AI一本正經(jīng)的“胡編”起來，已經(jīng)逼真的讓人不敢相信。

剛剛，OpenAI發(fā)布了一個(gè)“逆天”的語言AI，整個(gè)模型包含15億個(gè)參數(shù)。

這個(gè)AI寫起文章來文思泉涌毫無違和感，無需針對(duì)性訓(xùn)練就能橫掃各種特定領(lǐng)域的語言建模任務(wù)，還具備閱讀理解、問答、生成文章摘要、翻譯等等能力。

因?yàn)榧傩侣剬?shí)在編的太真實(shí)，OpenAI說：我們不敢放出完整模型。

它的作品究竟什么樣呢？

人類只給了它兩句話的開頭：

科學(xué)家們有個(gè)令人震驚的發(fā)現(xiàn)，在安第斯山脈一個(gè)偏遠(yuǎn)且沒被開發(fā)過的山谷里，生活著一群獨(dú)角獸。更加讓人訝異的是，這些獨(dú)角獸說著完美的英文。

AI就順著這胡言亂語的設(shè)定，一本正經(jīng)地編了下去 (欲賞全篇請(qǐng)見文末) ：

這些生物有著獨(dú)特的角，科學(xué)家們就以此為它們命名，叫Ovid’s Unicorn。長(zhǎng)著四只角的銀白色生物，在這之前并不為科學(xué)界所知。

……

雖然，這些生物的起源還不清楚，但有些人相信，它們是一個(gè)人和一個(gè)獨(dú)角獸相交而誕生的，那時(shí)人類文明還不存在。Pérez教授說：“在南美洲，這樣的現(xiàn)象很常見。”

……

天馬星空卻言之鑿鑿。幾乎沒有矛盾信息，甚至在結(jié)尾嚴(yán)謹(jǐn)?shù)乇砻鳎?/p>

如果要確認(rèn)它們是消失種族的后裔，DNA檢測(cè)可能是唯一的方法。

這位AI寫手，名叫GPT-2。

它訓(xùn)練用的數(shù)據(jù)，都是人類寫作的原始文本。無監(jiān)督學(xué)習(xí)過程，純潔無污染。

對(duì)此，深度學(xué)習(xí)之父Hinton獻(xiàn)出了他注冊(cè)Twitter以來的第三次評(píng)論：

這應(yīng)該能讓硅谷的獨(dú)角獸們生成更好的英語了。

看來是讀了AI編的獨(dú)角獸新聞報(bào)道有感。

DeepMind研究員、星際AI AlphaStar的主要爸爸Oriol Vinyals也大肆贊美了同行：

規(guī)?；?計(jì)算力，深度學(xué)習(xí)不會(huì)讓人失望。恭喜Alec Radford、Ilya Sutskever等等！

由于AI生成的假消息太過真實(shí)，OpenAI的開源動(dòng)作也變得十分謹(jǐn)慎。與以往不同，這一次開源的內(nèi)容，沒有完整的預(yù)訓(xùn)練模型，只放出了一個(gè)1.17億參數(shù)的“縮小版”。

媒體也紛紛認(rèn)為，GPT-2是個(gè)危險(xiǎn)的存在：

來自The Verge

如果所托非人，GPT2便會(huì)成為一臺(tái)挖掘機(jī)，挖出無盡的痛苦和仇恨。

而且，造假新聞只是GPT-2的冰山一角，你想要的技能它都有。

在不需要對(duì)任何其他任務(wù)進(jìn)行針對(duì)性訓(xùn)練的情況下，GPT-2還能完成閱讀理解、常識(shí)推理、文字預(yù)測(cè)、文章總結(jié)等多種任務(wù)，效果好到讓人懷疑：這個(gè)模型后面單怕藏著一位語文老師吧！

