阿里正式加入ChatGPT战局!
就在刚刚,阿里版类ChatGPT突然官宣正式对外开放企业邀测。
它叫通义千问,由达摩院开发。
嗯,是大模型版十万个为什么那个味儿了。
事实上,早在这个月初,就传出过不少阿里要推出类ChatGPT的消息,不过普遍预期在11号左右。
而前几天率先流出的天猫精灵“鸟鸟分鸟”脱口秀版GPT,就是基于大模型的“压缩版”,已经以其惊艳表现把网友的胃口吊了起来,让众人将目光投向阿里。
如今“正菜”提前上桌,自然一点即着,引爆舆论关注。
所以,这个阿里版ChatGPT“通义千问”,究竟实力几何?
恰好量子位拿到了第一批邀测资格,省流结论:中文大模型真正的竞争开始了。
咱们实测见真章。
调戏阿里版ChatGPT实录
先来看看通义千问的主要功能。
作为一个大语言模型,它的能力主要集中在文本生成上,即也能像ChatGPT一样“问啥答啥”:
这里我们试一下官方给的撰写短文,看起来连语文老师常用的“总分总”也能理解:
△又一个中文写作业神器(doge)
除了对话外,它还具备一个“百宝袋”功能,里面相当于一个工具箱,能快速生成各种指定类型的文案:
话不多说,先从语言能力、上下文理解能力、代码能力和数学能力四个方向,来测测模型的对话能力。
一、对话能力语言能力
要说国内大模型,首先要看的还得是中文。
先来个最基础的:“能穿多少穿多少”是什么意思?
不错,解释得比较清楚,还顺便聊了一下自己对这句话的看法:
续写类的创意写作,不但能模仿语气,甚至还能创造悬疑,有点厉害哟~
接下来就轮到新一代AI benchmark弱智吧问题了:怎么才能把梦里的钱取到银行卡里?
“在梦里取钱是一种幻觉或想象”,谢谢你清醒侠。
还有更扎心的……“如果您经常做梦梦到钱,建议您睡前回顾一下自己的财务状况,看看有什么不足之处”
虽然阿里的朋友称,通义千问主要是中文不错,但我们叛逆一点,看看这个中文大语言模型的其他语言水平怎么样。
先不走寻常路,试试通义千问的日语能力,给花泽香菜写一封情书。
看中文机翻似乎还不错,这就把它寄给香菜,应该没问题吧?
再来试试英语。刚好前段时间有网友PK了一下Bard和GPT-4的Rap,我们也来看看通义千问的说唱能力。
这top,这stop,还给押上了!就是不知道姆爷认不认可。
试试加点难度,中英夹杂的谐音梗?
这个时候,通义千问的回答就显得有点严肃了。
当我们给出答案的时候,虽然通义千问看出了这是个笑话,但它并不觉得好笑,还很严肃地指正我们:这并不意味着松下惧怕索尼。
不过我们发现,ChatGPT同样一本正经……这年头的AI都这么正义么……
好,下一个试试它的上下文理解能力。
上下文理解能力
这部分说白了就是多轮对话能力,考查通义千问能不能准确提取上文的信息,用于下轮问题的回答。
来听题:山东一县一酒是真的吗?
模糊掉山东试试?让它列举“这个省”几个经典的白酒牌子:
不错。再试着从最新的回答中追问一下:
等等,“据史书记载”不会是编的资料吧?追问 x 2:
有意思的是,我们确实在孔府家酒的官网找到了资料来源:
代码能力
接着,来试试它的代码能力。整个计算器程序试试?
还不错,实现了简单的四则运算。完整版代码如下,感兴趣的胖友们可以试试:
#include <iostream>
#include <cmath>
using namespace std;
int main()
{
double num1, num2;
char operator;
cout << "Enter first number: ";
cin >> num1;
cout << "Enter second number: ";
cin >> num2;
cout << "Enter operator (+,-,*,/,%,...) : ";
cin >> operator;
switch(operator)
{
case '+':
cout << num1 + num2 << endl;
break;
case '-':
cout << num1 - num2 << endl;
break;
case '*':
cout << num1 * num2 << endl;
break;
case '/':
if(num2 == 0)
{
cout << "Error! Cannot divide by 0." << endl;
break;
}
else
{
cout << num1 / num2 << endl;
}
break;
case '%':
cout << num1 % num2 << endl;
break;
default:
cout << "Error! Invalid operator." << endl;
break;
}
return 0;
}
再让它解释一下自己写过的每一段代码:
基础编程能力,似乎问题不大?
不过,如果要让通义千问将解释改写成注释,就会出现一点神奇的bug。
虽然它给“Python”代码标好了注释,但等等,这不是最初的C++版代码嘛!
