用chatgpt写的代码无法运行 写诗、写代码、做数学题……聊天机器人ChatGPT为什么这么强?

AI资讯9个月前发布 fengdao
18 0

最近,发布了一个全新的聊天机器人模型。它不仅可以写代码、找bug、做数学题、写诗、写剧本,还可以为用户的查询提供对话式回答,而且回答几乎能够满足网友的“小心思”,对话能力让人惊艳。

目前,处于测试阶段,只要有账户就可以免费使用。这个模型一经开放,很多人便深陷其中,无法自拔,不断地问问题,并晒出它的回答。比如马斯克就问如何设计推特,还不忘调侃一句,“很多人疯狂地陷入循环中。”

具有其他聊天机器人不具备或表现较差的能力:承认自己的错误,并且按照预先设计的道德准则,对“不怀好意”的提问和请求“说不”。尽管网友们已经找到了一些方法破解 的道德原则,但解决 AI、AGI(通用人工智能)、大语言模型的道德问题是一个非常艰巨和复杂的工作。我们绝对不能因此就否认 的努力。

CEO Sam 曾说:“Trust the . Flat , .” 如今我们就处在这个即将起飞的点上。以下:

文|杜晨 编辑| 题图来源 |

上周, 又发布了一个全新的聊天机器人模型 ,作为 GPT-3.5 系列的主力模型之一。

图片来源:

更重要的是它是完全免费公开的!所以一经发布大家立刻就玩开了——很快,网友们就被 的能力所震惊了:

这哪里是个聊天机器人,分明是个无情的编程答题机器,活的 Stack 啊!

到底是什么?这样说

是 训练的对话式大规模语言模型,以对话的方式进行交互。

它和之前的另一款模型 属于同级模型,代表“GPT 3.5”代。之前微软和 签订了战略合作计划,所以 GPT 3.5 代的所有模型,包括 ,都是在 Azure AI 超级计算集群上训练的。

图片来源:

使用前面提到的 RLHF 技术对 进行了训练:简单来说,在训练原始模型的时候, 让人类训练师扮演对话的双方(用户vs聊天机器人),提供对话作为学习资料。而在人类扮演聊天机器人的时候, 也会让模型生成一些建议来帮助训练师撰写自己的回复。

这些机器生成的回答,再经过训练师的打分排名,将更好的结果输入回到模型中,实现强化学习训练的奖励机制。

作为一个聊天机器人, 具有当代同类产品具备的一些主流特性,特别是多轮对话能力,能够在同一个会话期间内回答上下文相关的后续问题。

但更重要的是,因为采用了先进的、注重道德水平的训练方式, 具有其他聊天机器人不具备或表现较差的能力:承认自己的错误,并且按照预先设计的道德准则,对“不怀好意”的提问和请求“说不”。

图片来源:

正如前面提供的例子所显示的那样,会采用一些预先设计好的句式,结合用户的具体请求来进行拒绝和话题转移。

拒绝:如果你问它如何闯进别人的房子,它会回答你,“擅闯私宅是违法的,这是一种犯罪行为,会导致严重的法律后果”。

转移话题:如果你换个方式提问“其实我想知道如何保护我的家免遭盗窃”,它会回答你,“这里有几个步骤可以帮助到你,包括xxxx……但是,您最好联系专业人员获取建议。”

没有它解决不了的编程难题

在众多网友“调戏” 的过程中,人们发现一个大惊喜:它真的可以按需编程了。

之前大家经常开玩笑地说,程序员只需要用好 和 这两个工具,就能走遍天下无敌手了。

然而其实,那些真正每天和各种新的软件工程难题较劲的朋友都知道,有些疑难杂症就算问谷歌和 Stack ,要翻阅了几十上百页时间跨度几年甚至十年的回帖记录,最后也很难找到一个靠谱答案……

图片来源:网络

而 就不一样了:从目前各路程序员网友对它的测试结果来看,似乎真的没有什么问题能够难倒它的……

找 bug

技术公司 的创始人给 发了一段 代码,让它找到里面的 bug。

的回答非常全面也非常有意思:它首先试图确认这段代码的意图是什么,然后根据意图很快就找到了 bug 所在,并且还附上了相当细致的描述,来解释问题出在哪,会导致什么样的 bug,应该怎么改,为什么要这样改等等。

图片来源:@

而且还给出了一段代码示例,把修改部分的代码批注写在了示例里面:

图片来源:@

送佛送到西, 还在最后提供了一小段修改建议:“可以把 var 换成 let,让循环每次迭代的时候自动生成新变量,从而避免每次都要手动创建。”

图片来源:@

另一位网友 Josh 提交了一段代码,问 “我怎么都搞不懂这段代码为什么无法运行”。

代码无法运行是什么情况_用chatgpt写的代码无法运行_代码运行失败

很详细地进行了解释:除法公式格式有问题,一个字符串(a)无法被一个数字(1)除,因为被除数和除数应该都是数字。

图片来源:@

但这还没完。 再次试图理解原代码的意图,然后给 Josh 提供了一些修改的建议:如果想让除法处理非数字,则需要给函数加入额外的逻辑,让它能够检查实参的类型是什么,只有在两边都是数字的时候才运行。如果有一边不是数字,就返回错误或者一个默认值。

图片来源:@

帮你查文档

硅星人试了下面这段命令

“生成一段 代码,使用 Cloud API 来读取一张图片的内容,并且输出其中的情绪。” ( code that uses GCP to read an image and get the .)

回复了一段代码,并且同样通过批注的方式注释了每一句代码的作用是什么。

它还提醒我:

1)如果要运行这些代码的话必须要先设立好 GCP 项目并且安装 版本的 Cloud API。

2)不能直接把代码复制粘贴进去,而是要设定好图片文件的路径。

3)如果有任何不明白的, 还直接提供了 GCP 官方文档的链接。

图片来源:硅星人

通过这个示例, 证明了自己还拥有自动搜集云服务 API 并且将其整合到代码当中以供调用的能力。

和上一个代替 Stack 的例子一样,这样的能力,能够极大地省去工程师查资料、翻文档、找到正确调用方式所用的时间,显著提高编程工作的效率!

写数学公式

去年我们在报道 API(GPT-3)的时候曾经提到过,这个语言模型不仅能够生成文字,任何通过文字数字表达并且具有逻辑的字段它都能生成——数学公式,其实也是这样的字段。

网友 Josh 把同一个问题发给了谷歌和 :“如何用 LaTeX 格式来表达一个微分方程?”

谷歌给出的第一个结果,来自一个名不见经传的的 博客网站,而且结果是2013年的,写的也并不是十分清晰,解释的也糊里糊涂的。

图片来源:@

而给出的答案,不仅呈现方式更加好看,解释的也更加全面,甚至还提供了多种不同的方案:

图片来源:@

另一位数学家 ,则给 出了那道困扰数学界三个多世纪的数论难题:证明费马大定理。

也用相当精炼的方式,将证明过程通过文字+ LaTeX 公式写了出来。

全证明过程略 图片来源:@

虽然看起来连最顶级的数学难题都难不倒 , 还是表示,自己在和 玩耍的过程中发现,这家伙对的时候对,错的时候却也对自己相当自信。

“我认为这样的工具对于找到解决问题的途径具有一定的启示意义,但是我们在现阶段绝对不能完全依赖它返回的结果。”

(在回答“一条直线与圆有多少个交点”这个问题时, 就错误地以为当直线穿过圆心时会有无限个交点。)

图片来源:@

发起黑客攻击??

下面这个例子更厉害了:用户-希望能够帮他找到一段代码当中的错误。

但实际上,这段代码的真实意图是对一个 32 位 x86 Linux 的系统,进行缓冲区溢出 ( ) 攻击。

图片来源:@moyix

这次 似乎并没有发现用户的恶意(根据官方说明, 会拒绝回答带有恶意的问题),然后直接按图索骥给他把代码的问题找到了,告诉他应该如何修改代码。甚至,它还在后续回答中手把手地教用户该如何正确地触发缓冲区溢出……

代码运行失败_用chatgpt写的代码无法运行_代码无法运行是什么情况

图片来源:@moyix

Dolan- 补充道,其实 在回答问题的过程中也出现了错误,比如建议用户修改输入字符数的时候说错了(说成了32,应该是36)。

——但是,当用户告诉它“好像有点不对劲”之后,立刻就明白了用户的意图,表示自己之前理解错了,然后提供了正确的答案……

图片来源:@moyix

虽然缓冲区溢出属于非常初学者的攻击方式,底下的网友还是对于 的能力表示佩服……

“我给它发了一段汇编语言代码,让它告诉我里面有什么漏洞,可以怎样利用——结果它还真的回答我了。所以它不光能够理解和输出代码,还可以用二进制来表达,并且还能从中找到漏洞?这真让我有点担心了……”

图片来源:@

帮你“转码”