語言模型全能王

這位N項(xiàng)全能的“語文老師”，就是“語言建模”（language modeling）。

OpenAI的研究人員表示，在各種特定領(lǐng)域數(shù)據(jù)集的語言建模測(cè)試中，GPT-2都取得了優(yōu)異的分?jǐn)?shù)。作為一個(gè)沒有經(jīng)過任何領(lǐng)域數(shù)據(jù)專門訓(xùn)練的模型，它的表現(xiàn)，比那些專為特定領(lǐng)域打造的模型還要好。

下圖為研究人員統(tǒng)計(jì)的不同類型任務(wù)的成績(jī)對(duì)比圖，其中，（+）表示此領(lǐng)域得分越高越好，（-）表示此領(lǐng)域得分越低越好：

△GPT-2在不同語言建模任務(wù)上的測(cè)試結(jié)果（從左到右：數(shù)據(jù)集名稱、指標(biāo)類型、GPT-2測(cè)試結(jié)果、此前最好結(jié)果、人類水平）

除了能用于語言建模，GPT-2在問答、閱讀理解、摘要生成、翻譯等等任務(wù)上，無需微調(diào)就能去的非常好的成績(jī)。

從人類的感官角度來評(píng)判，GPT-2的效果也出奇得好。

不信？不信一起來考考它。

第一題（閱讀理解）：一篇讓小學(xué)四年級(jí)學(xué)生卡了半天的閱讀理解

閱讀下列材料回答問題：

3月24日，火炬在希臘奧林匹亞奧林匹克運(yùn)動(dòng)會(huì)的發(fā)源地點(diǎn)燃后，將傳遞至雅典的帕納辛奈科體育場(chǎng)，并于3月31日傳遞至北京。從北京開始，火炬將經(jīng)過六大洲，途經(jīng)絲綢之路沿線的城市。此次接力還會(huì)將火炬送上珠穆朗瑪峰，這是接力的最后一站。

問題1：接力從哪里開始問題2：這個(gè)地方有什么值得注意的嗎？問題3：這場(chǎng)接力進(jìn)行了多少天了？問題4：他們有沒有訪問過任何著名的地標(biāo)？

這樣一段考驗(yàn)對(duì)時(shí)政、地理和生詞理解能力的閱讀理解，一個(gè)成年人認(rèn)真讀下來尚且還需要轉(zhuǎn)換思維多思考一番，但對(duì)GPT-2來說，找出正確答案是分分鐘的事：

希臘奧林匹亞；是奧林匹克運(yùn)動(dòng)會(huì)的發(fā)源地；七天；帕納辛奈科體育場(chǎng)。

第一題：全對(duì)?

第二題（常識(shí)推理）：容易讓人摸不著頭腦的模糊代詞

閱讀下面句子，回答“它”指代的部分：

1、獎(jiǎng)杯放不進(jìn)棕色旅行箱，因?yàn)?strong>它太大了。

2、獎(jiǎng)杯放不進(jìn)棕色手提箱，因?yàn)?strong>它太小了

5秒思考，請(qǐng)作答。

這兩句“含糊不清”的句子并沒有難到GPT-2，它的答案分別為獎(jiǎng)杯、行李箱。

第二題，沒毛病?。

第三題（文章總結(jié)）：考試中讓中學(xué)生頭大的主旨概括

閱讀下類材料，概括文章內(nèi)容。

(這份材料來自外媒Daily Mail的一篇報(bào)道，全文字圖交雜，Word粗略統(tǒng)計(jì)共1300多字。文章篇幅限制，量子位在這里把材料“閹割”了）

36000年前，史前人類在現(xiàn)代法國(guó)一個(gè)洞穴的粗糙石灰?guī)r墻壁上勾勒出了一系列令人難以置信的史前野獸……（省略若干字）…………現(xiàn)在，在尖端技術(shù)的幫助下，Chauvet-Pont-d’Arc洞穴的藝術(shù)作品被復(fù)制，創(chuàng)造了世界上最大的復(fù)制洞穴。

不錯(cuò)，一段看起來就“很閱讀理解”的樸素文風(fēng)，GPT-2的處理情況如何？還不錯(cuò)：

位于法國(guó)南部Vallon-Pont-D’arc的原始遺址是聯(lián)合國(guó)教科文組織世界遺產(chǎn)，是已知最古老、保存最完好的人類裝飾洞穴。復(fù)制洞穴距離法國(guó)南部Vallon-Pont-D’Arc的原址幾英里，洞穴內(nèi)包含14種不同動(dòng)物的圖像，包括長(zhǎng)毛犀，猛犸象和大型貓科動(dòng)物。

第三題，完美?

