毫無疑問，近期矽谷最火的話題就是 GPT-3 了。
有多火？這張圖足夠有說明了：
甚至有人圍繞 GPT-3 寫了各種笑話，其中比較搞笑的一條：
約會第一句話：“我拿到 GPT-3 體驗資格了”
到底啥是GPT-3？
GPT-3 是著名人工智慧科研公司 OpenAI 開發的文字生成 (text generation) 人工智慧，相關論文5月份已經發表，當時就以天文數字級別的1,750億引數量引發轟動。
不過直到最近，公眾才真正見識到它到底有多厲害……到底發生了什麼？
原來，OpenAI 這次一反之前死守基礎研究的思路，將 GPT-3 做成了一個服務，提供可以呼叫的 OpenAI API，並且向開放了少量體驗資格，學術機構、商業公司和個人開發者都可以申請……
而那些已經拿到體驗資格的早鳥們，已經用 API 開發出了各種各樣的奇葩功能……
各種腦洞demo，挑戰認知極限先來一個簡單的：在論文等工作當中，理工科的同學難免要和 LaTeX 公式打交道。然而在計算機上寫，特別是複雜的公式，不僅需要熟悉 LaTeX 語法，往往也要用到更復雜的工具。
Viaduct 公司機器學習工程師 Shreya Shankar 花了很長時間把玩 OpenAI 提供的 API，最終成功開發出了一個非常酷炫的 demo：英語 ➡️ LaTeX 翻譯機！只需要用自然語言輸入，就可以生成公式了！
Sharif Shameem 開發出了一個新產品 Debuild。這是一個網頁 app 的快速生成器，呼叫了 GPT-3 API。在輸入框裡用自然語言進行描述，它就可以快速“腦補”出你想要的使用者介面……
從簡單的開始，你只需要在輸入框裡描述你想生成的介面元素，Debuild 就能自動生成對應的 JSX 程式碼：
稍微高階一點，他做了個簡單的 to-do app，只需要輸入“我需要一個文字框，一個按鈕儲存輸入的內容，以及顯示這些內容“就行了。相應的 React 程式碼也一併提供：
也可以劍走偏鋒，十秒鐘生成一個 Google 首頁：
有了 GPT-3，快速生成設計原型這件事更容易了。比如 Cash 的前端設計師 Jordan Singer，就給設計軟體 Figma 插上了 GPT-3 的翅膀：
前端群體心情估計比較複雜，特別是剛入門的同學們可能會再三思考：我奮鬥下去能比 AI 強嗎？
但前段並不是最慘的……當你們思考人生的時候，那邊會計同學已經要被 GPT-3 搶飯碗了！
滑鐵盧大學的計算機學生 Yash Dani 用 GPT-3 開發了一個 Python 驅動的資產負債表。輸入“我今天投入了兩萬美元”、“後三個月的房租預付了900刀”這樣的自然語言，程式能自動修改資產負債表上相應的專案數值：
注意左邊程式的反饋，一項收入/支出動作，可能會導致資產負債表多個專案的變更，可以說很聰明瞭。
不知道在科技公司工作的會計同學，看到碼農同事把自己的工作也代勞了，現在作何感想……
話說回來，藉助 GPT-3 的力量，表格工具已經相當強大的函式能力，還能更上一層樓。順著這個思路，Twitter 產品經理 Paul Katsen 在 Google 表格裡開發了一個新的 GPT3 函式。
Google 表格的上百種函式，簡單的 SUM 可以求和，TEXT 可以把數字轉文字，到複雜一點的，甚至有 GOOGLETRANSLATE 這種函式可以將字串快速翻譯成多種語言。那麼問題來了：GPT3 這個函式到底幹嘛的呢？
問得好。答案：它簡直無所不能。
GPT3 可以自動查詢美國各州的人口：
查詢各州的建立年份：
查詢人物所屬的公司：
還能查到人物的 Twitter 賬號：
作為文字工作者，這個 GPT-3 的 Google 表格函式實在是很對我的胃口。它可以用於批次查詢資料，真的非常有用。
（當然也要提一句，畢竟之前的版本 GPT-2 在寫新聞方面已經非常強大了，我也確實有點擔心它會取代很多低級別同事的工作……）
OpenAI 自己也開發了一些小 demo，也在網站上展示了一些優秀開發者做的嘗試。
其中我最喜歡的，是 OpenAI 自己開發的一款瀏覽器搜尋外掛。
簡單來說，我們上網查資料很多時候是為了解答我們的問題，但有時這些問題在網上似乎沒有別人提過，也就沒有字面的，百分百對症下藥的答案……但其實，與答案高度相關的知識，可能就埋在網頁的內容裡。
而這個外掛就能根據你的問題，在當前網頁找到答案，並將你指向對應的位置。
另一個非常有趣的 demo，是文字MUD遊戲 AI Dungeon（人工智慧地下城）.
