文章主题：ChatGPT, GPT-3.5, AI缺陷
ChatGPT用于生产级对话式AI系统的那些缺点
译者 | 布加迪
🌟ChatGP以其卓越的交互性和仿佛真人般的笔触，引发了全球对AI互动方式的深度探讨。💡相较于前身GPT-3.5，它无疑是升级版的典范，然而其虚构能力仍需警惕。👩💻业内专家建议，为了生产级应用的高效与精准，开发者可能会将ChatGP与其他工具无缝集成，打造全面解决方案。🌐#ChatGP互动 #AI升级 #整合工具
🌟💡ChatGPT与GPT-3.5，AI领域的双子之星！年由OpenAI匠心打造，🔥在微软Azure的超算平台上深度淬炼，它们不仅是革命性的对话型AI利器，更是大型语言模型世界的领航者。虽同名，却展现出显著差异，独特之处让人眼前一亮！🚀
🌟【揭秘先进】🔥GPT-3.5，引领生成式潮流的先驱！💡它以深厚神经网络结构著称，拥有超ChatGPT层数，编码无限可能！🛠️作为通用语言模型大师，它的能力覆盖广泛：从多语种翻译无缝切换，到文本精炼概览，再到问题无微不至的解答。🌍开发者福音来了！🚀OpenAI的API接口如钥匙，轻松解锁GPT-3.5的强大功能，让创新触手可及！🌐SEO优化提示：使用”通用模型”、”多任务处理”、”API接口”等关键词，提升搜索引擎排名哦！🏆
🌟ChatGPT🔥是由行业领先的AI技术驱动的聊天机器人🌟，专为流畅交流设计，以”对话代理”的身份悄然问世💡。虽受限于当前的纯文本交互方式，不提供API服务，但它的对话能力在同类模型中独树一帜🌍。通过海量对话数据的深度学习，ChatGPT展现出卓越的互动性与精准度，回应速度更是超越前任版本GPT-3.5 szybkoً。每一句话都仿佛精心雕琢，确保了每一次交流的质量与连贯性。\达标关键词：ChatGPT、AI聊天机器人、对话代理、训练数据、交互方式、API服务、对话能力、学习深度、互动性、精准度、回应速度、GPT-3.5
🌟改写版：无论是ChatGPT还是其后续版本，如GPT-3.5，它们在生成内容时都曾面临过制造虚假信息或陷入所谓“幻觉”的质疑。据统计，ChatGPT的这一问题比例大约在15%至21%，相对可控。相比之下，GPT-3.5的幻觉率则经历了显著增长，从20%左右攀升到41%，这是一个值得关注的问题转折点。尽管如此，ChatGPT在应对这个问题上确实有所进步，展现出了一定程度的改进。
🌟硅谷创新领导者Moveworks凭借其领先的人工智能对话平台，深受各行各业企业青睐。🚀公司首席技术官兼机器学习专家Jiang Chen分享道，尽管ChatGPT在生成内容时偶尔会显得不那么精准（毕竟所有语言模型都存在这个挑战），但它确实展现出了显著的进步和革新力量。🔍通过集成先进的语言模型与机器学习算法，Moveworks持续优化用户体验，引领行业迈向智能化的新高度。🌐欲了解更多关于如何利用AI驱动业务增长的信息，敬请关注我们的平台更新动态。💖
Chen说：“ChatGPT确实给人们留下了深刻的印象，给了人们惊喜。”Chen之前是谷歌的工程师，专门开发这个科技巨头的同名搜索引擎。“其推理能力可能会让许多机器学习从业人员感到惊讶。”
Moveworks使用各种语言模型及其他技术为客户构建定制的AI系统。它一直是BERT的大用户，BERT是几年前由谷歌开源的语言模型。该公司使用GPT-3.5，并已经开始使用ChatGPT。
不过据Chen表示，说到构建生产级对话式AI系统，ChatGPT有其局限性。在使用这类技术构建自定义对话式AI系统时，有各种因素需要权衡；重要的是要知道界线在哪里，以便构建一个不会提供错误答案、没有过度偏见、不会让人们等待太久的系统。
Chen表示，ChatGPT在生成有意义的回应以解答问题方面比BERT更胜一筹。具体来说，ChatGPT比BERT有更强大的“推理”能力，BERT被设计用来预测句子中的下一个单词。
虽然ChatGPT和GPT-3.5可以提供令人信服的回应以回答问题，但它们封闭的端到端特性阻止了像Chen这样的工程师对它们进行训练。这也给为特定行业回答自定义的语料库带来了障碍（零售商和制造商使用的词语与律师事务所和政府使用的词语不同）。他表示，这种封闭性还增加了减少偏见的难度。
BERT足够小，可以由Moveworks这样的公司托管。该公司构建了一条数据管道，用于收集某家公司所特定的数据，并将数据传送到BERT模型中加以训练。这项工作让Moveworks得以对最终的对话式AI产品施加更大的控制度，这在GPT-3.5和ChatGPT之类的封闭系统中是不可能实现的。
Chen说：“我们的机器学习堆栈是分层的。我们使用BERT，但我们也使用其他机器学习算法，这使我们得以将客户特有的逻辑和客户特有的数据融入其中。”
Chen表示，虽然OpenAI模型要大得多，并在大得多的语料库上加以训练，但没有办法知道它们是否适合某个特定客户。
他说：“（ChatGPT）模型经过预训练，可以对馈入给它的所有知识进行编码。它本身并不是为了执行任何特定任务而设计的。它之所以能够加速并实现快速增长，是由于这种架构本身实际上很简单。它是一层层同样的东西，所以可以说它融合在一起。由于这种架构，你知道它具有学习能力，但你不知道它在哪里编码什么信息。你不知道哪几层神经元编码了你想要推断的特定信息，所以它更像是一个黑盒子。”
Chen认为，ChatGPT可能正大行其道，但它作为对话式AI的生产级工具所具有的用途可能有点被夸大了。一种更好的方法是利用多个模型的优势，而不是完全致力于一个特定的模型，从而更好地与客户的性能、准确性、偏见预期以及技术的底层功能保持一致。
他说：“我们的策略是在不同的地方使用一系列不同的模型。你可以用大模型来教小模型，然后小模型就会快得多。比如说，如果你想进行分段搜索，就应该使用……某种BERT模型，然后将其作为某种向量搜索引擎来运行。ChatGPT就此而言太庞大了。”
虽然眼下ChatGPT在现实应用环境中的用处可能比较有限，但这并不意味着它不重要。Chen表示，ChatGPT可能产生的持久影响之一是吸引从业人员的注意力，并激励人们在对话式AI技术在未来可能实现的功效方面突破极限。
他说:“我确实认为它开辟了一个领域。展望未来，当我们打开黑盒子，我认为会出现更多有意思的方式和应用。这是我们感到兴奋的地方，我们正致力于这个领域的研发。”
原文标题：The Drawbacks of ChatGPT for Production Conversational AI Systems，作者：Alex Woodie返回搜狐，查看更多
责任编辑：
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
相关文章