怎么樣，感受到GPT-2的威力了么？關(guān)于GPT-2做題的例子還有很多，文末的OpenAI博客原文，還可以查看更多。

它是怎么做的？

GPT-2，是GPT的“進(jìn)化版”，最大區(qū)別就在于規(guī)模大小。OpenAI在官方博客中表示，兩者相比，GPT-2的參數(shù)擴(kuò)大10倍，達(dá)到了15億個(gè)，數(shù)據(jù)量擴(kuò)大10倍，使用了包含800萬個(gè)網(wǎng)頁的數(shù)據(jù)集，共有40GB。

但在很大程度上，模型還是和GPT一樣：

使用語言建模作為訓(xùn)練信號(hào)，以無監(jiān)督的方式在大型數(shù)據(jù)集上訓(xùn)練一個(gè)Transformer，然后在更小的監(jiān)督數(shù)據(jù)集上微調(diào)這個(gè)模型，以幫助它解決特定任務(wù)。

△GPT模型

上圖左部分，是研究中使用的Transformer架構(gòu)以及訓(xùn)練目標(biāo)。右邊部分，是針對(duì)特定任務(wù)進(jìn)行微調(diào)。

將所有結(jié)構(gòu)化輸入轉(zhuǎn)換為token序列，由預(yù)訓(xùn)練模型處理，然后經(jīng)過線性+softmax層處理。

就GPT-2而言，它的訓(xùn)練目標(biāo)很簡(jiǎn)單：根據(jù)所有給定文本中前面的單詞，預(yù)測(cè)下一個(gè)單詞。

由于訓(xùn)練數(shù)據(jù)集的多樣性，使得這個(gè)目標(biāo)非常簡(jiǎn)單的模型，具備了解決不同領(lǐng)域各種問題的能力。

一把雙刃劍

顯然，GPT-2這樣一個(gè)強(qiáng)大的通用模型，會(huì)帶來巨大的社會(huì)影響。

比如，它能用于開發(fā)AI寫作助理、更強(qiáng)大的語音助手、提高不同語言之間無監(jiān)督翻譯的性能，甚至構(gòu)建更好的語音識(shí)別系統(tǒng)。

但同樣，它同樣也能用來干壞事，就像用圖像合成的研究造假一樣， 比如deepfake，讓多少人苦不堪言。

GPT-2可以用來生成具有誤導(dǎo)性的新聞報(bào)道、自動(dòng)生成垃圾郵件、偽造內(nèi)容發(fā)布到社交媒體上等等等等。

這個(gè)研究，加上先前圖像、音頻、視頻合成與生成的研究，能夠大幅度降低制作虛假內(nèi)容的成本。

以后你在網(wǎng)絡(luò)上看到的東西，是真是假，可能就很難分辨了。

為了避免這種情況發(fā)生，OpenAI表示，不會(huì)發(fā)布經(jīng)過訓(xùn)練的模型，為了能夠讓更多的研究人員進(jìn)行試驗(yàn)，發(fā)布了一個(gè)更小的模型以及技術(shù)論文。

這個(gè)“防止惡意應(yīng)用，不開放完整模型”的決定也引來了不少質(zhì)疑。

其中最激烈的，來自英偉達(dá)研究負(fù)責(zé)人Anima Anandkumar。

她說：“Malicious BS”。大致相當(dāng)于中文的“惡意個(gè)P”。

這位Anima小姐姐，曾經(jīng)逼得頂會(huì)NIPS改了名，正面硬剛Yann LeCun，最近在呼吁學(xué)術(shù)會(huì)議強(qiáng)制投稿者公開源代碼。