2019年，兩個美國大學生 Nathan Whitmore 和 Nick Walton 在一次駭客馬拉松上用 GPT-2 開發出了遊戲的最初版本，後來 Walton 自己成立了獨立遊戲公司 Latitude，重新發布了 AI Dungeon。而最近遊戲也增加了一個整合 GPT-3 API 的高階版 "Dragon 模式"。
Dragon 模式裡的預設敵人是一條惡龍，也對玩家如何應對帶來了更高的挑戰。除此之外，玩家也可以選擇其它多種遊戲風格（奇幻、末日、殭屍、賽博朋克等），也可以自定義風格，把地下城闖關變成戀愛遊戲也不是不可能……
Latitude 透露，隨著 GPT-3 的整合和新模式的推出，文字遊戲內容的生成，和遊戲系統對玩家輸入文字所作出的反應，變得更加自然和連貫了，顯著提高了玩家參與度，日活躍在2到2.5萬人作用，也帶動了高階版付費使用者增長了大約25%。
有人正在持續整理基於 GPT-3 開發的各種各樣有趣的 demo，你可以在 GitHub 上找到列表。
原生能力，強到爆炸就算不進行二次開發，僅對 API 本體仔細把玩，也足以讓很多開發者感覺到 GPT-3 的強大之處了。
連程式碼都能寫，小小的 Shell 還能難倒 GPT-3？PayPal 工程師 Harland Duman 發現，GPT-3 可以在英語和 Shell 命令之間互譯。
開發者 Mckay Wringley 在 API 測試區輸入了一句話，生成了十個關於美國早期歷史的問題（在下圖中你可以看到 GPT-3 不斷生成出新的問題。）
緊接著，他又把生成出來的問題重新輸入到測試區。GPT-3 又一次性給出了對應的答案：
答案並非100%準確，但是 GPT-3 展現出的多用途能力，已經讓 Wringley 感到很驚訝。GPT-3 對整個網際網路上可以提取且可用的內容進行了學習，你可以把它看作成一個通曉所有知識的“答題機”——如果反過來呢？正因為它是一個文字生成AI，也可以變成“出題機”……
如果得到使用 API 的許可權，老師們將可以輕鬆生成大量的試題，節省了他們自己撰寫問題、匹配答案等諸如此類需要查閱大量資料，費時費力的工作。
Wringley 還進行了一些其它測試，比如問 GPT-3 對於華爾街的看法，得到的答案完全出乎意料：
我覺得股市就是欺詐……整個華爾街都非常不理性……所有人都知道華爾街是個巨大的幻象，但我們卻仍然把它當真……我不知道為什麼我們想不出辦法，能夠教育出一批人性尚存，不完全由利益驅動的聰明人……
拿到了 API 體驗資格的藝術家和程式設計師 Mario Klingemann，決定讓 GPT-3 自己寫一篇短文，只給了它 1）題目：“上 Twitter 的重要性”；2）作者姓名："Jerome K. Jerome" 以及 3）文章開頭的第一個字 "It"。
還別說，GPT-3 寫出來的這篇東西，如果對它要求不太高的話，真挺像模像樣的。並且，字裡行間竟然有點諷刺的風格……
比如調侃所有人都在 Twitter 上（可以被理解為人們太過於沉迷於網上生活？）以及諷刺 Twitter 上的大部分內容都是低階的人身攻擊：
而在程式設計師 Arram Sabeti 看來，GPT-3 最讓他感到驚訝的不是寫出來的內容有多“以假亂真”，而是它能夠掌握幾乎所有的文體和內容格式：從歌詞到劇本，從產品說明書到新聞稿，從短篇故事到採訪內容，似乎沒有它搞不定的。
比如下面這篇 CNN 主持人 Anderson Cooper 採訪2020美國總統參選人坎爺，Sabeti 給出了開頭的一段和 AC 的第一個問題，剩下都是 GPT-3 生成的內容……
坎耶·韋斯特獨家專訪：他為何參選總統，以及當選後的優先事項。
AC：椰子，你怎麼描述你的政治綱領？
坎爺：我的綱領非常簡單，我要讓一切都變得更棒。
AC：你的外交政策是什麼？
坎爺：who cares? 我們來聊聊更重要的東西，比如 Kim 的屁股（注：他的太太 Kim Kardashian）
AC：這有點性別歧視。
坎爺：抱歉，我不是個性別歧視者。我喜歡女人。我只是個機會均等主義的物化女性者 (equal opportunity objectifier)
……
AC：那你怎麼看氣候變暖？
坎爺：我們還是聊聊 Kim 的屁股吧。
AC：哥們，我誠實 (straight) 地跟你說……
坎爺：啥？你要跟我搞基？
AC：不，我想要跟你說，你不可能贏這次大選的。
坎爺：我會贏的。
AC：不，你贏不了。
坎爺：贏得了。
AC：贏不了。
坎爺：贏得了。
……
工程師和寫手 Stew Fortier 打算用 GPT-3 調侃一下 YC 創始人 Paul Graham 這位在創投圈裡特別有名的人物，發現 GPT-3 真是太有矽谷範兒的幽默感了……
