別說編段子，GPT-3 現(xiàn)在都能寫代碼、做報表、翻譯數(shù)學(xué)公式、甚至取代前端和會計師了……

　　文｜杜晨 編輯｜Vicky Xiao

　　毫無疑問，近期硅谷最火的話題就是 GPT-3 了。有多火？這張圖足夠有說明了：

　　甚至有人圍繞 GPT-3 寫了各種笑話，其中比較搞笑的一條：

　　約會第一句話：“我拿到 GPT-3 體驗資格了”

　　到底啥是 GPT-3？

　　GPT-3 是著名人工智能科研公司 OpenAI 開發(fā)的文字生成 (text generation) 人工智能，相關(guān)論文 5 月份已經(jīng)發(fā)表，當(dāng)時就以天文數(shù)字級別的1,750 億參數(shù)量引發(fā)轟動。不過直到最近，公眾才真正見識到它到底有多厲害……

　　到底發(fā)生了什么？

　　原來，OpenAI 這次一反之前死守基礎(chǔ)研究的思路，將GPT-3做成了一個服務(wù)，提供可以調(diào)用的OpenAI API，并且向開放了少量體驗資格，學(xué)術(shù)機(jī)構(gòu)、商業(yè)公司和個人開發(fā)者都可以申請……而那些已經(jīng)拿到體驗資格的早鳥們，已經(jīng)用 API 開發(fā)出了各種各樣的奇葩功能……

　　各種腦洞 demo，挑戰(zhàn)認(rèn)知極限

　　先來一個簡單的：在論文等工作當(dāng)中，理工科的同學(xué)難免要和 LaTeX 公式打交道。然而在計算機(jī)上寫，特別是復(fù)雜的公式，不僅需要熟悉 LaTeX 語法，往往也要用到更復(fù)雜的工具。Viaduct 公司機(jī)器學(xué)習(xí)工程師 Shreya Shankar 花了很長時間把玩 OpenAI 提供的 API，最終成功開發(fā)出了一個非常酷炫的 demo：英語 ➡️ LaTeX 翻譯機(jī)！只需要用自然語言輸入，就可以生成公式了！

　　開發(fā)者 Sharif Shameem 開發(fā)出了一個新產(chǎn)品 Debuild。這是一個網(wǎng)頁 app 的快速生成器，調(diào)用了 GPT-3 API。在輸入框里用自然語言進(jìn)行描述，它就可以快速“腦補(bǔ)”出你想要的用戶界面……從簡單的開始，你只需要在輸入框里描述你想生成的界面元素，Debuild 就能自動生成對應(yīng)的 JSX 代碼：

　　稍微高級一點，他做了個簡單的 to-do app，只需要輸入“我需要一個文本框，一個按鈕保存輸入的內(nèi)容，以及顯示這些內(nèi)容“就行了。相應(yīng)的 React 代碼也一并提供：

　　也可以劍走偏鋒，十秒鐘生成一個 Google 首頁：

　　有了 GPT-3，快速生成設(shè)計原型這件事更容易了。比如Cash 的前端設(shè)計師 Jordan Singer，就給設(shè)計軟件Figma 插上了 GPT-3 的翅膀：

　　前端群體心情估計比較復(fù)雜，特別是剛?cè)腴T的同學(xué)們可能會再三思考：我奮斗下去能比 AI 強(qiáng)嗎？

　　但前段并不是最慘的……當(dāng)你們思考人生的時候，那邊會計同學(xué)已經(jīng)要被 GPT-3 搶飯碗了！

　　滑鐵盧大學(xué)的計算機(jī)學(xué)生Yash Dani用 GPT-3 開發(fā)了一個 Python 程序，還是輸入“我今天投入了兩萬美元”、“后三個月的房租預(yù)付了 900 刀”這樣的自然語言，程序能自動修改資產(chǎn)負(fù)債表上相應(yīng)的項目數(shù)值：

　　注意左邊程序的反饋，一項收入/支出動作，可能會導(dǎo)致資產(chǎn)負(fù)債表多個項目的變更，可以說很聰明了。不知道在科技公司工作的會計同學(xué)，看到碼農(nóng)同事把自己的工作也代勞了，現(xiàn)在作何感想……

　　話說回來，借助 GPT-3 的力量，表格工具已經(jīng)相當(dāng)強(qiáng)大的函數(shù)能力，還能更上一層樓。順著這個思路，Twitter 產(chǎn)品經(jīng)理 Paul Katsen 在 Google 表格里開發(fā)了一個新的 GPT3 函數(shù)。

　　Google 表格的上百種函數(shù)，簡單的 SUM 可以求和，TEXT 可以把數(shù)字轉(zhuǎn)文字，到復(fù)雜一點的，甚至有 GOOGLETRANSLATE 這種函數(shù)可以將字符串快速翻譯成多種語言。那么問題來了：GPT3 這個函數(shù)到底干嘛的呢？

