ChatGPT距离通用人工智能有多远

就底层技术而言，ChatGPT并不是多么了不得的创新。虽然在公众眼中，它是革命性的，但是我们知道，它就是一个组合得很好的产品，仅此而已。——Yann
LeCun

ChatGPT自去年11月30日发布以来，一直热度不减，只用2个月实现了月活过亿，最近还成功出圈，屡次登上热搜。它是现有条件下将大规模预训练模型发挥到极致的产物，虽然取得了令人惊艳的效果，但是距离通用人工智能仍然非常遥远。

主要原因有以下几点：

第一，ChatGPT局限在自然语言领域。它可以称为一个较为通用的自然语言模型，因为对话话题可以自由选择、完成的任务多种多样，但是自然语言以外的任务，例如图像识别、下围棋，它无法完成。虽然可以将其它领域的问题映射为自然语言让它回答，但是应该怎样描述以及效果怎么样仍然未知。从自然语言中总结出的规律不一定适用于其它领域，虽然不同领域的底层逻辑是相通的，但是对于一个只知道自然语言的模型而言，算法是否先进到能够以小见大、领悟出真实世界的通用逻辑呢？自然语言只是真实世界的一个片面映射，即使是人类也会被误导和迷惑。或许ChatGPT始终无法掌握其它领域，只有像学习自然语言一样准备其它领域的大量数据重新训练它。

第二，ChatGPT需要大量数据训练。通用人工智能需要能够利用少量数据发现规律，因为未知领域不会总有大量已知数据。ChatGPT的底层技术是早已问世的Transformer模型，和其它预训练模型乃至所有深度学习模型一样，本质还是对海量数据进行统计，只是数据量更大、统计方法更加先进而已。当然，有人也许会说，ChatGPT的模型的确不是通用人工智能，但是训练后的ChatGPT具有学习能力，训练后的ChatGPT才值得判断是否是通用人工智能。我们可以看到，ChatGPT的确具有一定的学习能力，能够根据用户的少量指示或者示例改变自己的回复，但是这种能力是较弱的，和人类有不小的差距，尤其是涉及逻辑推理的部分。

第三，ChatGPT还没有实现自我迭代的闭环。通用人工智能的出现意味着奇点，也就是它能够比人类更好地设计自身，从而快速地自我进化。ChatGPT虽然可以通过与人类对话等形式完善自身，但是没有形成闭环，一旦脱离技术人员的帮助，它的进化就容易卡在一个瓶颈，因为它的底层技术还不足以支持它只通过语料就不断进化，到一定程度必然需要改变底层技术，而即使在未来，ChatGPT也很难获得改变自己底层技术的能力。不仅仅是指它没有条件去重写自己的代码或者改变自己的硬件，而是它的智能水平没有达到。

总而言之，ChatGPT本质上只是在模仿人类已有的自然语言文本，因为训练语料很大，所以表现出非常接近人类表述的能力。由于“ELIZA 效应”（人们会对机器输出的内容过度解读，例如把机器当成人来理解，即使机器只是进行了简单地指代替换），人们会觉得它非常智能。事实上，ChatGPT和通用人工智能的差距仍然非常大，创造通用人工智能需要在底层理论上有所创新，探索的路还很长。