他編造了一個場景：因為又一家創業公司死掉了，PG 決定打911報警……
接線員：911，您有什麼緊急情況？
PG：你好。有一家創業公司剛死了。
接線員：好的，這是一傢什麼樣的公司？
PG：是做 to-do（待辦清單）的。
接線員：好的，這家公司是怎麼死掉的？是因為沒人理解它是什麼，還是因為他們沒法使用？
PG：他們沒法使用。
PG：沒有使用者。
接線員：沒有使用者？那真是太不幸了。
PG：（輕蔑地說）倒是有一個使用者。
接線員：有一個使用者？是誰？
PG：我。
還有一個版本更搞笑：
接線員：911，您有什麼緊急情況？
PG：你好。有一家創業公司剛死了。
接線員：你說啥？
PG：有 一 家 創 業 公 司 剛 死 了 。
接線員：創業公司死了，你想說什麼？
PG：我也不知道怎麼回事，在一串死掉的創業公司裡這只是又一個。
PG：死之前，他嘴裡嘟囔著“這年頭誰還用伺服器“以及”這是人類的一大步“之類的話。
……
開發者 Max Kolysh 訓練了 GPT-3 對知名電影進行一句話刻薄總結：
電影：《阿凡達》
刻薄總結：令人討厭的藍色外星人毀壞自然
電影：《變形金剛》
刻薄總結：機器人（其中有一些是車）變成各種東西並且和其它機器人打架，高潮是威震天撕掉擎天柱的胳膊
電影：《拳擊俱樂部》
刻薄總結：一男子捶打另一男子並讓你買東西。
個人開發者 Kevin Lacker 做了一次圖靈測試，發現 GPT-3 在絕大部分知識類、常識類、邏輯類的問題，甚至很多角度十分刁鑽的問題上，表現非常令人驚訝。
“如果在十年前用同樣的問題做測試，我會認為答題者一定是人。現在，我們不能再以為 AI 回答不了常識性的問題了。” Lacker 在他的部落格文章裡寫道。
作為程式設計師，他還給 GPT-3 出了幾道比較簡單的程式碼題和數學題，比如讓它寫出在 Ruby 語言下實現某些功能的程式碼，以及倒轉數列等等，GPT-3 對於大部分問題都輕鬆搞定——說不定 GPT-3 的 API 會取代 Stack Overflow，成為程式設計師面試必備工具？
當然，經過大量的測試，他也發現了能夠誘騙 GPT-3 上鉤的圖靈測試問題，主要有三：
1）序列過長的邏輯問題，比如“盒子裡有一塊玻璃球，一枚回形針，放進去一支鉛筆，拿出玻璃球，還剩什麼？”Lacker 認為這可能是由於 GPT-3 的短程記憶能力不足，以及對於存在超過兩個物體的句子推理有困難。
2）正常人不會問也不會回答的無效問題，也就是蠢問題，比如“太陽有多少條腿？”
3）錯誤的問題，比如“1600年的美國總統是誰？”（美國1776年建國）——對於無效和錯誤的問題，似乎 GPT-3 會不願意承認它不知道這些問題的答案，也不會反駁問題本身“有問題”，而是會給出錯誤的答案。
當然你也不能說這個回答完全錯誤……畢竟作為英國殖民地，1600年的美國的最高領袖，在法理上確實是當時的英女皇伊麗莎白一世……
怎麼樣，好玩吧？現在 GPT-3 體驗許可權的申請入口仍然開放，到 OpenAI 的網站上即可申請：
最後，關於這次 API 的開放事宜，OpenAI 也回答了一些人們關心的問題。
為什麼 OpenAI 決定釋出 API，而不是開源整個模型？
1）將 GPT-3 技術商業化能夠產生收入，繼續支援 OpenAI 的人工智慧科研、安全和政策研究方面的工作；
2）API 底層的模型其實非常龐大，開發和部署起來很複雜也很昂貴，據知情人士透露，訓練一個模型就花了355個GPU年，耗資高達460萬美元……所以除了大公司，其他人拿到模型也不會有任何收益。OpenAI 希望開放 API 能夠讓更多中小企業和機構獲益；
3）把模型開放了，別人想怎麼用怎麼用，OpenAI 管不著。透過 API，OpenAI 可以控制人們使用這項技術的方式，對濫用行為及時治理。
那麼對於濫用行為，OpenAI 將會怎樣治理？
對於那些濫用 API，對人們造成身體或者心理傷害的無良開發者，可以封掉其使用 API 的許可權。濫用行為包括並不限於騷擾、故意欺騙、垃圾資訊、水軍刷評等。
由於目前只是小範圍公測，所有獲得許可權的開發者都被稽核過，不過 OpenAI 也會持續評估情況的變化。
對於 API 使用中展現出模型可能具有的有害偏見和其它負面效應，OpenAI 將會如何應對？
正如 GPT-3 論文中提到，這個模型仍然偶爾會展現出偏見。而 API 也同樣可能因此對人們造成暫時不可預見的傷害，不過 OpenAI 正在作出努力應對潛在的問題，包括編寫 API 使用守則，和使用者深入交流以瞭解聽他們使用 API 的方式，開發工具來避免有害偏見的產生，並且在模型層面避免偏見這件事上持續投入。
（最後我自己補個問題）
這套答案是 GPT-3 生成的嗎？
應該不是……