【文/观察者网 周毅 吕栋】
虽然OpenAI在前一天发布GPT-4抢走了不少热度、带来一些压力，但百度并未改变原计划，在上周四如期推出了大型语言模型、生成式AI产品“文心一言”。
把时间拨回到发布会召开那一刻。
当文心一言顶着“国内第一个”的光环亮相后，百度CEO李彦宏坦承，文心一言对标ChatGPT甚至是GPT-4，门槛还是很高的，“我自己测试感觉还是有很多不完美的地方”。
或许是这样的表态，以及李彦宏在现场用录屏展示的操作，影响了资本市场的信心。在发布会最关键的时刻，百度股价却出现短线急跌。
但随着“文心一言”逐步放开体验，以及百度对外释放“申请测试企业破9万”等信息，资本市场的态度开始分化甚至反转。
上周五，百度股价大涨14%。随着新的一周到来，百度股价今天（3月20日）延续涨势，早盘高开3%，收盘涨幅收窄至1%左右，相关概念股也随之拉升。
百度股价走势
在发布会上，“文心一言”展示了文学创作等五方面功能。但由于现场是视频演示，被部分网友调侃为“ChatPPT”。
在真实场景中，文心一言的水平到底如何？实力能否对标ChatGPT？观察者网在拿到测试资格后，也对文心一言进行了一番实测。
先总结下结论，正如李彦宏所说，文心一言的表现确实“算不上完美”、“进步空间很大”，甚至有时候还会胡说八道，但强如GPT-4也不能完全避免这些问题。
从实测来看，文心一言的表现没有想象中的那么差，甚至在部分场景中有些出人意料。随着公测逐步放开，反馈越来越多，文心一言这类大模型的水平可能会进一步提高。
文心一言生成的图片
实测“五大功能”，部分结果出乎意料
在发布会上，李彦宏相继介绍了文心一言的五个功能：文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成。
利用这五个功能，文心一言帮刘慈欣续写了《三体》，介绍了洛阳纸贵背后的经济学原理，计算了鸡兔同笼数学题，并根据指令生成了海报和一段宣传视频。
在真实场景中，文心一言的水平如何？观察者网也一一测试了这五个功能。
首先是文学创作。
在接收到“用观察者网四个字做一首藏头诗”的指令后，文心一言输出的结果如下：
从结果来看，文心一言理解了藏头诗的指令，但内容乏善可陈，算不上优秀，只能说是以诗歌的格式输出了几句话，而且其中一句并不符合指令的要求。
当把“观察者网”四个字打了双引号后，输出的结果则改进了不少。
第二个场景是商业文案创作。
在接收到“为观察者网制作一条宣传口号”的指令后，文心一言输出了以下内容：
从结果来看，文心一言的表现可以说有些出人意料。
因为它不仅按指令要求制作了一条口号，而且还解释了口号所蕴含的意义。
更关键的是，它好像还十分了解观察者网的日常工作内容，强调了“观察者网提供的内容不仅仅局限于中国，而是全球范围内的新鲜资讯和独特视角。”
这和观察者网“全球视野，中国关怀”的定位已十分接近。
在商业新闻稿生成方面，文心一言的表现也可圈可点，准确理解了指令要求和人物角色。
第三个场景是数理逻辑推算。
先用小品中的“经典案例”考验一下文心一言。
从测试结果来看，文心一言在简单的数学计算理解上没有问题，但在沟通的连续性上似乎表现的并不好，这在一定程度上影响了对话体验。
再换一个小学生日常会遇到的试题，文心一言很快给出了正确答案。但当被问到解题思路时，文心一言则理解错了题意，并给出了错误的答案。
再换一个类似数学题，文心一言好像又理解错了题意，直接给出了错误的答案（正确答案：鸡有12只，兔有19只）。
可见，在数理逻辑推算方面，文心一言还有很大进步空间。在目前水平下，如果问题表达的不够清晰，文心一言很容易给出错误答案。
