一、前言

這篇文章旨在為沒(méi)有計(jì)算機(jī)科學(xué)背景的讀者提供一些關(guān)于ChatGPT及其類(lèi)似的人工智能系統(tǒng)（如GPT-3、GPT-4、Bing Chat、Bard等）如何工作的原理。ChatGPT是一種聊天機(jī)器人，建立在一個(gè)大型語(yǔ)言模型之上，用于對(duì)話(huà)交互。這些術(shù)語(yǔ)可能比較晦澀難懂，我將對(duì)其進(jìn)行解釋。同時(shí)，我們將討論它們背后的核心概念，而且本文并不需要讀者具備任何技術(shù)或數(shù)學(xué)方面的背景知識(shí)。我們將大量使用比喻來(lái)解釋相關(guān)概念，以便更好地理解它們。我們還將討論這些技術(shù)的意義，以及我們應(yīng)該期待或不應(yīng)該期待大型語(yǔ)言模型如ChatGPT所能做的事情。

接下來(lái)我們將以盡可能不使用專(zhuān)業(yè)術(shù)語(yǔ)的方式，從基礎(chǔ)的“什么是人工智能”開(kāi)始，逐步深入討論與大型語(yǔ)言模型和ChatGPT相關(guān)的術(shù)語(yǔ)和概念，并將使用比喻來(lái)解釋它們。同時(shí)，我們也將談?wù)撨@些技術(shù)的意義，以及我們應(yīng)該期待它們能夠做什么或不應(yīng)該期待它們能夠做什么。

二、什么是人工智能

首先，讓我們從一些基本術(shù)語(yǔ)開(kāi)始，這些術(shù)語(yǔ)你可能經(jīng)常聽(tīng)到。那么什么是人工智能呢？

人工智能：指一種能夠表現(xiàn)出類(lèi)似于人類(lèi)所認(rèn)為的智能行為的實(shí)體。用“智能”來(lái)定義人工智能有些問(wèn)題，因?yàn)椤爸悄堋北旧聿](méi)有一個(gè)清晰的定義。但是，這個(gè)定義仍然比較恰當(dāng)。它基本上意味著，如果我們看到一些人造的東西，它們能夠進(jìn)行有趣、有用、看起來(lái)有一定難度的行為，那么我們可能會(huì)說(shuō)它們具有智能。例如，在電腦游戲中，我們通常稱(chēng)計(jì)算機(jī)控制的角色為“AI”。這些角色大多是基于if-then-else代碼的簡(jiǎn)單程序（例如，“如果玩家在射程范圍內(nèi)，則開(kāi)火，否則移動(dòng)到最近的石頭后躲藏”）。但是，如果這些角色可以保持我們的參與度和娛樂(lè)性，同時(shí)不做任何顯然愚蠢的事情，那么我們可能會(huì)認(rèn)為它們比實(shí)際上更為復(fù)雜。

一旦我們了解了某個(gè)東西的工作原理，我們可能就不會(huì)覺(jué)得它很神奇，而是期望在幕后有更為復(fù)雜的東西。這完全取決于我們對(duì)幕后發(fā)生的事情的了解程度。

重要的一點(diǎn)是，人工智能不是魔術(shù)。因?yàn)樗皇悄g(shù)，所以它是可以被解釋的。

三、 什么是機(jī)器學(xué)習(xí)

另一個(gè)與人工智能經(jīng)常相關(guān)聯(lián)的術(shù)語(yǔ)是機(jī)器學(xué)習(xí)。

機(jī)器學(xué)習(xí)：一種通過(guò)收集數(shù)據(jù)、形成模型，然后執(zhí)行模型的方式來(lái)創(chuàng)建行為的方法。有時(shí)候，手動(dòng)創(chuàng)建一堆if-then-else語(yǔ)句以捕捉某些復(fù)雜現(xiàn)象（比如語(yǔ)言）是很困難的。在這種情況下，我們嘗試找到大量數(shù)據(jù)，并使用能夠在數(shù)據(jù)中找到模式的算法進(jìn)行建模。

