车万翔：ChatGPT只是“搬运工”而不是“创造者”，但NLP学术界确实非常危急！...

省时查报告-专业、及时、全面的行研报告库

省时查方案-专业、及时、全面的营销策划方案库

【免费下载】2023年1月份热门报告合集

ChatGPT的发展历程、原理、技术架构及未来方向

《ChatGPT：真格基金分享.pdf》

2023年AIGC发展趋势报告：人工智能的下一时代

大规模推荐类深度学习系统的设计实践.pdf

荣耀推荐算法架构演进实践.pdf

微信视频号实时推荐技术架构分享

推荐系统的变与不变

车万翔博士，哈尔滨工业大学计算学部长聘教授、博士生导师，人工智能研究院副院长，社会计算与信息检索中心副主任。

ChatGPT彻底火了，被认为将对搜索引擎构成巨大的挑战，甚至将取代很多人的工作，更将颠覆很多行业。那么，ChatGPT到底解决了什么本质问题，才能变得如此强大并受到广泛的关注呢？我非常认同一位师兄的观点：ChatGPT是继数据库和搜索引擎之后的新一代知识处理工具。稍加完善，ChatGPT是全新一代的“知识表示和调用方式”。

知识在计算机内的表示是人工智能的核心问题。早期，知识以结构化的方式存储在数据库中，人类需要掌握机器语言，如SQL，才能调用这些知识；后来，随着互联网的诞生，更多文本、图片、视频等非结构化知识存储在互联网中，人类通过关键词的方式调用搜索引擎获取知识；现在，知识以参数的形式存储在大模型中（从2018年开始），ChatGPT主要解决了用自然语言直接调用这些知识的问题，这也是人类获取知识最自然的方式。

如果认识到ChatGPT只是“知识的搬运工”而不是“创造者”，那么我们人类就大可不必这么焦虑了，毕竟只有我们才能探索未知，其他都是工具。

不过，回到自然语言处理（NLP）的研究领域，现状和当年的信息检索也有点儿像，研究方式由单点突破变为了系统级别的研究。在这样的情况下，NLP学术界确实非常危急：

首先，学术界可做的研究将越来越少（对比SIGIR和其他AI会议发表论文的数量），而且越来越偏向非核心方向；
其次，工业界的优势将越来越明显，不但掌握计算资源，而且掌握大量的用户和用户的反馈数据（又称AI正循环、AI飞轮、“涟漪效应”等）；
最后，研究任务甚至研究领域间的壁垒被打破，所有问题都转化为了Seq2seq问题，其他领域的研究者会快速侵占过来。

如果不进行系统级的研究，那么将导致NLP未来的研究变得越来越困难：

首先，学术界研究空间被挤压，只能集中在一些相对边缘的研究方向；
其次，在大公司施舍的用户数据上进行实验，不但量小，而且不真实，导致研究结论未必有用和可靠；
最后，通过调用公司提供的API进行研究，导致一旦模型调整，结论有可能改变。

那么我们该如何应对ChatGPT带来的挑战呢？面对一种境遇，无非三种应对方式，激烈对抗、勇于入世、无可奈何：

所谓激烈对抗，就是孤注一掷打造我们自己的ChatGPT；
勇于入世就是融入大模型的生态系统，通过调用API或者直接使用开源模型做研究；
无可奈何也是一种方式，继续做小模型或基于小模型的研究，或者干脆换个研究领域。

如果是你，会做何种选择呢？

「更多干货，更多收获」

【免费下载】2023年1月份热门报告合集ChatGPT的发展历程、原理、技术架构及未来方向《ChatGPT：真格基金分享.pdf》2023年AIGC发展趋势报告：人工智能的下一时代推荐系统在腾讯游戏中的应用实践.pdf推荐技术在vivo互联网商业化业务中的实践.pdf2023年，如何科学制定年度规划？《底层逻辑》高清配图