3月24日，OpenAI新动态再次引发市场热议。OpenAI宣布CHATGPT将支持第三方插件，以访问更多信息，以及增加相应的功能。

　　从国内外互联网巨头纷纷推出“自家的ChatGPT”产品，到微软旗下多款产品宣布结合ChatGPT技术。一连数日，ChatGPT热度居高不下，其身后的生成式AI技术和大语言模型技术也逐渐浮出水面，备受关注。

　　本质上，生成式AI（Generative AI）是一种深度学习模型，由生成器负责生成内容，判别器负责判别源数据和生产内容之间的差别并提供反馈。

　　大型语言模型（Large Language Models，LLMs）则是在生成式AI之上，通过对大规模语料库的学习，来理解人类语言的问题和答案之间的关系。

　　大型语言模型与以往的语言模型最大的不同，在于其拥有“涌现能力”（Emergent Ability）。

　　涌现能力是指，在模型规模超过某个阈值之后，模型性能会打破之前线性增长的规律，实现跃升式突变。简单地说，就是实现“质的飞跃”。

　　线性增长（左）与打破阈值后的突变（右），来源：知乎

　　而“大规模”就是实现这一质变的关键因素，这通常意味着百亿或千亿级的参数量。

　　而大型语言模型带来的突破，最直接影响的行业，就是智能交互机器人。

　　01 大型语言模型：智能交互机器人的新里程碑

　　智能交互机器人，也就是我们通常所说的“聊天机器人”，可以通过和人类交流，提供相应的回答和服务。

　　智能交互机器人按其设计目的划分，一般分为信息型、任务型、对话型等三种类型。

　　信息型聊天机器人提供特定领域的知识或信息，任务型聊天机器人帮助用户完成某些特定任务，对话型聊天机器人则能够与用户闲聊或娱乐。

　　无论输出内容还是服务，如何在输入阶段就能准确理解甚至“思考”人类语言意图，是所有智能交互机器人产品的核心技术问题。

　　在智能交互机器人的第一阶段，基于规则的专家系统和机器学习的结合，被认为是行之有效的技术方案。由此，机器第一次实现了对人类语言的“理解“。早在2004年，小i机器人（AIXI.US）推出的Chatbot，正是国内最早应用这一技术的产品。

　　小i机器人早期产品，来源：LOFter

　　这一阶段，机器理解能力的灵活度相对有限，有时需要用户去“迁就”机器所能识别的语义逻辑。如果表达的方式不对，便会带来交流障碍。

　　为了解决这一问题，包括小i机器人在内的许多开发者，都选择引入深度学习技术和预训练模型——这是智能交互机器人技术的第二阶段。大量的数据和训练，使机器开始能够自动识别和理解人类语言，对话的自然度得到了大幅提升。