生成式AI的融贯性法律治理——以生成式预训练模型(GPT)为例

随着大规模数据和算式的增长,以及算法的不断优化。围绕生成式AI的前景,存在着支持、反对、中立等不同态度,这些态度背后隐含着认知根源、经济考量和权利思考。立足于法律3.0的融贯性治理注重国家法律、行政规制和技术方案之间的融贯,为治理生成式AI提供了思路和方向。融贯性治理中的“融贯”,既是规范性融贯,强调法律规范的内在一致性和统一性,也是整体性融贯,强调将技术方案融入规范,进而使得技术方案与不同层级规范和引领这些规范的原则与价值得以融贯。在面对以GPT为代表的生成式AI时,可以尝试将AI和区块链作为技术方案对其进行治理,也可以通过自我规制和外在约束培育建设“有道德的”AI,还可以通过“市场+规则”助力生成式AI的发展。生成式AI所涉及的法律问题在现有的法律体系框架内基本能得到有效应对,对于它带来的现实、急迫且法律没有明确规定的问题,可以进行融贯性治理。

生成式预训练Transformer模型的逻辑性优化方法

生成式预训练Transformer(Generative Pre-Trained Transformer,GPT)模型作为一种基于Transformer架构的预训练模型,在完成自然语言处理任务方面取得了巨大的成功。由于依赖于生成下一个词的局部贪婪过程,使对任务或输出的全局理解、逻辑推理和道德法规约束能力不够。为了提升计算的逻辑性和可靠性,结合的生成型计算过程,论述计算结果的逻辑局限性,从而引入一类和逻辑计算模型混合的优化结构。

生成式预训练语言模型安全风险及评估方法研究

生成式预训练语言模型(GPT模型)在自然语言处理领域已得到广泛应用,取得显著成果。然而,GPT类模型在预训练阶段使用大量的未标记数据,可能带来偏见歧视和错误虚假信息;在应用阶段,可能带来泄露隐私及犯罪辅助风险。该文构建了一套从GPT模型项目管理七个维度及模型工程实现三个阶段出发,多角度多维度开展评估,发现安全风险并治理的方法,为完善GPT模型安全治理机制、厘清相关方责任、确保模型应用安全提供了有效途径。

人工智能生成内容的著作权客体性思考——兼论作品判定的独创性标准选择

以基于转换器的生成式预训练模型(GPT)为代表的高阶人工智能凭借其强大的智能型内容生成机制,使得内容产品生产中的技术占比不断上升,人的直接投入占比相对下降,传统著作权法作品的独创性要求、权利人本原则等基本理论受到冲击。面对人工智能生成内容(AIGC)可作品性问题,基于自然人智力投入的创造性本质理论和闭合性作品概念显得力不从心。在过程视角下(主观标准),人工智能内容生成过程符合人类创作的思维特征;在结果视角下(客观标准),人工智能生成内容具有著作权作品的外观形式和信息消费功能,符合著作权作品的本质属性。如果人为割裂人工智能生成内容与著作权作品在产生过程和实质作用上的同质关系,强行区分人工智能生成内容和自然人创作作品的法律性质,则有悖著作权法因应技术发展调整信息消费品利益的制度旨趣,最终将导致著作权法律秩序的混乱。

专题导读 GPT在未来C2中的应用

随着人工智能技术的迅猛发展,生成式预训练转化器(generative pre-trained Transformer,GPT)作为一种强大的人工智能语言模型,在众多领域展现出了巨大的潜力,尤其是指挥控制(command and control,C2)领域,GPT的应用有望为其带来全新的变革。本专题聚焦GPT在未来C2中的运用,汇集了多篇具有深度和前瞻性的研究论文和报告,旨在探讨GPT如何赋能C2系统,为指挥决策提供更有力的支持,提升C2系统效能。