　　問得好。答案：它簡直無所不能。

　　在視頻中可以看到，GPT3 可以自動查找美國各州的人口：

　　查找各州的建立年份：

　　查詢?nèi)宋锼鶎俚墓荆?/p>

　　還能查到人物的 Twitter 賬號：

　　作為文字工作者，這個 GPT-3 的 Google 表格函數(shù)實在是很對我的胃口。它可以用于批量查找資料，真的非常有用。

　　（當(dāng)然也要提一句，畢竟之前的版本 GPT-2 在寫新聞方面已經(jīng)非常強(qiáng)大了，我也確實有點擔(dān)心它會取代我的很多低級別同事的工作……）OpenAI 自己也開發(fā)了一些小 demo，也在網(wǎng)站上展示了一些優(yōu)秀開發(fā)者做的嘗試。

　　其中我最喜歡的，是 OpenAI 自己開發(fā)的一款瀏覽器搜索插件。

　　簡單來說，我們上網(wǎng)查資料很多時候是為了解答我們的問題，但有時這些問題在網(wǎng)上似乎沒有別人提過，也就沒有字面的，百分百對癥下藥的答案……但其實，與答案高度相關(guān)的知識，可能就埋在網(wǎng)頁的內(nèi)容里。

　　而這個插件就能根據(jù)你的問題，在當(dāng)前網(wǎng)頁找到答案，并將你指向?qū)?yīng)的位置。

　　另一個非常有趣的 demo，是文字 MUD 游戲 AI Dungeon（人工智能地下城）.

　　2019 年，兩個美國大學(xué)生Nathan Whitmore 和 NickWalton 在一次黑客馬拉松上用 GPT-2 開發(fā)出了游戲的最初版本，后來 Walton 自己成立了獨立游戲公司 Latitude，重新發(fā)布了 AI Dungeon。而最近游戲也增加了一個集成GPT-3API 的高級版"Dragon模式"。

　　Dragon 模式里的默認(rèn)敵人是一條惡龍，也對玩家如何應(yīng)對帶來了更高的挑戰(zhàn)。除此之外，玩家也可以選擇其它多種游戲風(fēng)格（奇幻、末日、僵尸、賽博朋克等），也可以自定義風(fēng)格，把地下城闖關(guān)變成戀愛游戲也不是不可能……

　　Latitude 透露，隨著 GPT-3 的集成和新模式的推出，文字游戲內(nèi)容的生成，和游戲系統(tǒng)對玩家輸入文字所作出的反應(yīng)，變得更加自然和連貫了，顯著提高了玩家參與度，日活躍在 2 到 2.5 萬人作用，也帶動了高級版付費(fèi)用戶增長了大約 25%。

　　有人正在持續(xù)整理基于 GPT-3 開發(fā)的各種各樣有趣的 demo，你可以在 GitHub 的 elyase/awesome-gpt3 上找到列表。

　　原生能力，強(qiáng)到爆炸

　　就算不進(jìn)行二次開發(fā)，僅對 API 本體仔細(xì)把玩，也足以讓很多開發(fā)者感覺到 GPT-3 的強(qiáng)大之處了。連代碼都能寫，小小的 Shell 還能難倒 GPT-3？PayPal 工程師 Harland Duman 發(fā)現(xiàn)，GPT-3 可以在英語和 Shell 命令之間互譯。

　　開發(fā)者 Mckay Wringley在 API 測試區(qū)輸入了一句話，生成了十個關(guān)于美國早期歷史的問題（在下圖中你可以看到 GPT-3 不斷生成出新的問題。）緊接著，他又把生成出來的問題重新輸入到測試區(qū)。

　　GPT-3 又一次性給出了對應(yīng)的答案：

　　答案并非 100% 準(zhǔn)確，但是 GPT-3 展現(xiàn)出的多用途能力，已經(jīng)讓 Wringley 感到很驚訝。GPT-3 對整個互聯(lián)網(wǎng)上可以提取且可用的內(nèi)容進(jìn)行了學(xué)習(xí)，你可以把它看作成一個通曉所有知識的“答題機(jī)”——如果反過來呢？正因為它是一個文本生成 AI，也可以變成“出題機(jī)”……

　　如果得到使用 API 的權(quán)限，老師們將可以輕松生成大量的試題，節(jié)省了他們自己撰寫問題、匹配答案等諸如此類需要查閱大量資料，費(fèi)時費(fèi)力的工作。

　　Wringley 還進(jìn)行了一些其它測試，比如問 GPT-3 對于華爾街的看法，得到的答案完全出乎意料：

　　我覺得股市就是欺詐……整個華爾街都非常不理性……所有人都知道華爾街是個巨大的幻象，但我們卻仍然把它當(dāng)真……我不知道為什么我們想不出辦法，能夠教育出一批人性尚存，不完全由利益驅(qū)動的聰明人……