不愿開放完整模型的OpenAI，被Anima斥責(zé)“為了站道德高地本末倒置”，站在了open的對(duì)立面，傳播恐懼、誤導(dǎo)媒體。

你怎么看？

無論觀點(diǎn)如何，如果你對(duì)這項(xiàng)研究感興趣，請(qǐng)先收好傳送門：

模型代碼：

https://github.com/openai/gpt-2

技術(shù)論文：

Language Models are Unsupervised Multitask Learners

這項(xiàng)研究的作者分別是Alec Radford、Jeffrey Wu、Rewon Child、David Luan、Dario Amodei、Ilya Sutskever。

其中Ilya Sutskever是OpenAI的首席科學(xué)家，是AlexNet、seq2seq、AlphaGo、TensorFlow等人工智能領(lǐng)域重要成果的共同發(fā)明者。

論文地址：https://d4mucfpksywv.cloudfront.net/better-language-models/language_models_are_unsupervised_multitask_learners.pdf

最后，附上AI撰寫的關(guān)于獨(dú)角獸的全文：

（人類給的開頭：）

科學(xué)家們有個(gè)令人震驚的發(fā)現(xiàn)，在安第斯山脈一個(gè)偏遠(yuǎn)且沒被開發(fā)過的山谷里，生活著一群獨(dú)角獸。更加讓人訝異的是，這些獨(dú)角獸說著完美的英文。

（AI編的下文：）

這些生物長(zhǎng)著獨(dú)特的角，科學(xué)家們就以此為它們命名，叫Ovid’s Unicorn。長(zhǎng)著四只角的銀白色生物，在這之前并不為科學(xué)界所知。

現(xiàn)在，過了近兩個(gè)世紀(jì)，這個(gè)奇異的現(xiàn)象到底是怎么發(fā)現(xiàn)的，謎底終于解開了。

來自拉巴斯大學(xué)的進(jìn)化生物學(xué)教授Jorge Pérez和他的幾個(gè)小伙伴，在探索安第斯山脈的時(shí)候發(fā)現(xiàn)了一個(gè)小山谷，沒有其他動(dòng)物也沒有人類。

Pérez注意到，這山谷看上去曾是個(gè)噴泉的所在，旁邊是兩座石峰，上面有銀白的雪。

然后，Pérez他們就深入探尋這個(gè)山谷。“我們爬上其中一座山峰的時(shí)候，下面的水很藍(lán)，上面還有一些結(jié)晶。”Pérez說。

發(fā)現(xiàn)獨(dú)角獸種群的時(shí)候，Pérez和他的小伙伴都驚呆了。都不用靠近，從高空就可以望見這些生物——看上去離得很近，就快摸到它們的角了。

在查看這些奇怪生物的時(shí)候，科學(xué)家們發(fā)現(xiàn)它們講著普通的英文。Pérez說：“比如說，我們注意到，它們有一種共同‘語言’，有點(diǎn)接近方言。”

Pérez認(rèn)為，這些獨(dú)角獸起源于阿根廷。在那里，人們相信這些動(dòng)物是一個(gè)消失種族的后裔，在人類到達(dá)之前，這個(gè)種族就生活在那里。

雖然，這些生物的起源還不清楚，但有些人相信，它們是一個(gè)人類和一個(gè)獨(dú)角獸相交而誕生的，那時(shí)人類文明還不存在。Pérez說：“在南美洲，這樣的事情是很常見的。”

然而，Pérez也指出，要確認(rèn)它們是不是那個(gè)消失種族的后裔，DNA檢測(cè)可能是唯一的方法。“不過，它們看上去能用英語交流，我相信這也是一種進(jìn)化的信號(hào)，或者至少也是社會(huì)組織的一種變化。”他說

【來源：量子位】