編輯：蛋醬、杜偉

(資料圖片僅供參考)

隨著 ChatGPT 熱度一直不減，OpenAI 持續(xù)拓展其能力。同時，ChatGPT 的競品不斷涌現(xiàn)，如何更準確檢測其生成文本也成為了近來學界的一大研究課題。

自 ChatGPT 發(fā)布以來，它的能力不斷被人們解鎖，比如寫神經網絡、做智能音箱。人們在試用中慢慢發(fā)現(xiàn)，數學能力是 ChatGPT 的一大短板，連簡單的「雞兔同籠」題都能算錯。

大概是考慮到了這一點，ChatGPT 剛剛宣布了一次重要更新：提升了「真實性」和「數學能力」。

本次是 ChatGPT 自去年 11 月推出以來的第三次更新，但由于「更新說明」過于模糊，人們還需要經歷一個對新能力的探索過程。

幾日前，計算機科學家、Wolfram 語言之父 Stephen Wolfram 將理工科神器 Wolfram|Alpha 與 ChatGPT 結合起來，為后者注入超強計算知識實現(xiàn)互補，效果相當不錯。

那么，這次更新之后的 ChatGPT 數學能力可與其一戰(zhàn)嗎？

看起來…… 對比的結果不盡如人意：

「只能說神經網絡不是用來干這個的」，Sebastian Raschka 都覺得無奈了。

還有人發(fā)現(xiàn)，升級后的 ChatGPT「脾氣逐漸暴躁」：

「你數學是哪位老師教的？」面對一道十以內加減法的題目，它的語氣像極了輔導孩子作業(yè)的家長。

這也許是「偶然現(xiàn)象」？看來數學是真難。

不管怎么說，我們可以期待一波后續(xù)的有趣 Demo 了。

太卷了：ChatGPT 和它的競爭者們

「未來 6 到 12 個月將帶來實驗的爆炸式增長，一旦公司能夠使用 OpenAI 的 API 在 ChatGPT 之上構建。出現(xiàn)的殺手級用例可能是圍繞生成式 AI 對知識管理的影響?！?/p>

Nicola Morini Bianzino。

在最近的一次公開活動上，安永全球首席技術官 Nicola Morini Bianzino 表示，目前還沒出現(xiàn)在企業(yè)中使用 ChatGPT 的「殺手級」用例。但這種狀態(tài)可能很快就會改變，他預測未來 6 到 12 個月將帶來大量實驗，尤其是當公司能夠使用 OpenAI 的 API 在 ChatGPT 上構建之后。

Bianzino 將生成式 AI 對知識管理的影響描述為「AI 的辯證法」?！钢R公司傾向于以一種非常扁平的二維方式存儲知識，這使得訪問、互動和對話變得困難。我們在 20、30、40 年前嘗試構建專家系統(tǒng)。這并不是很順利，因為它們太死板了。我認為這項技術有望克服專家系統(tǒng)存在的許多問題?！筃icola Morini Bianzino 表示。

與此同時，ChatGPT 的競爭者們也不斷涌現(xiàn)，這個賽道變得越來越「卷」。從 Anthropic 公司的 Claude、DeepMind 公司的 Sparrow、谷歌公司的 LaMDA 到 Character AI，每天似乎都有新競爭者步入賽場。

Anthropic 是一家舊金山的初創(chuàng)公司，由幾位離開 OpenAI 的研究人員于 2021 年創(chuàng)立。公司成立不到一年后就宣布了高達 5.8 億美元的融資，上周五還被報道即將增加 3 億美元融資。

這家公司開發(fā)了一個名為「Claude」的 AI 聊天機器人，目前通過 Slack 集成在封閉測試版中可用，據報道它與 ChatGPT 相似，甚至有一些改進。Anthropic 描述自身的使命為「致力于構建可靠、可解釋和可操縱的 AI 系統(tǒng)」。

DeepMind 同樣是這條賽道上不可忽視的力量。這家公司在 9 月份的一篇論文中介紹了 「Sparrow」，被譽為「朝著創(chuàng)建更安全、偏差更小的機器學習系統(tǒng)邁出的重要一步」。Sparrow 是「一種有用的對話智能體，可以降低不安全和不適當答案的風險」，旨在「與用戶交談、回答問題并在有助于查找證據」。

不過，DeepMind 的安全研究員、 Sparrow 論文的主要作者 Geoffrey Irving 表示，DeepMind 認為 Sparrow 是一個基于研究的概念驗證模型，尚未準備好部署。

在兩周前的《時代周刊》文章中，該公司的首席執(zhí)行官兼聯(lián)合創(chuàng)始人 Demis Hassabis 表示，DeepMind 正在考慮在 2023 年的某個時候發(fā)布其聊天機器人 Sparrow 的「私人測試版」。如此一來，公司就可以開發(fā)基于強化學習的功能，比如引用來源 —— 這是 ChatGPT 所沒有的能力。

再說到谷歌的 LaMDA，這一模型曾在去年夏天引發(fā)過熱議 —— 谷歌工程師 Blake Lemoine 因聲稱 LaMDA 具有感知能力而被解雇。

即使不像 Lemoine 認為的那樣，LaMDA 仍被認為是 ChatGPT 最大的競爭對手之一。谷歌在 2021 年發(fā)布的博客文章中表示，LaMDA 的對話技巧「已經醞釀多年」。與 ChatGPT 一樣，LaMDA 建立在 Transformer 架構之上，也接受過對話方面的訓練。