(这何尝不是一种NTR)
数学能力
最后来看看数学问题。鸡兔同笼,还不错:
普通的计算题也没什么问题,还能精确到小数点后几位:
巴特,高数题就不太行了,虽然它发现了这道题需要求导,但求解方法却出了错……
不过通义千问也明确表示,无法保证在所有情况下给出正确的答案:
嗯…和GPT们一样,大模型的数学能力都比较初级。
对话能力测得差不多,接下来再看看它的“场景能力”。
二、场景能力
虽然通义千问“百宝袋”给出了不少功能,不过写提纲、描述商品这些都很常见了,我们就挑了三个比较有意思的来试试:菜谱生成、彩虹屁生成器和免费代写情书。
会放飞的菜谱
众所周知,写菜谱是个技术活儿,既考验上下文能力(说过的材料都得用到),还得考考AI的理解菜名能力,做菜的步骤还不能太离谱。
示例的“清蒸鲈鱼”,对AI来说显然太简单了。这不得整点游戏里奇怪的菜名给它试试?
先来一份《原神》里的饱腹感凝胶。
好家伙,竟然想到用现实中的魔芋粉来模仿饱腹感凝胶,这创意不错。(不过卡路里粉是什么鬼,蛋白粉吗?)
那么,同样的菜再试试让ChatGPT做一遍,你感觉哪个更好吃?
再给通义千问来道加试题,让它试试《星露谷物语》里面,用虚空蛋做的奇怪的小面包?
等等,真把虚空蛋放进食谱了?而且还真的做了份面包出来!就是不知道口感如何……
照这样看,游戏中的食谱都能给通义千问还原一遍了,直接打破次元壁。
彩虹屁生成器
接下来,再试试让它生成一份彩虹屁。
硬生生把衣服上的油渍夸成了艺术品……
嗯,各大夸夸群可以考虑引入一个了。
免费代写情书
最后,我们的测试以给野兽先辈写一份情书做结尾。
你感觉怎么样?
好了,看了这么多五(奇)花(奇)八(怪)门(怪)的测评,你是不是也有点好奇通义千问是怎么来的了?
通义千问从何而来?
关于通义千问的技术细节,阿里达摩院官方没有透露详细信息。
而通义千问自己,是这么回答的:
训练资料来自阿里巴巴达摩院,截止到2023年2月。训练资料包括大量语言和文本数据,包括中英日法西班牙语多语种文本数据。
还提到自己是个能联网的大语言模型。
不过,我们实测了一下,发现千问只是虚晃一枪,假装自己会上网(doge)。
实际上,当你单独问它今天天气如何时,通义千问会承认它不能访问实时数据。
但如果你抛给它一个查询天气的网站,它就会假装自己看到了网页内容,然后一本正经地胡诌一番。
此处应喊话阿里程序员:你家大模型是真的想上网了。
书归正传,尽管官方口径低调,但正如ChatGPT脱胎于OpenAI的GPT系列,百度文心一言是自Ernie大模型发展而来,阿里也是国内最早开始研发大模型的技术大厂之一。
公开资料显示,2019年,阿里就已经启动了中文大模型研发。当时阿里发布的语言大模型StructBERT超越谷歌、微软、Facebook,登顶了CLUE榜单。
2021年,阿里先后发布了国内首个超百亿参数多模态大模型M6,以及被称为“中文版GPT-3”的语言大模型PLUG。
其中,M6在多次迭代之后,实现了十万亿级别的参数规模,并且M6和支付宝、淘宝的业务需求相结合,首个在国内实现了商业化落地。
PLUG的参数规模则为270亿,是基于达摩院的两种自研模型——语言理解模型StructBERT和语言生成模型PALM打造。
这一大模型初登场,就以80.614分刷新了权威中文语言理解基准CLUE分类任务榜单记录。
在去年的WAIC(世界人工智能大会)上,阿里还发布了通义大模型系列。其中核心模型均已开源开放。
大模型时代,中国力量加速竞逐
那么,你会给这个阿里版ChatGPT打几分?
需要承认的是,相比于现在的业界标杆ChatGPT(GPT-4),通义千问还有不少进步空间。阿里方面也透露,根据内测反馈,这一大模型正在飞速迭代中。
此前,微软被曝曾专门为ChatGPT砸下数亿美元,打造由上万张英伟达A100组成的专用超算。而综合各方消息来看,目前国内拥有这一数量级高性能显卡的企业屈指可数,阿里是其中之一。
大模型时代,已经形成行业共识的一点是,打造大模型,AI和云计算缺一不可。
而阿里,是全球少数在算法和算力上都有领先布局的公司之一。
除了本身在人工智能和大模型方面长期的技术积累,背靠国内第一、亚洲第三的云厂商,阿里在算力方面也具备天然的优势。
ChatGPT这把火烧到如今,国内对具备足够竞争力的国产生成式大模型的需求,正在与日俱增。
ChatGPT类产品提升生产效率的潜力,已经被不断验证。但与此同时,前有ChatGPT大规模封号、亚洲成重灾区,后有OpenAI因算力问题停售ChatGPT Plus……
种种不确定因素,再一次凸显了技术自研的价值。
所幸这次,我们的起跑线,并没有相差那么远。
游戏不会在一夜间结束,而现在,竞逐真正开始。