2020年能够实现强AI吗？GPT-3 是强AI吗？

所谓的强AI是一个科学术语，用来定义能够完全取代人类的人工智能，这种智能经常出现在机器打败人类的好莱坞电影中。在 2020 年，我们朝着强AI迈出了坚实的一步，但仍然没有实现强AI。

  

我们都知道AI主要有两种类型：强AI和弱AI。强AI经常出现在好莱坞电影中，其中的智能机器就像人类一样，无论是简单的还是复杂的任务都可以处理：从聊天、跳舞，甚至到征服宇宙

 

弱AI既指机器学习，也指我们日常生活背后使用的大多数智能工具(搜索引擎、聊天机器人、道路导航或网络安全解决方案)的算法。

 

到目前为止，强人工智能的实现日期还不能确定，因为这是一项相当复杂的工作，而且我们并不确定是否能够完成它。

 

2020 年最新的超级算法

 

 2020 年有一种最新研发的超级算法GPT-3备受关注，以下是它能做的事情:

 

1. 担任一名(初级)前端程序员

 

它可以基于自然语言的描述构建前端布局，甚至是简单的应用程序。可以使用Figma创建一个完整的网站，并在React中生成代码，而这个过程中你只需要用文字描述你想做的事情。

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：

 

甚至十秒钟生成一个 Google 首页：

2. 担任一名(初级)系统管理员或IT经理

 

对于这个AI来说，它可以处理 SQL编程和Python编程，也可以完成系统管理的工作。

 

不过你也不能对它期望太高，因为它也有可能不能很好的完成上面的任务。你在使用之前，最好先测试一下，即便一开始不能达到你的要求，通过训练，最终它也能够不断完善自己的能力。

 

3. 担任一名(初级)数据分析师

 

你可以用自然语言问它问题，它能够通过维基百科的链接给你答案。你输入数据后，还可以要求它绘制图表并在需要时进行更新。

GPT3 可以自动查找美国各州的人口：

 

查找各州的建立年份：

还有，假如你想不起某部电影的名字了，你可以通过简单地描述电影的基本情节来提问获得答案。

 

4. 担任你的律师、秘书，甚至成为五大人格体系中任何一种人

 

它具有翻译的能力，可以作为你的律师，为你解释法律条款。它还可以根据提纲要点，帮你写出措辞更加礼貌谦逊的信件。

 

如果你想学习些知识却没有足够的时间，AI 算法可以帮你总结概括主要知识点，甚至可以用五大人格体系中任何一种风格来行文写书。

 

5. 担任一名卫报的专栏作家

 

这个AI写的一篇文章，曾经被发表在英国一家主流报纸上。编写谷歌广告和其他营销材料也不是问题。

 

6. 担任一名老师，教会你一些东西，并做出结论

 

例如，它可以告诉你什么是编程，并且给你展示编程的结果。可以为不同学科背景的学生提供测试。

人工智能还可以为医生提供一些建议，并对物理问题或数学进行详细阐述。这两者都涉及到推理，即使对部分人类来说也很难实现。

GPT-3 还可以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。

 

所以，这就是所谓的无所不能的强AI了么？答案依然是否定的。

 

GPT-3 简介及其工作原理

 

这种算法是由Open AI创建的GPT-3 (Generative Pre-trained Transformer 3)。

有些人甚至不认为它属于人工智能，因为它只是一种语言模型，一个庞大的语言模型：即便是用地球上最快的 GPU，也需要 355 年才能完成训练，并且将花费 460 万美元。

 

语言模型又是什么呢？

在给定的上下文，预测下一个标记(例如一个单词)的一类算法。例如，我们都能预测这句话中的下一个词:“To be, or not To be, that is the…”是不是很简单?还有很多类似这样的模型。

GPT-3为何如此强大？

在所有NLP模型中，GPT-3在两个方面达到了史无前例的高度。

一是参数量，达到了1750亿，比刚推出时世界最大NLP模型Tururing大10倍，比同系列的GPT-2高出116倍。

二是数据集。具体数值很难估计。不过，英语维基百科的全部内容（涵盖约600万篇文章）仅占其训练数据集的0.6％。除此之外，它还涵盖了其他数字化书籍和各种Web链接。

这意味着数据集的文本类型非常丰富，包括新闻报道、诗歌、小说、宗教、科学、生活等等。人类所能查询到的知识领域均在其中。（也可能存在不良内容的风险）

只有通过庞大的知识库的训练，才能把GPT-3培养成一个“全才”，这也是为什么在用户体验中，GPT-3可以不分学科完成所有文本生成任务。

另外，Microsoft和OpenAI合力开发了一款超级计算机，专门用于GPT-3模型训练，这款超级计算机拥有超过 285000 个 CPU 内核、10000 个 GPU 和 400Gbps 的网络连接。它与世界 TOP500 超级计算机相比，位列 Top 5 第五名。

 

为什么还是实现不了强人工智能?

当然，经过大量的测试，发现能够诱骗 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， GPT-3 不承认它不知道这些问题的答案，也不反驳问题本身“有问题”，而是会给出错误的答案。

人工智能顾名思义，是用来模拟自然智能的。当然，没有必要模仿人类的生理机能(神经网络中的“神经元”并不是人类神经元的模型，它只是一个比喻)，但它需要具有能够类似于自然(人类)智能的工作方式。

 

GPT-3 实际上只是记忆了大量的文本数据，但它不理解它，不能思考，不能从中推断得出知识。

它通过使用单词的上下文来“学习”单词的意思，要想猜出接下来要说什么，它只需要在相似的语境中使用相似的词。

虽然它已经很逼真了，但它缺乏真正的智能能力。

 

参考资料：

1. Strong AI in 2020? No

https://www.immuniweb.com/blog/strong-artificial-intelligence-2020.html

2. GPT-3: the AI language tool that may change how we perceive

https://www.ft.com/content/beaae8b3-d8ac-417c-b364-383e8acd6c8b

3. GPT-3: The First Artificial General Intelligence?

https://towardsdatascience.com/gpt-3-the-first-artificial-general-intelligence-b8d9b38557a1 

 

扫码关注《图灵的猫》

点赞、在看、分享三连~