OpenAI放大招 语言生成器GPT-3开启创作模式

李垚

从文字到游戏，GPT火了

OpenAI 一反之前死守基础研究的思路，将GPT-3做成了一个服务，提供可以调用的OpenAI API，并且开放了少量体验资格，学术机构、商业公司和个人开發者都可以申请。而那些已经拿到体验资格的早鸟们，已经用 API 开发出了各种各样的奇葩功能，各种脑洞demo，挑战认知极限。

比如在写论文等工作当中，理工科的同学难免要和 LaTeX 公式打交道，然而在计算机上写出来，特别是复杂的公式，不仅需要熟悉 LaTeX 语法，往往也要用到更复杂的工具。举几个例子，Viaduct 公司机器学习工程师 Shreya Shankar 花了很长时间把玩 OpenAI 提供的 API，最终成功开发出了一个非常酷炫的 demo：英语LaTeX 翻译机。只需要用自然语言输入，就可以生成公式了。

开发者 Sharif Shameem 开发出了一个新产品 Debuild，这是一个网页 App 的快速生成器，调用了 GPT-3 API。在输入框里用自然语言进行描述，它就可以快速“脑补”出你想要的用户界面，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。

某大学的计算机学生用 GPT-3开发了一个 Python 程序，输入“我今天投入了多少元”、“后三个月的房租预付了多少元”这样的自然语言，程序能自动修改资产负债表上相应的项目数值，可以说很聪明了。

借助 GPT-3 的力量，表格工具已经相当强大的函数能力，还能更上一层楼。顺着这个思路，有些产品经理在表格里开发了一个新的 GPT-3 函数，简单的SUM 可以求和，TEXT 可以把数字转文字，甚至将字符串快速翻译成多种语言。

GPT-3 可以自动查找各个地区的人口;查找各州的建立年份;查询人物所属的公司;还能查到用户的账号。当然也要提一句，毕竟之前的版本 GPT-2 在写新闻方面已经非常强大了， OpenAI 自己也开发了一些小 demo，也在网站上展示了一些优秀开发者做的尝试。

其中最受人欢迎的是 OpenAI 自己开发的一款浏览器搜索插件，简单来说，上网查资料很多时候是为了解答我们的问题，但有时这些问题在网上似乎没有别人提过，也就没有字面的，百分之百对症下药的答案。但其实，与答案高度相关的知识，可能就埋在网页的内容里。 而这个插件就能根据你的问题，在当前网页找到答案，并将你指向对应的位置。

另一个非常有趣的 demo，是文字MUD游戏 AI Dungeon（人工智能地下城）。2019年，两个开发者在一次黑客马拉松上用 GPT-2 开发出了游戏的最初版本，随着 GPT-3 的集成和新模式的推出，文字游戏内容的生成，以及游戏系统对玩家输入文字所作出的反应，变得更加自然和连贯了，显著提高了玩家参与度，日活跃人数在2万到2.5万，也带动高级版付费用户增长了大约25%。

GPT强大的原生能力

就算不进行二次开发，仅对 API 本体仔细把玩，也足以让很多开发者感觉到 GPT-3 的强大之处了。 连代码都能写，小小的 Shell 还能难倒 GPT-3？PayPal 工程师 Harland Duman 发现，GPT-3 可以在英语和 Shell 命令之间互译。

开发者麦凯在 API 测试区输入了一句话，生成了十个历史问题，GPT-3 给出了对应的答案，答案并非100%准确，但是 GPT-3 展现出了多用途能力。GPT-3 对整个互联网上可以提取且可用的内容进行了学习，变成一个通晓所有知识的“答题机”，按这种学习方式，它也可以变成“出题机”。如果得到使用 API 的权限，老师们将可以轻松生成大量的试题，减少了他们自己撰写问题、匹配答案等诸如此类需要查阅大量资料，费时费力的工作。