那么什么是模型呢？模型是某種復(fù)雜現(xiàn)象的簡(jiǎn)化版本。例如，汽車(chē)模型是真實(shí)汽車(chē)的更小、更簡(jiǎn)單版本，它具有真實(shí)汽車(chē)許多屬性，當(dāng)然并不意味著要完全替代原始版本。模型汽車(chē)可能看起來(lái)很真實(shí)，在實(shí)驗(yàn)的時(shí)候很有用。

就像我們可以制造一個(gè)更小、更簡(jiǎn)單的汽車(chē)一樣，我們也可以制造一個(gè)更小、更簡(jiǎn)單的人類(lèi)語(yǔ)言模型。我們使用“大型語(yǔ)言模型”這個(gè)術(shù)語(yǔ)，因?yàn)檫@些模型從需要使用的內(nèi)存(顯存)量的角度來(lái)看是非常大的。目前生產(chǎn)中最大的模型，例如ChatGPT、GPT-3和GPT-4，非常龐大，需要運(yùn)行在數(shù)據(jù)中心服務(wù)器上的超級(jí)計(jì)算機(jī)才能創(chuàng)建和運(yùn)行。

四、什么是神經(jīng)網(wǎng)絡(luò)

有很多方法可以通過(guò)數(shù)據(jù)來(lái)學(xué)習(xí)一個(gè)模型，其中神經(jīng)網(wǎng)絡(luò)就是其中一種方法。這種技術(shù)大致基于人腦的結(jié)構(gòu)，人腦由一系列互相連接的神經(jīng)元組成，神經(jīng)元之間傳遞電信號(hào)，使我們能夠完成各種任務(wù)。神經(jīng)網(wǎng)絡(luò)的基本概念在20世紀(jì)40年代就已經(jīng)被發(fā)明了，如何訓(xùn)練神經(jīng)網(wǎng)絡(luò)的基本概念則是在20世紀(jì)80年代發(fā)明的，當(dāng)時(shí)神經(jīng)網(wǎng)絡(luò)非常低效，直到2017年左右計(jì)算機(jī)硬件升級(jí)，我們才可以大規(guī)模地使用它們。

但是，個(gè)人比較喜歡用電路的隱喻來(lái)模擬神經(jīng)網(wǎng)絡(luò)。通過(guò)電阻、電流經(jīng)過(guò)電線(xiàn)的流動(dòng)，我們可以模擬神經(jīng)網(wǎng)絡(luò)的工作。

想象一下我們想要制作一輛可以在高速公路上行駛的自動(dòng)駕駛汽車(chē)。我們?cè)谲?chē)的前、后和兩側(cè)裝上了距離傳感器。當(dāng)有物體接近時(shí)，距離傳感器會(huì)報(bào)告一個(gè)值為1的數(shù)值，而當(dāng)附近沒(méi)有可檢測(cè)的物體時(shí)，傳感器會(huì)報(bào)告一個(gè)值為0的數(shù)值。

我們還安裝了機(jī)器人操作方向盤(pán)，踩剎車(chē)和加速。當(dāng)油門(mén)接收到1的數(shù)值時(shí)，它使用最大的加速度，而0的數(shù)值意味著沒(méi)有加速。同樣，發(fā)送給制動(dòng)機(jī)構(gòu)的數(shù)值為1意味著緊急剎車(chē)，而0則意味著沒(méi)有制動(dòng)。轉(zhuǎn)向機(jī)構(gòu)接受-1到+1之間的數(shù)值，負(fù)數(shù)表示向左轉(zhuǎn)，正數(shù)表示向右轉(zhuǎn)，而0表示保持直線(xiàn)行駛。

