普通NLP科研人员对ChatGPT的一些思考

根据媒体报道，ChatGPT全球用户数已经突破了一百万，早早火出了圈。我朋友圈里的做金融的、做健身教练的、做英语培训的，都玩起了ChatGPT，我一个做NLP的，却迟迟没有去体验，主要是因为有一种疲惫感，热点太多了跟不上了。昨天终于觉得，如果再不体验一下，就真的落伍了，无奈国内无法注册，于是找了人在美国刚下飞机的好哥们要了一个手机号，终于顺利注册。

一些NLP任务的测试

其实测试之前，早已经在知乎被耳濡目染，知道这玩意儿是个“怪物”，什么基础的问答、写诗、写程序、玩游戏啥都会。但亲自体验一下，还是感觉很不一样的。网上的测试，更多还是闲聊，但这种闲聊实际上意义不大，说的再通顺，我也不惊讶。作为一个NLP研究人员，更关心一些NLP任务的解决情况，于是我针对自己感兴趣的一些任务，做了一些测试：

关键信息抽取（NER、事件抽取、关键词提取）：

药物NER：

关键词抽取：

在多轮对话中进行事件抽取：

这些任务的效果相当好，而且格式十分规范。

简单推理任务

NLI任务：这种简单的NLI任务还是完全可以胜任的。

但给一些涉及简单数学推理的，可能就在一本正经的瞎推理了：

写作辅助

这个效果，真滴完美。我这最近开发的GENIUS模型，顿时显得十分弱鸡，甚至我目前看到的绝大多数开源写作辅助模型，都黯然失色了。。。

需要一定知识储备的开放域问答

比方我问它怎么做糖醋带鱼：还真像模像样地给你一个个步骤，但仔细一看，其实并不靠谱，我没见过谁做带鱼还需要焯水的，所以炒菜建议不要参考ChatGPT哈哈，后果人家可不负责任的...

很明显，训练数据中包含了大量这样的网上教程，所以这里也可以这样一步一步地给你写出来，因此生成的文本在格式上十分规范。

主观问题一定回答的很圆滑，可能存在的一定的模板

相信很多朋友也发现了，但凡问一些主观的问题、找茬的问题，它基本一定给你回答的很圆滑，严丝合缝的，不给你留下把柄。比方这两个例子：

然后我发现训练语料中应该存在典型的模板，导致一些回答看起来像模像样，但实际上就是“纯废话”，比如我问这个对各个国家的疫情防控的评价（最后一个问题是彩蛋🥚）：

真的懂写代码吗？

网上很多人发ChatGPT可以直接写神经网络等高级算法，很牛皮对吧，那我们测一个简单的程序，而且网上有很多教程的程序——画爱心：诶，牛逼，像模像样给我写了一段，那咱们跑跑看？居然还真的bug-free，但是生成的结果：有亿点丑啊，而且为啥是个双层爱心？我们回头仔细看看代码就发现问题了，在画爱心的轮廓的时候，实际上画错了，所以在填色的时候，就出现了这种诡异的爱心。。。但怎么说呢，已经给出了这样的程序，我们自己也可以很方便地改一改就可以用了。

其实一个问题可以让ChatGPT重新生成回答的，所以我重新生成了一次，这一次，呃。。。：

所以可以明确的说，ChatGPT肯定是不懂它写的到底是个啥的，但是由于训练语料中包含了大量的程序，而且我们一般能想到的问题，都是互联网上存在的，那么ChatGPT就可以给你“搬出来”，或者给你把互联网上已有的信息“糅合”一下吐出来。所以那些营销号一天到晚上取代这个取代那个，甚至取代程序员，实在是扯淡，这种基于QA训练出来的模型，能力的上限依然是已有的知识的重新输出，如果你网上查都查不到，也不要指望ChatGPT能帮你做出来。所以，用来帮忙debug，也许是可以的，但stackoverflow上一定也有对应的答案；用来帮忙写算法，也许也是可以的，但更多的是给一个参考，从而帮我们更快上手。

一个普通NLP研究者感到的迷茫

一味地吹捧ChatGPT的强大能力，和对ChatGPT各种找茬找毛病，属于两种极端，都不利于思考。ChatGPT的强大，也不会导致我们任何人失业；我们找出再多ChatGPT的bad cases，也不会影响它对NLP界的巨大影响。

作为一个NLP方面的渺小的研究人员，我一度感到非常迷茫，在ChatGPT等等巨大模型的时代，在没有大资金大团队大机器的情况下，我们还可以做出什么样的有价值的研究呢？

