生成式人工智能将成为智能的未来，还是仅仅是高级预测文本？

自1956年概念化以来，人工智能（AI）经历了一场变革性的旅程。它最初只是一个理论构想，如今已渗透到数字生活的方方面面。今天，聚光灯打在生成式人工智能上，这是一项开创性的技术，能够创作内容，从复杂的艺术品到引人入胜的对话，展现出类似人类的创造力和认知能力。在这场创新浪潮中，OpenAI的ChatGPT处于领先地位，其他众多平台紧随其后。前景看好，一些专家甚至预测生成式人工智能可能很快就能自主编写计算机代码。

解读生成式人工智能

诺丁汉大学著名的计算机视觉副教授Michael Pound博士为生成式人工智能提供了一个有趣的类比，将其描述为“类固醇版”的预测文本。像ChatGPT这样的系统仔细生成内容，逐字逐句，利用庞大的数据储备。令人惊讶的是，即使采用这种线性且看似简单的方法，生成的内容也是连贯的，很少陷入无意义的胡言乱语。

驾驭生成式人工智能的复杂性

然而，像所有技术一样，生成式人工智能并非没有挑战：

• 冗长输出： 有时，人工智能为了提供全面的答案，最终会给出冗长的解释。这些解释听起来可能很 impressive，但偶尔缺乏深度或有意义的內容。
• 事实与虚构界限模糊： 人工智能的输出有时会将事实信息与不准确的信息交织在一起，使得区分真实信息与误导性内容变得具有挑战性。
• 偏见难题： 一个更紧迫的担忧是人工智能无意中强化了其训练数据中存在的偏见。这可能导致输出结果无意中反映出性别歧视、种族主义或其他偏见观点。

人类干预在AI训练中的关键作用

人工智能的训练过程本质上是以人为本的。人工智能的学习轨迹深受其训练师的影响。例如，如果训练人工智能的个人对猫的看法有偏差，不认为无尾猫是真正的猫，那么人工智能可能会忽略像曼克斯猫这样的品种。这种无意中的人类偏见很难纠正，尤其是当人工智能接触到现实世界的数据并继续其学习旅程时。

编码前沿将成为生成式人工智能的下一个挑战

生成式人工智能的能力自然引出了一个问题：它能自主生成代码吗？鉴于人类语言具有细微差别和歧义，比编码语言更复杂，人工智能在生成可编译代码方面可能相对容易。然而，生成代码的有效性取决于训练数据的质量。正如IT质量保证领域的资深人士所证实的那样，常见的编码实践并不总是等同于最佳实践。因此，虽然人工智能可能轻松生成可编译的代码，但真正的挑战在于确保代码按预期运行。

该领域的一个迫在眉睫的担忧是个人对计算机生成输出的过度信任。生成式人工智能可能会验证其代码是否可编译，但它缺乏判断结果是否符合预期目标或是否符合道德标准的能力。随着人工智能系统越来越多地影响决策过程，我们有责任确保其输出既有效又合乎道德。

重新定义智能范式

Pound博士对当代人工智能系统的智能提出了发人深省的观点，将其与蚂蚁的本能行为进行比较。这与我们所感知的人类智能截然不同。这引出了一个存在主义问题：生成式人工智能能否进化以体现真正的智能？虽然潜力存在，但我们仍处于这种变革性飞跃的初级阶段。目前，人工智能应被视为增强智能框架内的工具性工具，旨在放大人类能力，而不是取代它们。

生成式人工智能的潜力无疑是巨大的。然而，必须谨慎地与其互动，既要认识到其无与伦比的能力，也要认识到其固有的局限性。随着我们逐步将人工智能整合到各个部门，保持警惕的人类监督变得更为重要。