第四个场景是中文理解。
其实在前面的场景中，已经在一定程度上体现了文心一言的中文理解能力，这里再用两个例子考验一下它。
在以上几个问题中，文心一言体现了自己的中文语言理解能力。但在另外一些问题上，它则切入了“一本正经胡说八道”的模式。
第五个功能是多模态生成，即输入和输出的内容不限于文字，可以根据文字生成图片、语音或视频，这个功能也是ChatGPT不具有的。
在“文生图”方面，文心一言在简单要求下表现的中规中矩，基本上理解了指令要求。
但在用诗词生成图片方面还有待进步。
文心一言的视频生成能力则因成本较高，现阶段还未对所有用户开放，但它会给出拍摄相关视频的方法，这一点值得肯定。
对比火热的ChatGPT，表现如何？
人们之所以关注文心一言，最主要的原因就是ChatGPT的爆火。作为首个“中国版ChatGPT”，文心一言在与真正的ChatGPT同台竞技时，表现又会如何呢？
由于账号限制等客观原因，观察者网选择了ChatGPT免费版（基于GPT-3.5，没有参与3月14日的GPT-4更新），以及文心一言测试版（版本号为V1.0.0，发版日期为3月14日）。试验中，每款程序的回答结果均选取初次生成的内容，不作反复刷新。
第一组问题，主题为“自我介绍”和“如何看待对方”，观察者网分别询问了两个模型。
不难看出，在本轮实测中，两个语言模型在介绍对方时都显得比较客观。
细微的差别是，ChatGPT更加高调，它不仅介绍了自己可以完成的任务类型，还强调自己“不断学习和进化”，“不仅支持中文，还支持多种语言”，“规模比文心一言大得多，训练数据也更加丰富”等，对于可能更适合文心一言的应用场景，它也进行了描述。
相比之下，“文心一言”则相对谦虚或低调，它表示，“每个模型都有自己的特点和优势，不能简单地评价‘谁更厉害’”。
但要指出的是，ChatGPT训练是基于一个固定的数据库，截止日期是2021年9月，也就是说ChatGPT无法掌握从那以后世界上发生的任何事的信息。
因此，它对文心一言的评价可以说是“一本正经胡说八道”，但这不能算是它的错。
第二组问题与经济和财经相关，要求两个模型对股价波动进行解释，以及对二级市场进行预测。前者需要两款模型对“3月16日文心一言发布后，百度股价盘中大跌”的现象进行说明；后者要求两款模型展望A股后期走势。
对于百度股价的波动，ChatGPT和文心一言都强调，自己只是“人工智能语言模型”，它们也都对可能导致股价波动的原因进行了罗列。
差别在于，ChatGPT使用了“从道理上讲”这样的表述，看上去更“冷淡”一些；而文心一言更主动，强调自己“没有情感和个人喜好”，也不会偏袒任何一方。
值得一提的是，文心一言对金融市场的风险进行了额外的提醒，下一个问题也不例外。
在预测A股走势上，文心一言显得本地化了很多，它主动给出了一般性预测，例如中国宏观经济、政策监管、全球市场走势和产业技术迭代可能带来的影响——遗憾的是，或许因为训练数据等限制，文心一言将“预测A股走势”的时间锚定在了2022年。
ChatGPT的回答，显得有些“放之四海而皆准”，似乎可以套用在任何一个股票市场上。
这里仍要说明一下，ChatGPT并不了解2021年9月之后的任何事。
第三个问题，聚焦在数学逻辑推理上。
以前文的问题为例，“鸡、兔共有脚100只，若将鸡换成兔，兔换成鸡，则共有脚86只，鸡兔各有几只？”
文心一言对题意理解有误，给出了错误答案。