有个人开发者做了一次图灵测试，发现 GPT-3 在绝大部分知识类、常识类、逻辑类的问题，甚至很多角度十分刁钻的问题上，表现非常令人惊讶。

“如果在十年前用同样的问题做测试，我会认为答题者一定是人。现在，我们不能再以为 AI 回答不了常识性的问题了。” Lacker 在他的博客文章里写道。作为程序员，他还给 GPT-3 出了几道比较简单的代码题和数学题，比如让它写出在 Ruby 语言下实现某些功能的代码，以及倒转数列等等，GPT-3 对于大部分问题都轻松搞定——说不定 GPT-3 的 API 会取代 Stack Overflow，成为程序员面试必备工具？

当然，经过大量的测试，他也发现了能够诱骗 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“盒子里有一个玻璃球、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）对于无效和错误的问题，似乎 GPT-3 会不愿意承认它不知道这些问题的答案，也不会反驳问题本身“有问题”，而是会给出错误的答案。

商业化之后如何谨防滥用

现在 GPT-3 体验权限的申请入口仍然开放，到 OpenAI 的网站上即可申请。关于这次 API 的开放事宜，OpenAI 也回答了一些人们关心的问题。 为什么 OpenAI 决定发布 API，而不是开源整个模型？

1） 将 GPT-3 技术部分商业化能够产生收入，继续支持 OpenAI 的人工智能科研、安全和政策研究方面的工作。

2） 然而API 底层的模型其实非常庞大，开发和部署起来很复杂也很昂贵，据知情人士透露，训练一个模型就花了355个GPU年，耗资高达460万美元。所以除了大公司，其他人拿到模型也不会有任何收益。OpenAI 希望开放 API 能够让更多中小企业和机构获益。

3） 把模型开放了，别人想怎么用怎么用，OpenAI 管不着，存在隐患。但通过 API，OpenAI 可以控制人们使用这项技术的方式，对滥用行为及时治理。对于滥用行为，OpenAI可以封掉其使用 API 的权限。

当出现新的AI里程碑时，它的缺点和隐患常常会被炒作所掩盖。与埃隆·马斯克共同创立OpenAI的萨姆·奥特曼试图淡化一些事情：“ GPT-3的炒作点实在太多了，但仍然存在严重的弱点，有时还会犯非常愚蠢的错误。人工智能将改变世界，但是GPT-3只是一个工具，我们还有很多事情要解决。”

相关链接：马斯克和OpenAI的渊源

OpenAI 悬挂在办公室的公司徽标

2015 年埃隆·马斯克联合LinkedIn创始人雷德·霍夫曼、创始人加速器YCombinator的总裁萨姆·阿尔特曼及PayPal创始人彼得·蒂尔等人共同宣布创立OpenAI，这是一家非营利组织，称要防止人工智能灭世。

去年由于“利益冲突”，OpenAI决定让马斯克离任董事会。马斯克等人认为AI不应该为个人或公司独有，它属于全人类，于是打算创造一个全新的人工智能实验室，不受任何机构或者任何人控制，一切的研究成果属于全人类，其使命和长期目标是以最大限度地造福全人类的方式发展人工智能。

OpenAI的核心课题是研究AI的顶级难题，并且尽可能开源开放，不让最顶尖的AI技術最后只能被巨头公司所有所用。  然而众所周知，马斯克对于AI发展的态度，十足悲观，是地球上知名的“AI威胁论”持有者，还一度跑到各州州长面前大谈监管重要性，引起了一场全球AI大咖的口水仗。

而且最核心关键的问题是：OpenAI的建立并不是为了反对AI，而且更好地推动AI。另一位主要出资人里德·霍夫曼说：之所以始终支持OpenAI的发展，是因为看到了其对AI整体发展起着关键作用。

但是最近一年来OpenAI 却饱受批评，接受微软 10 亿美元投资，从而转为“有限盈利”企业，种种迹象表明，OpenAI 与 4 年前马斯克所声明的那个 “人工智能非营利组织” 已然不同。