, 也能够应用多种领取模式组合购买影票。分割咱们看购电影客服热线每天 90021004006776501 看购影豆热线工作日 830173001057228847 看购影豆 APP 新版开明了自助客服性能, 欢送点击我的在线客服体验小秘书服务。官网微信订阅号影豆生存官网微信服务号看购电影更新内容更新日志 1. 批改局部 Bug
这个是对于哪方面的 App 应用程序的形容？选项：银行, 社区, 电商, 领取, 经营, 卡牌, 借贷, 驾校, 理财, 职考, 新闻, 游览, 交通, 魔幻, 医疗, 影像, 动作, 工具, 体育, 小说, 静止, 相机, 工具, 快递, 教育, 股票, 菜谱, 行车, 仙侠, 亲子, 购物, 射击, 漫画, 小学, 同城, 成人, 求职, 电子, 艺术, 赚钱, 约会, 经营, 兼职, 视频, 音乐, 英语, 棋牌, 摄影, 养生, 办公, 政务, 视频, 论坛, 彩票, 直播, 其余, 休闲, 策略, 通信, 买车, 违章, 地图, 民航, 电台, 语言, 搞笑, 婚恋, 超市, 养车, 杂志, 在线, 家政, 影视, 装修, 资讯, 社交, 餐饮, 美颜, 挂号, 航行, 预约, 票务, 笔记, 买房, 外卖, 母婴, 打车, 情侣, 日程, 租车, 博客, 百科, 绘画, 铁路, 生存, 租房, 酒店, 保险, 问答, 收款, 竞技, 唱歌, 技术, 减肥, 工作, 团购, 记账, 女性, 公务, 二手, 美妆, 汽车, 行程, 收费, 教辅, 两性, 出国, 婚庆, 民宿。答案：;predict: 电影资讯
6500 input_string: 你会把这个新闻举荐给关注哪方面的人：故事，文化，娱乐，体育，财经，房产，汽车，教育，科技，军事，游览，国内，股票，农业，游戏？疫情下我国高校应届毕业生守业现状考察


1500 input_string: 来到云南红河，有中国最美的山岭雕刻，还有小巴黎之称的碧色寨
 哪个类别最好的形容了这篇新闻？选项：故事，文化，娱乐，体育，财经，房产，汽车，教育，科技，军事，游览，国内，股票，农业，游戏
答案：;predict: 游览

从训练数据集以及解决的上游工作能够看出这是在做一个多任务学习的自然语言模型，对于生成式模型以及生成式多轮智能对话大模型根本不太沾边 ，我感觉是我在第三节里讲的 级别一！

这里也就是展示了算法技术的瓶颈，当然也不排除只是对方没开源。但从目前获取信息来看，必定没有用到强化学习算法技术，间隔真正 AI 还有差距。

当然第三节提到的四种计划，从用户侧来看绝对比拟难感触到的，毕竟国内语义搜寻智能举荐等算法很发达，通过前端包装好。用户还是很难发现的，最多会感觉“这个 AI 有点不太聪慧呀”

4.2 MOSS

网上看了很多测评，裸露问题和 chatyuan 一样，就不在赘述了。

5. 将来利用和期待

5.1 将来利用

联合 ChatGPT 的底层技术逻辑，有媒体曾列出了中短期内 ChatGPT 的潜在产业化方向：演绎性的文字类工作、代码开发相干工作、图像生成畛域、智能客服类工作

5.2 期待

集体比拟期待 百度的文言二心 以及 字节跳动，在通用畛域劣势比拟大，同时技术也比拟前沿，百度飞桨在开源方面做的也比拟好，值得期待。心愿实现的是级别三的计划。