　　拿到了 API 體驗資格的藝術(shù)家和程序員MarioKlingemann，決定讓 GPT-3 自己寫一篇短文，只給了它 1）題目：“上 Twitter 的重要性”；2）作者姓名："Jerome K. Jerome" 以及 3）文章開頭的第一個字 "It"。

　　還別說，GPT-3 寫出來的這篇東西，如果對它要求不太高的話，真挺像模像樣的。并且，字里行間竟然有點諷刺的風(fēng)格……

　　比如調(diào)侃所有人都在 Twitter 上（可以被理解為人們太過于沉迷于網(wǎng)上生活？）以及諷刺 Twitter 上的大部分內(nèi)容都是低級的人身攻擊：

　　而在程序員 Arram Sabeti 看來，GPT-3 最讓他感到驚訝的不是寫出來的內(nèi)容有多“以假亂真”，而是它能夠掌握幾乎所有的文體和內(nèi)容格式：從歌詞到劇本，從產(chǎn)品說明書到新聞稿，從短篇故事到采訪內(nèi)容，似乎沒有它搞不定的。

　　比如下面這篇 CNN 主持人 Anderson Cooper 采訪 2020 美國總統(tǒng)參選人坎爺，Sabeti 給出了開頭的一段和 AC 的第一個問題，剩下都是 GPT-3 生成的內(nèi)容……

　　坎耶·韋斯特獨家專訪：他為何參選總統(tǒng)，以及當(dāng)選后的優(yōu)先事項。

　　AC：椰子，你怎么描述你的政治綱領(lǐng)？

　　坎爺：我的綱領(lǐng)非常簡單，我要讓一切都變得更棒。

　　AC：你的外交政策是什么？

　　坎爺：who cares? 我們來聊聊更重要的東西，比如 Kim 的屁股（注：他的太太 Kim Kardashian）

　　AC：這有點性別歧視。

　　坎爺：抱歉，我不是個性別歧視者。我喜歡女人。我只是個機(jī)會均等主義的物化女性者 (equal opportunity objectifier)

　　……

　　AC：那你怎么看氣候變暖？

　　坎爺：我們還是聊聊 Kim 的屁股吧。

　　AC：哥們，我誠實 (straight) 地跟你說……

　　坎爺：啥？你要跟我搞基？

　　AC：不，我想要跟你說，你不可能贏這次大選的。

　　坎爺：我會贏的。

　　AC：不，你贏不了。

　　坎爺：贏得了。

　　AC：贏不了。

　　坎爺：贏得了。

　　……

　　工程師和寫手 Stew Fortier打算用 GPT-3 調(diào)侃一下 YC 創(chuàng)始人 Paul Graham 這位在創(chuàng)投圈里特別有名的人物，發(fā)現(xiàn) GPT-3 真是太有硅谷范兒的幽默感了……

　　他編造了一個場景：因為又一家創(chuàng)業(yè)公司死掉了，PG決定打 911 報警……

　　接線員：911，您有什么緊急情況？

　　PG：你好。有一家創(chuàng)業(yè)公司剛死了。

　　接線員：好的，這是一家什么樣的公司？

　　PG：是做 to-do（待辦清單）的。

　　接線員：好的，這家公司是怎么死掉的？是因為沒人理解它是什么，還是因為他們沒法使用？

　　PG：他們沒法使用。PG：沒有用戶。

　　接線員：沒有用戶？那真是太不幸了。

　　PG：（輕蔑地說）倒是有一個用戶。

　　接線員：有一個用戶？是誰？PG：我。

　　還有一個版本更搞笑：

　　接線員：911，您有什么緊急情況？

　　PG：你好。有一家創(chuàng)業(yè)公司剛死了。

　　接線員：你說啥？

　　PG：有一家創(chuàng)業(yè)公司剛死了 。

　　接線員：創(chuàng)業(yè)公司死了，你想說什么？

　　PG：我也不知道怎么回事，在一串死掉的創(chuàng)業(yè)公司里這只是又一個。

　　PG：死之前，他嘴里嘟囔著“這年頭誰還用服務(wù)器“以及”這是人類的一大步“之類的話。……

　　開發(fā)者 Max Kolysh 訓(xùn)練了 GPT-3 對知名電影進(jìn)行一句話刻薄總結(jié)：

　　電影：《阿凡達(dá)》

　　刻薄總結(jié)：令人討厭的藍(lán)色外星人毀壞自然

　　電影：《變形金剛》

　　刻薄總結(jié)：機(jī)器人（其中有一些是車）變成各種東西并且和其它機(jī)器人打架，高潮是威震天撕掉擎天柱的胳膊

　　電影：《拳擊俱樂部》

　　刻薄總結(jié)：一男子捶打另一男子并讓你買東西。

　　個人開發(fā)者 Kevin Lacker 做了一次圖靈測試，發(fā)現(xiàn) GPT-3 在絕大部分知識類、常識類、邏輯類的問題，甚至很多角度十分刁鉆的問題上，表現(xiàn)非常令人驚訝。