當(dāng)然我們必須記錄駕駛的數(shù)據(jù)。當(dāng)前方的道路清晰時(shí)，你會(huì)加速。當(dāng)前方有汽車(chē)時(shí)，你會(huì)減速。當(dāng)一輛汽車(chē)從左側(cè)靠得太近時(shí)，你會(huì)向右轉(zhuǎn)向并變換車(chē)道，當(dāng)然，前提是右側(cè)沒(méi)有車(chē)。這個(gè)過(guò)程非常復(fù)雜，需要根據(jù)不同的傳感器信息組合進(jìn)行不同的操作（向左或向右轉(zhuǎn)，加速或減速，制動(dòng)），因此需要將每個(gè)傳感器都連接到每個(gè)機(jī)器人機(jī)構(gòu)上。

當(dāng)你開(kāi)車(chē)上路時(shí)會(huì)發(fā)生什么？電流從所有傳感器流向所有機(jī)器人執(zhí)行器，車(chē)輛同時(shí)向左轉(zhuǎn)、向右轉(zhuǎn)、加速和剎車(chē)。會(huì)形成一團(tuán)亂麻。

拿出電阻器并開(kāi)始將它們放在電路的不同部分，以便電流可以在某些傳感器和某些機(jī)械臂之間更自由地流動(dòng)。例如，我們希望電流能夠從前方接近傳感器更自由地流向剎車(chē)而不是轉(zhuǎn)向機(jī)構(gòu)。我們還安裝了稱(chēng)為門(mén)的元件，直到足夠的電荷積累以觸發(fā)開(kāi)關(guān)之前，電流才會(huì)停止流動(dòng)（只有在前方和后方的接近傳感器都報(bào)告高數(shù)字時(shí)才允許電流流動(dòng)），或者僅在輸入電強(qiáng)度較低時(shí)向前發(fā)送電能（當(dāng)前方接近傳感器報(bào)告低值時(shí)向加速器發(fā)送更多電力）。

但是我們應(yīng)該在哪里放置這些電阻器和門(mén)呢？我也不知道。隨機(jī)地將它們放在各個(gè)位置。然后再試一次。也許這次汽車(chē)開(kāi)得更好，這意味著它有時(shí)會(huì)在數(shù)據(jù)表明最好剎車(chē)和轉(zhuǎn)向等時(shí)剎車(chē)和轉(zhuǎn)向，但它并不是每次都正確。而有些事情它做得更糟糕（在數(shù)據(jù)表明有時(shí)需要?jiǎng)x車(chē)時(shí)它加速了）。因此，我們不斷地隨機(jī)嘗試不同的電阻器和門(mén)的組合。最終，我們會(huì)偶然發(fā)現(xiàn)一個(gè)足夠好的組合，那么我們宣布成功。比如下面這個(gè)組合：

（實(shí)際上，我們不會(huì)添加或刪除門(mén)，但我們會(huì)修改門(mén)，使其可以以較低的能量從下方激活，或者需要更多的能量從下方輸出，或者只有在下方有非常少的能量時(shí)才釋放大量的能量。機(jī)器學(xué)習(xí)是純粹主義者，可能會(huì)對(duì)這種描述感到不舒服。技術(shù)上，這是通過(guò)調(diào)整門(mén)上的偏置來(lái)完成的，這通常不會(huì)在此類(lèi)圖示中顯示，但從電路隱喻的角度來(lái)看，它可以被認(rèn)為是一個(gè)插入直接連到電源的線(xiàn)纜，可以像所有其他線(xiàn)纜一樣進(jìn)行修改。）

隨意嘗試并不好。一個(gè)名為反向傳播的算法在改變電路配置方面具有相當(dāng)不錯(cuò)的猜測(cè)能力。算法的細(xì)節(jié)并不重要，只需知道它會(huì)微調(diào)調(diào)整電路以使其行為更接近于數(shù)據(jù)所建議的行為，經(jīng)過(guò)成千上萬(wàn)次的微調(diào)，最終可以得到與數(shù)據(jù)相符的結(jié)果。

我們稱(chēng)電阻器和門(mén)為參數(shù)，因?yàn)閷?shí)際上它們無(wú)處不在，而反向傳播算法所做的是宣布每個(gè)電阻器更強(qiáng)或更弱。因此，如果我們知道電路的布局和參數(shù)值，整個(gè)電路可以在其他汽車(chē)上復(fù)制。