ChatGPT在中国临床执业医师资格模拟考试中的表现研究

目的评估聊天生成预训练转换器(chat generative pre-trained transformer,ChatGPT)在中国临床执业医师资格模拟考试中的表现,并探讨其优势和局限性,以期对医学教育和知识评估提供参考。方法研究于2023年7月1—至9月1日进行,使用一组涵盖多个题型和专业的中国临床执业医师资格考试模拟选择题来评估ChatGPT的答题表现。所有试题都来自医学生常用的备考题库,旨在匹配中国执业医师资格考试的风格、内容和难度。根据试题类型和专业对300个选择题进行分组,并进一步将其细分为高阶思维试题和低阶思维试题。ChatGPT的表现通过回答准确率进行评估。结果在所有试题中,ChatGPT回答准确率为70.3%。ChatGPT对低阶思维试题的回答准确率(78.3%)高于高阶思维试题(66.0%),差异有统计学意义(P<0.05)。ChatGPT对临床医学和非临床医学试题的回答准确率分别为71.0%和68.7%,差异无统计学意义(P>0.05)。在4个题型中,ChatGPT的回答准确率分别为69.1%、64.3%、73.9%、70.8%,差异无统计学意义(P>0.05)。即使不正确,ChatGPT也能始终如一地使用自信的语言(100%)。结论ChatGPT能够顺利实现通过中国临床执业医师资格模拟考试的目标,预示其在医学教育和医疗实践中的具有巨大潜力。但是也必须意识到ChatGPT的局限性,例如它在不准确回答时仍然自信地表达。

用户粒度级的个性化社交文本生成模型

针对开放性的社交文本领域的文本生成技术生成的文本内容缺少个性化特征的问题,提出了一种用户级的细粒度控制生成模型,即PTG-GPT2-Chinese(Personalized Text Generation Generative Pre-trained Transformer 2-Chinese)。所提模型基于GPT2(Generative Pre-trained Transformer 2.0)结构设计了Encoder-Decoder模型框架。首先在Encoder端对用户的静态个性化信息建模并编码,在Decoder端添加了双向独立的注意力模块,用于接收该静态的个性化特征向量,并利用原始GPT2结构中的注意力模块捕获用户文本中的动态个性化特征;然后,动态加权融合各注意力模块分数并参与后续解码,从而自动生成以用户个性化特征属性作为约束的社交文本;此外,为了解决用户基本信息的语义稀疏性导致的生成文本偶尔与某些个性化特征存在矛盾的问题,采用BERT模型对Decoder端输出数据与用户个性化特征进行一致性理解的二次增强生成,最终实现个性化的社交文本生成。实验结果表明,与GPT2模型相比,所提模型的流畅度提高了0.36%~0.72%,且在不损失语言流畅度的基础上,二次生成使个性化和一致性两个评价指标分别提高了10.27%和13.24%。这验证了所提模型能够有效辅助用户创作,生成流畅且符合用户个性的社交文本。

GPT技术原理及其潜在军事应用研究

ChatGPT的横空出世为社会生活各领域带来了颠覆性变革,引起了学术界和工业界的广泛关注。随着武器装备和战争形态的不断演变,智能化已经成为现代军事发展的必然趋势,军事领域对GPT等大型语言模型的需求日益迫切。文中首先简要介绍GPT技术的背景和发展历程,然后从训练语料库、语言模型架构以及训练方法等多个方面深入探讨其技术原理和实现方式;在此基础上,进一步分析GPT技术军事化应用的可行性,重点探讨其潜在应用领域,并提供一个典型实例;同时,分析GPT技术存在的问题和不足,以及其军事化应用所面临的挑战,并给出相应的应对措施建议。综合分析表明,GPT为军事应用智能化提供了良好的技术路径,本文为GPT技术在军事领域的未来发展提供了参考。

类ChatGPT大语言模型在电力系统中的应用前景

ChatGPT作为一种大规模预训练语言模型技术,一经推出便掀起人工智能领域的技术巨浪,受到各行各业的巨大关注,也为电力系统领域带来新的变革。阐述了ChatGPT生成式语言模型的发展历程、关键技术、在电力系统中的应用前景及风险挑战。为类ChatGPT大语言模型在电力系统中的进一步推广应用提供借鉴和参考。

将ChatGPT引入企业财务共享服务的探讨与思考

ChatGPT(Chat Generative Pre-trained Transformer,生成型预训练变换模型)是由美国微软旗下实验室OpenAI在2022年11月发布的一款对话生成式预训练模型,其核心思想是通过大规模的语料库训练理解人类语言,并生成自然流畅的回答。