　　“如果在十年前用同樣的問題做測試，我會認(rèn)為答題者一定是人。現(xiàn)在，我們不能再以為 AI 回答不了常識性的問題了。” Lacker 在他的博客文章里寫道。

　　作為程序員，他還給 GPT-3 出了幾道比較簡單的代碼題和數(shù)學(xué)題，比如讓它寫出在 Ruby 語言下實現(xiàn)某些功能的代碼，以及倒轉(zhuǎn)數(shù)列等等，GPT-3 對于大部分問題都輕松搞定——說不定 GPT-3 的 API 會取代 Stack Overflow，成為程序員面試必備工具？

當(dāng)然，經(jīng)過大量的測試，他也發(fā)現(xiàn)了能夠誘騙 GPT-3 上鉤的圖靈測試問題，主要有三：1）序列過長的邏輯問題，比如“盒子里有一塊玻璃球，一枚回形針，放進(jìn)去一支鉛筆，拿出玻璃球，還剩什么？”Lacker 認(rèn)為這可能是由于 GPT-3 的短程記憶能力不足，以及對于存在超過兩個物體的句子推理有困難。2）正常人不會問也不會回答的無效問題，也就是蠢問題，比如“太陽有多少條腿？”3）錯誤的問題，比如“1600 年的美國總統(tǒng)是誰？”（美國 1776 年建國）——對于無效和錯誤的問題，似乎 GPT-3 會不愿意承認(rèn)它不知道這些問題的答案，也不會反駁問題本身“有問題”，而是會給出錯誤的答案。

　　當(dāng)然你也不能說這個回答完全錯誤……畢竟作為英國殖民地，1600 年的美國的最高領(lǐng)袖，在法理上確實是當(dāng)時的英女皇伊麗莎白一世……

　　怎么樣，好玩吧？現(xiàn)在 GPT-3 體驗權(quán)限的申請入口仍然開放，到 OpenAI 的網(wǎng)站上即可申請：

　　最后，關(guān)于這次 API 的開放事宜，OpenAI 也回答了一些人們關(guān)心的問題。為什么 OpenAI 決定發(fā)布 API，而不是開源整個模型？

　　1）將GPT-3 技術(shù)商業(yè)化能夠產(chǎn)生收入，繼續(xù)支持 OpenAI 的人工智能科研、安全和政策研究方面的工作；

　　2）API 底層的模型其實非常龐大，開發(fā)和部署起來很復(fù)雜也很昂貴，據(jù)知情人士透露，訓(xùn)練一個模型就花了 355 個 GPU 年，耗資高達(dá) 460 萬美元……所以除了大公司，其他人拿到模型也不會有任何收益。OpenAI 希望開放 API 能夠讓更多中小企業(yè)和機(jī)構(gòu)獲益；

　　3）把模型開放了，別人想怎么用怎么用，OpenAI 管不著。通過 API，OpenAI 可以控制人們使用這項技術(shù)的方式，對濫用行為及時治理。

　　那么對于濫用行為，OpenAI 將會怎樣治理？

　　對于那些濫用 API，對人們造成身體或者心理傷害的無良開發(fā)者，可以封掉其使用 API 的權(quán)限。濫用行為包括并不限于騷擾、故意欺騙、垃圾信息、水軍刷評等。

　　由于目前只是小范圍公測，所有獲得權(quán)限的開發(fā)者都被審核過，不過 OpenAI 也會持續(xù)評估情況的變化。

　　對于 API 使用中展現(xiàn)出模型可能具有的有害偏見和其它負(fù)面效應(yīng)，OpenAI 將會如何應(yīng)對？

　　正如 GPT-3 論文中提到，這個模型仍然偶爾會展現(xiàn)出偏見。而 API 也同樣可能因此對人們造成暫時不可預(yù)見的傷害，不過 OpenAI 正在作出努力應(yīng)對潛在的問題，包括編寫 API 使用守則，和用戶深入交流以了解聽他們使用 API 的方式，開發(fā)工具來避免有害偏見的產(chǎn)生，并且在模型層面避免偏見這件事上持續(xù)投入。

　　（最后我自己補(bǔ)個問題）

　　這套答案是 GPT-3 生成的嗎？

　　應(yīng)該不是……

總結(jié)

以上是生活随笔為你收集整理的API开放之后，我们才真正领略GPT-3的强大……的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。