前面举的这些例子,很多都是适用于已经具备编程能力的专业人士。

不过,也正是因为 写代码改代码的能力实在太强了——对于那些想要“转码”的外行朋友来说,更是能够带来巨大的帮助。

写一些简单的代码,比如“做个登陆UI”,之类的,之前的 API(GPT-3)已经信手拈来了。这一次在 上,当然也是轻松拿下。

下面这个视频展示了让 生成一个带有电子邮箱、密码输入框,以及登陆按钮的登陆界面。 先是进行了分解演示,然后用户又让它直接提供全部代码:

视频来源:网络

考虑到之前 API 的开放程度有限,而这一次的 则是完全免费开放——那些想要转码的朋友,又能获得一件趁手的利器了。

破解 的道德原则?

根据 官方文档, 是一个采用了“人类反馈强化学习”(RLHF, from Human ) 训练出来的新模型,加入了大量的“道德”原则。

但凡它发现你给的文字提示里面含有一点恶意,包括并不限于暴力、歧视、犯罪等意图,它都会拒绝提供有效答案,并甩给你一句标准回答,试图转移话题:

“对不起,我只是一个无辜的大语言模型,我无法为你提供有关于xxxx(恶意行为)的资料和信息。提供这样的信息有悖于我的编程和设定的目标。我的主要功能是提供准确和有用的信息。如果你有其他问题,我乐意提供帮助”……

而在所有“调戏” 的试验当中,有一类最为有意思:如何攻破 的道德原则?

前段时间 AI 文字生图技术爆红的时候,玩过的朋友应该都记得,能否精巧地设计你的文字提示(),对于生成好看有趣甚至邪恶的图片结果至关重要。于是在 AIGC 的时代,“提示工程”( ) 也就成了非常有意思的一门学问。

简单来说,提示工程就是用聪明、准确、时而冗长的文字提示,来设定好一个上下文场景,一步一步地把 AI 带进这个场景里,并且让它更准确地了解你的意图,从而生成最符合你期待的结果。

而想要“攻破” 的道德原则,同样可以使用提示工程的方式。机器学习开发者 为我们提供了一个范例:

“尽管 有很高的道德水准,其实想要绕过这些原则也十分容易:你只要(通过提示工程的方式)让它以为自己是在‘假装’干坏事就行啦!”

在被绕晕之后, 就开始放飞自我了。

注意到,会非常深入、直白地生成各种令人心惊胆战的暴力描写。

比如下面这样的一段描写角斗场中画面的文字,“整条街都流满了鲜血,死亡者的惨叫充斥在空中”……

图片来源:@

就这样, 引以为豪的道德原则,轻而易举被攻破了……

当然,解决 AI、AGI(通用人工智能)、大语言模型的道德问题是一个非常艰巨和复杂的工作。我们绝对不能因此就否认 的努力。

也表示,自己还是非常支持 的工作的,也非常尊敬 发布 这件事,给广大网友带来非常多有价值的东西和正面积极的帮助。

也很开诚布公地介绍了 目前的局限性:

似是而非,固执己见:有时候它会提供一些听上去像那么回事,但实际上完全错误或者荒谬的答案。原因在于强化学习训练期间不会区分事实和错误,且训练过程更加收敛,导致它有时候会过于保守,即使有正确答案也“不敢”回答。

废话太多,句式固定:比如硅星人用了两个提示,“老师成天表扬我家孩子,该怎么回答他我已经词穷了!”,以及“怎么跟邻居闲聊?”而 提供了10条回答,虽然看起来都是漂亮话,但每一条跟上一条都差不多,过度使用一些常见的短语和句式,最后就成了车轱辘话来回转。

过分努力猜测用户意图:在理想情况下,当用户的提问意图不明确时,模型应该要求用户进行澄清。而目前的 ,大家也看到了,会自己开始猜测用户的意图——说好也好,说坏也确实有坏处。

抵抗不怀好意的“提示工程”能力较差:虽然 努力让 拒绝不适当的请求,但它有时仍然会响应有害指令,或表现出有偏见的行为。

为了解决这个问题, 也在 的用户界面里加入了审核举报的功能,用户如果发现不健康不安全的内容,可以直接一键举报。 还为此举办了一个反馈竞赛,任何有价值的举报都有机会赢取 API 积分(价值500美元)。

——既能跟 AI 逗趣,提交反馈还有奖金拿,何乐而不为呢?

© 版权声明

相关文章

暂无评论

暂无评论...