2023年《计算机研究与发展》专题(正刊)征文通知--生成式AI与软件自动化

生成式AI在2023年所取得的进展,无疑引起了极具颠覆性的行业海啸.OpenAI发布的ChatGPT引爆科技领域.而在ChatGPT之后不到4个月,OpenAI又推出多模态预训练大模型GPT-4;仅一天后,百度旗下人工智能“文心一言”面世;紧随GPT-4重磅发布的步调,微软发布Microsoft 365 Copilot……目不暇接的AI表演背后,是生成式AI正在重构人们的办公、娱乐乃至生活方式.

ChatGPT:挺好玩儿的

ChatGPT是个基于预训练的自然语言生成模型。它能更好地处理智能对话,以适应对话应用领域的需求。这种以人工智能技术驱动的自然语言处理工具,能够通过学习和理解人类的语言进行对话,达到真正像人类一样聊天交流,甚至能完成撰写邮件、文案、论文等。笔者注意到,ChatGPT的设计目标,特别关注于高使用率。事实上,任何一种语言系统的存在,都是为了用。要被使用,其自身必具高效。因此,效用原则可以说是所有AI产品以及更大范围的计算机产品所秉持的根本原则。

人工智能聊天机器人助力眼科和科学论文写作

人工智能聊天机器人ChatGPT是使用深度学习技术、能对自然语言输入产生类似人类反应的一种大型语言模型(LLMs)。它由OpenAI公司在2022.11开发,属于“生成预训练转换器(GPT)”模型家族的一种,目前可为公众所用。ChatGPT能够捕捉人类语言的细微差别和复杂性,生成适当的、与上下文相关的响应。它可以帮助医务人员完成各种任务,如研究、诊断、患者监护和医学教育,从确定研究课题到协助临床和实验室诊断,了解各自领域的新进展和科学写作。ChatGPT在眼科已吸引了越来越多的关注和广泛应用。然而,目前在这些任务中使用ChatGPT和其他人工智能工具仍存在一定的局限性、伦理和法律问题,如可信度、剽窃、版权侵犯和偏见。未来的研究将集中在开发新的方法来减轻这些局限性,同时发挥ChatGPT在医疗等相关方面的积极作用。

面向智算时代的光通信技术发展探讨

大模型对算力的需求呈指数级增长,促使智算业务飞速发展。以生成式预训练(GPT)大模型ChatGPT为例,ChatGPT-6的计算量(Flops)相较于GPT-4提升了1444至1936倍,所使用的图形处理单元(GPU)数量,也从数万个GPU,提高至百万个GPU。

生成式人工智能将引领法律科技成为风口行业

人工智能(Artificial Intelligence,简称AI)技术的发展经历两个阶段:一是AI决策,二是AI生成。ChatGPT(Chat Generative Pre-Trained Transformer,聊天生成式预训练转换器)是由决策式的AI向生成式的AI发展的一个最重要的标志,是生成式人工智能的特定实现和应用。从2022年11月30日发布上线后,ChatGPT成为了史上最快消费级的应用程序,5天注册用户突破100万,2个月月活用户达到了1亿。

大模型技术:变革、挑战与机遇

近年来,随着预训练技术的发展和计算硬件性能的提升,人工智能取得了突破性进展。2022年底,人工智能大模型ChatGPT问世,将自然语言的理解与生成能力提升到新的高度,并具备了跨学科、多场景、多用途的通用性,引起了产业界和学术界的广泛关注。以ChatGPT为代表的大模型技术实现了人工智能技术从“量变”到“质变”的跨越,有望发展成为人工智能关键基础设施,发挥“头雁”效应赋能千行百业,加速推进国民经济和社会的高质量发展。

竞争促进了技术发展,也加剧了紧张局势

2020年6月,美国旧金山的独立人工智能研究实验室OpenAl推出了GPT-3,即其第三代大型生成式预训练转化器(Generative Ple-a trained Transformer)语言模型,它可以写从计算机代码到诗歌的任何内容。