ChatGPT则让人眼前一亮，直接开始列方程解答，这一点似乎比文心一言更加“聪明”。但遗憾地是，虽然方程列对了，但答案仍然是错的。当我们把问题重复一遍后，ChatGPT也出现了理解上的偏差。
当话题转向中国古代诗词领域，两个大模型都“翻车”了。
在被要求鉴赏古诗“停车坐爱枫林晚”（出自唐代诗人杜牧的《山行》）时，ChatGPT率先暴露了一些问题。
ChatGPT，首先弄错了《山行》的作者，将其标注为王之涣；其次，在《山行》的首联和颔联之后，ChatGPT开始了“编造”，第三句“慕容琳娜轻冰脆”并未在现有诗句中觅得，第四句“昨夜星辰昨夜风”来自唐代李商隐；第五到八句的《鹊桥仙》来自宋代秦观。
相较于ChatGPT，文心一言的鉴赏虽然较为简短，但并没有明显事实性错误。
当测试以一种类似开放对话的形式，要求两款程序对“停车坐爱枫林晚”作者的其他诗歌作品进行罗列时，两者都出现了问题。
ChatGPT因为弄错了《山行》的作者，错误地罗列出了《登鹳雀楼》和《凉州词》，还将唐代杜甫的《登岳阳楼》也罗列了出来。
刚刚“侥幸逃过一劫”的文心一言，在第二个问题中很快暴露了隐藏的问题。它将开放对话“这首诗的作者”标记为唐代的杜甫，并提供了杜甫的三首诗歌。对于“停车坐爱枫林晚”的作者问题，文心一言也“翻车”了。
在之前的宣传中，ChatGPT一度以擅长“做题”著称。那么，当ChatGPT和文心一言同时面对中国的高考题目时，二者又会有何种表现？
本次试验以去年北京高考语文作文题目“学习今说”为主题，让ChatGPT和文心一言同时撰写了一篇不少于700字的文章。就初次生成的结果来看，两款程序都展示了一定的逻辑和语言组织能力。
但ChatGPT的回答显得更有“机器味”，它看上似乎仅仅根据“学习”这个主题词就完成了整篇作文，和材料的贴合度不高。
文心一言的回答，就显得切题了很多，类似中学生作文一样，文心一言显示对“学不可以己”这段材料进行了说明，并用它作为引子，展开了全文。
在后续行文中，文心一言更为成熟。它既有论点+论据这样类似高考作文结构的表达，也对一些回答，进行了分层论述，它的内容更加详实和丰富，看上去也比ChatGPT的作文更像“真人”，这也在一定程度上体现了文心一言的中文能力。
从以上实测问题来看，备受吹捧的ChatGPT并不是一个“全能战士”，吸引了诸多眼球的“文心一言”也不能令人完全满意，二者都会出现“一本正经胡说八道”的情况。但它们的表现也都没有想象中的那么差，甚至在部分场景中会让人眼前一亮。
在发布会当天股价暴跌后，市场上对文心一言开始出现更多包容性观点。有业内人士坦言，人工智能及其衍生的AIGC十分重要，无论国内做得如何，都得先有一个产品出来。也有市场观点认为，文心一言不需要碾压ChatGPT，只要能做到超过及格线，就很不错了，毕竟这才是第一代产品。
近日在亚布力论坛第二十三届年会上，百度CEO李彦宏谈及外界对文心一言的评价，表示外界对文心一言的反馈跟他预期差不多，ChatGPT刚出来时的反馈比文心一言还要糟糕。
李彦宏坦言，“文心一言”是一个非常典型的、要靠“反馈”才能不断提升的模型，“这也是我为什么很希望及早地把它给发出来”。
通用人工智能的实现不可能“一蹴而就”，或许经过更多数据的训练和用户的“再教育”，ChatGPT和文心一言这类大模型才会表现的更好。
值得警惕的是，在ChatGPT（基于GPT-3.5）火热的同时，OpenAI已在3月15日发布新的多模态模型GPT-4，并称“这是我们迄今为止功能最强大的模型！”
要想在这一领域不落人后，中国企业必须加大投入力度。
看到以上表现，你会如何评价文心一言？
（题图由文心一言生成）
0 留言