个人很明显地感受，在AI领域，阶层的鸿沟在明显拉大，普通研究者和顶级研究机构的思路、话语已经开始差距越来越大，两个群体慢慢地在讨论这两种全完不同的东西了。

@曹越在知乎上转发了Jason Wei的tweet：

当时看到这句话，心里还是隐隐的有些不平的。Jason Wei是我比较熟悉的一位研究员，曾经还follow过他的文章，他其实写过不少水文，而且水是真水。。。所以一度我还挺瞧不起的，当时他还是Google实习生的身份，citation就几百，而且主要靠EDA这个“风口上的猪”的工作。但后来他就进入了Google Brain，应该是加入了Quoc V. Le大佬的团队，然后就开始起飞了，最为人熟知的要数“Finetuned language models are zero-shot learners”和“Chain of thought”这俩工作了，还参与了PaLM的研发等等。从此我就不配对他做评价了，已经两个阶层了，刚刚查了查，citation已经快3000了。如今，我已经成为他口中的“old-time NLPer”，唏嘘不已。。。。

遥想曾经，我在Jason Wei的EDA的基础上做出了一个改进算法，投了EMNLP，一个3.5一个4分，但还有一个2分，那个2分的人主要说我没使用BERT做实验。我当时觉得挺不服气的，我用的TextCNN，人家EDA也只用了LSTM和CNN，而且我做数据增强，又不是做模型。但无奈，这个2分最终也没有掰过来。。。然后后面的一年，一直在死磕这个工作，修修补补，反复投稿，一直被拒，如今已经下落不明了。然而时间已经荒废，一两年时间，虽然很短，但在AI领域，却已经天翻地覆，曾经研究的东西，已经过时了，我自己都不愿再提起了。

这就是我最大的迷茫感，作为一个普通的NLP研究者，我没法一个研究一投就中，修修改改，等中的时候，可能一年就过去了（能最终中还是幸运的），这期间，因为一直执著一个工作，可能慢慢的自己的研究就过时了。我相信大多数人其实也是这样，所以普通研究者这个阶层，越来越跟不上上层研究者，差距越来越大。作为个人研究者，做出有影响力的研究的门槛越来越高了，因为最有影响力的工作基本都是“集中力量干大事”的结果，而如果能加入这么一个组织，干成一件大事儿，可能就一夜之间实现“阶层跨越”了。

怎么办呢？

普通研究者可以做什么

这里主要是从一个“独立研究者”的角度进行考虑的，可用的资源就是一个人、一台机器（1-8张卡）。我们可以做些什么？以下纯属个人角度去理解。

1. 研究一些更加底层的，大小模型都适用的问题

比如OOD generalization的问题，无论大模型，小模型，都存在数据一变化，模型效果就剧烈下降的情况。那么，研究这些问题，我们有限的资源，即使只有一张卡，也是可以研究一些有意思的问题。虽然ChatGPT这么强了，但我相信你去跑一个RoBERTa，依然不会被人瞧不起。（但是，distilbert已经开始被reviewer瞧不起了，亲身体验。。。）

2. 研究一些很特殊的，需要特定领域知识的任务

一般是跟其他领域相结合，比如医疗、金融、生物等领域，需要结合领域知识，进行一些精妙的设计，才能做好的任务。

3. 以数据为中心的研究

吴恩达这两年提出的Data-centric AI（DCAI）也给我们提示了一种新的研究范式，把焦点从模型开发，转到数据层面。研究数据质量的改善，研究如何把有限的数据变得更多更好。在知乎@Trinkle 的回答以及评论区，也提到了Data-centric的概念，ChatGPT之所以可以做的这么优秀，跟它背后高质量的数据有着密不可分的关系。我自己也训练过一些语言模型，明显地可以感受到对数据质量做一些过滤等简单处理，就可以显著提高生成的质量。所以数据质量问题，无论对于小模型训练还是超大模型的训练，都有着至关重要的作用，而且方法可能具有通用性。即在低资源、小模型上的DCAI方法，可能对大模型、高资源场景也适用。

ChatGPT训练中还有一个关键词“human-in-the-loop”，其实也是DCAI的一部分，人类专家给出的一条高质量样本或者高质量反馈，可能抵得上十条百条随机抽取的样本，所以人工的反馈加入到训练数据改善上，还大有可为。

内容中包含的图片若涉及版权问题，请及时与我们联系删除