根據谷歌的說法，「在訓練期間，LaMDA 發(fā)現(xiàn)了一些將開放式對話與其他形式的語言區(qū)分開來的細微差別。」

《紐約時報》在 1 月 20 日的一篇報道中提到，谷歌創(chuàng)始人 Larry Page 和 Sergey Brin 上個月會見了公司高管，討論了 ChatGPT 可能對谷歌 1490 億美元的搜索業(yè)務構成的威脅。谷歌發(fā)言人在一份聲明中表示：「我們繼續(xù)在內部測試我們的 AI 技術，以確保它有用且安全，我們期待盡快與外部分享更多經驗?！?/p>

另外一位頗具實力的玩家則是Character AI，這家公司由 Transformer 論文作者之一 Noam Shazeer 創(chuàng)辦，逐漸為人熟知。

該公司推出的 AI 聊天機器人技術允許用戶與任何人聊天或進行角色扮演，比如模仿伊麗莎白女王和莎士比亞等歷史人物。目前該技術是免費使用的，Character 正在「研究用戶如何與之互動，然后再制定具體的創(chuàng)收計劃?！?/p>

傳百度將發(fā)布類似 ChatGPT 的聊天機器人

更能引起國內 AI 從業(yè)者關注的是，據路透社、彭博社等多家外媒報道稱，百度公司計劃在 3 月份推出類似于 OpenAI 的 ChatGPT 的人工智能聊天機器人服務。

消息人士稱，百度計劃在用戶提出搜索請求時整合聊天機器人生成的結果，而不僅僅是鏈接?！冈摴ぞ呱形疵?，將嵌入在主搜索服務中，用戶將返回對話風格的搜索結果。」

在去年 12 月在一次內部討論中，百度 CEO 李彥宏曾分享自己對 ChatGPT 的看法：「把這么酷的技術變成人人需要的產品」才是最難的，希望百度新的一年「至少能有一個高成長、有創(chuàng)新的業(yè)務，真正的 above and beyond our expectation」。

而據《科創(chuàng)板日報》1 月 30 日報道，百度內部確有推出類似 ChatGPT 聊天機器人的規(guī)劃，但具體時間并不精確。百度 CEO 李彥宏對于該項目的定位是「引領搜索體驗的代際變革」。他在內部指出，相關技術已達到臨界點，百度在其中有較大的機會。

檢測利器：讓大型語言模型生成的文本無處隱藏

ChatGPT 的能力縱然強大，但同時它在學校作業(yè)、論文發(fā)表等領域的濫用已經引發(fā)了人們廣泛的擔憂。因此，學界開始探索檢測 ChatGPT 等大型語言模型（LLM）生成文本的方法和工具。

馬里蘭大學幾位研究者對 ChatGPT 等語言模型輸出的水印進行了研究。在論文《A Watermark for Large Language Models》，他們提出了一種高效水印框架，水印的嵌入對文本質量的影響忽略不計，可以使用高效的開源算法進行檢測，而無需訪問語言模型的 API 或參數。

本文方法可以檢測到比較短的合成文本（少至 25 個 tokens），同時使得人類文本在統(tǒng)計學上不可能被標記為機器生成。

論文地址：https://arxiv.org/pdf/2301.10226v1.pdf

斯坦福大學幾位研究者在論文《DetectGPT: Zero-Shot Machine-Generated Text Detection using Probability Curvature》中，證明了從 LLM 中采樣的文本傾向于占據模型對數概率函數的負曲率區(qū)域。利用這一觀察結果，他們定義了一個基于曲率的新標準，來判斷一段文章是否由給定的 LLM 生成。

研究者將他們的方法稱為 DetectGPT，它不需要訓練單獨的分類器、收集真實或生成段落的數據集以及顯式地為生成文本加水印。DetectGPT 僅使用感興趣模型計算的對數概率和另一通用預訓練語言模型（如 T5）生成段落的隨機擾動。

結果發(fā)現(xiàn)，DetectGPT 比當前模型樣本檢測的零樣本方法更具辨別力，尤其是將 20B 參數 GPT-NeoX 生成的假新聞報道檢測從最強零樣本基線的 0.81 AUROC 提升到了 0.95 AUROC。未來將公布代碼和數據。

DetectGPT 檢測 GPT-3 生成文本的示意圖。

論文地址：https://arxiv.org/abs/2301.11305

除了以論文形式展現(xiàn)的檢測方案，也有個人推出了強大的檢測工具。比如一位來自 Hive AI、致力于 ChatGPT 檢測器研究的 ML 工程師，其方案能夠識別 ChatGPT、GPT-3 和其他流行 AI 引擎生成的文本。

從內部基準測試結果來看，該方案效果明顯優(yōu)于 GPTZero 和 OpenAI GPT2 Output Detector 等類似方法。在內部數據集上，模型平衡準確率 > 99%，而 GPTZero 的準確率約為 60%，OpenAI GPT2 Output Detector 的準確率為 84%。

Demo 地址：https://hivemoderation.com/ai-generated-content-detection

最后，GPTZero 也迎來了更新 ——GPTZeroX，一個專為教育者打造的全新 AI 檢測模型。該模型可以混合處理 AI 生成和人類文本，并突出顯示最有可能由 AI 生成的文本部分。此外構建了一個 pipeline 來處理 PDF、Word 和.txt 格式的文件批量上傳，從而輕松運行多個文件。

Demo 地址：https://gptzero.substack.com/p/gptzerox

總之，隨著 AI 生成文本檢測工具的日益豐富和日加完善，ChatGPT 等大型語言模型在應用時勢必會越來越正規(guī)，幫助人們更高效地釋放 AI 的能力。

關鍵詞： chatgpt lamda