【文/观察者网专栏作者 陈经】

近期，OpenAI开发并发布了一款新型自然语言处理（NLP）聊天机器人工具——ChatGPT。它被广泛视作未来人工智能在用户体验方面的领先者，备受世界瞩目。人们关心，ChatGPT可能对就业市场产生怎样的影响？

一方面，在许多岗位上，ChatGPT有望取代人类。例如，以往在营销领域，营销部门需要依靠客服代表与现有和潜在的客户进行沟通、解决问题、推广产品，以达成销售目标。但是，随着ChatGPT出现，机器可以更加自动化地完成客户服务等日常交易：通过自然语言理解、推断和应答，它可以执行几乎所有客户服务活动，包括提出问题、提供建议和解决问题，而这些曾经都是客服代表的职责。因此，未来ChatGPT可能取代客服代表这一职位，使一些人失去工作。

另一方面，ChatGPT也会为许多其他行业创造工作机会。例如，ChatGPT也可能给消费者带来更好的用户体验，根据消费者的实际意图提供准确的产品信息和服务，从而更有效地实现销售目标。因此，它也可以为许多公司和机构创造数据分析师、客户服务专员等新的岗位。毕竟，机器只是自动化的工具，而真正的商业成功和创新还需依赖具有创造力和独特思维能力的人类团队。

说了多少年“AI将取代人的工作”，这一次，“狼”是真的来了。可以断定，从客服代表到新闻写稿，许多人的工作可能被机器取代。如果你还无动于衷，事实上，本文开头四段就是笔者让ChatGPT写的。

ChatGPT的特性与原理

当然，由于ChatGPT的中文版本训练较少，它还没有学会我的语言风格。但正如许多西方作者所发现的，只要有足够多的样本，风格化的写作不是问题。

笔者让ChatGPT以“波动的市场”为主题，写一首许巍风格的歌词。它较好地完成了任务。（注：第三方开发者将ChatGPT接入了微信，群聊天转发到OpenAI的服务器给出反馈）

ChatGPT所作歌词（作者供图）

不过，当我让ChatGPT继续介绍OpenAI公司，它的表现证明，我们也无需对人工智能过于担忧——它写道：

OpenAI在相对较短的时间内取得了一些重大成功。2016年，它创建了一个叫AlphaGo的游戏系统，在一场围棋比赛中击败了世界冠军李世石。这一成就尤其值得注意，因为围棋此前被认为过于复杂，计算机无法掌握。

2016年AlphaGo引爆历史最大一波人工智能热潮时，笔者是亲历者，解说了机器下围棋的原理与缺陷，在观察者网发表的文章提前预测到了李世石战胜AlphaGo的一局。这事和OpenAI毫无关系，实际上AlphaGo是竞争对手Deepmind开发的。

由此不难看出ChatGPT的一个典型毛病：理直气壮地编造事实和数据，就像一个信心十足的“大忽悠”。如果不提高警惕，很容易上当。英文版本由于训练数据较多而比中文版本靠谱得多，但即便如此，也有不少人报告说机器撒谎。

无论如何，ChatGPT引发了人们很大的兴趣，不少人都要求入群围观调戏。如何理解这波热潮？

2016年，AlphaGo引爆了史上最大的人工智能热潮，一度到了“与会必谈”的程度。一些社科学者也对人工智能产生了兴趣，对人与智慧机器的关系进行了深入探讨，“机器是否会取代人的工作”一度引发热议。

宣传画中的人形AI（作者供图）

后来，AI热潮逐渐退去，这也正常——AI的确很有用，但这几年间并没有取代多少人的工作。人们逐渐发现，AI并非宣传画中的人形机器，也还不完全具备送快递、自动驾驶等功能，只是能执行人的语音命令，并没有传说中那样神奇。

正如IT开发者早就指出的，虽然AI在所有棋类运动中都战胜了人类，但这并不意味着其具备了足以与人类匹敌的、真正意义上的智慧——棋类运动的本质即较为复杂的计算，因此AI在棋类运动中的胜利表明的无非是其深度学习、强化学习算法的威力。计算器刚发明时曾被视作神奇的产品，能卖上千美元，但随着时间推移也就逐渐“白菜化”了；同理，高水平AI作为更强大的计算功能，也终将被人们习以为常。

如何判断AI究竟有无“智慧”？相关学者对此早有思考，提出了“图灵测试”法则：如果机器能够像真人那样聊天、让人无法分辩，则可视作具有智慧。

但是，关于通过图灵测试的标准，研究者们各执一词，难有定论。例如，有研究者声称裁判无法区分其开发的聊天机器人和13岁小孩，谷歌工程师Blake Lemoine也曾声称聊天机器人LaMDA真的拥有“灵魂”，但上述案例并未得到业界的普遍认可，被视作笑话或炒作。另外，随着机器的表现越来越好，图灵测试的标准也相应地一再升级。

研究者们高度重视图灵测试，希望看到聊天能力强大的机器人——早在数年前，聊天机器人与图灵测试的关系就得到业界广泛关注。近两个月“火出圈”的ChatGPT被业界公认为最有希望通过图灵检验的AI，虽然它并不自称为人类。

聊天机器人的专业名称是“大型语言模型”（LLM， Large Language Model）。主要技术关键是谷歌2017年开始引入的Transformer模型，先是对机器翻译，再自然地到语言模型、聊天机器人。

上一波人工智能突破主要由图像识别领域的“深度学习”（DL，Deep Learning）引领，AlphaGo就是将棋盘当作图像输入。人们一度认为“强化学习”（RL，Reinforcement Learning）以及“对抗生成网络”（GAN，Generative Adversarial Network）很厉害。AlphaGo的升级版本AlphaZero就是用了这两个技术，几个模型反复对抗训练、一起进化，自己生成学习样例，进步非常明显。

GAN还被应用于不少其他有趣的方面，例如，可以用GAN框架做一个生成图片的神经网络和一个判别图片真假的神经网络，两个网络互相对抗、共同改进，最后获得足以以假乱真的图片生成能力，画出大师风格的油画。不少研究者觉得，GAN是多年来人工智能领域最大的突破，应该会是下一个出大成果的方向。