ChatGPT火爆全網(wǎng)后，一時(shí)吹捧者如過(guò)江之鯽，引起社會(huì)廣泛熱議。許多人稱，它將要取代多少行業(yè)，程序員要下崗，也有人思考為什么不是在中國(guó)誕生云云。當(dāng)然，在這其中也有少數(shù)人潑冷水和質(zhì)疑的，比如美國(guó)一位語(yǔ)言學(xué)家最近就稱ChatGPT的本質(zhì)是剽竊。

我其實(shí)也屬于一個(gè)質(zhì)疑派。在前文《體驗(yàn)一把ChatGPT：一本正經(jīng)胡說(shuō)八道，在中國(guó)前途難測(cè)》中，我認(rèn)可了ChatGPT作為一款語(yǔ)言模型的顯著優(yōu)點(diǎn)：它對(duì)用戶輸入信息的理解能力和對(duì)輸出信息的語(yǔ)言表達(dá)能力的確嘆為觀止。但同時(shí)，我也通過(guò)親自評(píng)測(cè)指出了ChatGPT的多個(gè)問(wèn)題。比如喜歡一本正經(jīng)地胡說(shuō)八道。如果說(shuō)主觀題還可以說(shuō)東拼西湊問(wèn)題不大，那么關(guān)于客觀事實(shí)的問(wèn)題，它喜歡東拼西湊反復(fù)強(qiáng)答而不是告訴你不知道，那么就屬于嚴(yán)重誤導(dǎo)用戶和顯著缺陷了。關(guān)于寫(xiě)作和編程相關(guān)的能力，經(jīng)測(cè)試確實(shí)有亮眼的表現(xiàn)，但說(shuō)要替代一大批人恐怕還為時(shí)尚早，替代一個(gè)行業(yè)更是無(wú)從說(shuō)起。如果說(shuō)成為這些行業(yè)提高效率的生產(chǎn)力工具，也許才是更合理的評(píng)價(jià)。

今天我們將要探討另外一個(gè)問(wèn)題，那就是：ChatGPT到底能否替代搜索引擎，以及它如果真的替代了搜索引擎，到底是進(jìn)步還是退步？

前文發(fā)出后有一些讀者評(píng)論說(shuō)，ChatGPT要使用英語(yǔ)聊天才有好的表現(xiàn)，中文聊天出現(xiàn)的種種問(wèn)題只是因?yàn)橛?xùn)練樣本不足，它還有巨大的進(jìn)步空間，千萬(wàn)不能輕率地下結(jié)論。但我們知道，ChatGPT能有大量的英文資料進(jìn)行訓(xùn)練，其中一個(gè)原因，就是英文互聯(lián)網(wǎng)的信息本來(lái)就遠(yuǎn)超中文互聯(lián)網(wǎng)。根據(jù)維基百科的信息顯示，截至2020年3月25日，W3Techs 預(yù)測(cè)前一百萬(wàn)互聯(lián)網(wǎng)網(wǎng)站使用的語(yǔ)言文字百分比中，英語(yǔ)占比59.3%，而中文不過(guò)1.3%。

當(dāng)然，這個(gè)統(tǒng)計(jì)可能只建議用來(lái)參考。以中國(guó)的互聯(lián)網(wǎng)人口和互聯(lián)網(wǎng)產(chǎn)業(yè)的發(fā)達(dá)程度而言，除了英語(yǔ)外，我覺(jué)得其他語(yǔ)種的信息量恐怕不太可能超過(guò)中文。但另一方面，中文互聯(lián)網(wǎng)網(wǎng)站一年比一年少是一個(gè)事實(shí)。根據(jù)之前的一些新聞顯示，截至2021年12月，我國(guó)網(wǎng)站數(shù)量為418萬(wàn)個(gè)，較2020年12月減少25萬(wàn)個(gè)，同比下降5.5%。當(dāng)年風(fēng)光一時(shí)的天涯論壇現(xiàn)在已經(jīng)要死不活，貓撲社區(qū)更是已經(jīng)關(guān)門(mén)倒閉。就在前些天，知名論壇國(guó)學(xué)數(shù)典的一位管理人員已經(jīng)正式宣布該論壇“終于結(jié)束”了。

隨著個(gè)人網(wǎng)站和論壇的持續(xù)沒(méi)落，百度作為中國(guó)搜索引擎的龍頭，現(xiàn)在已經(jīng)越來(lái)越爬取不到有質(zhì)量的網(wǎng)頁(yè)信息。而且，像B站這類可供百度爬取的平臺(tái)大部分內(nèi)容還是視頻，知乎已經(jīng)是百度搜索少有的優(yōu)質(zhì)信息來(lái)源。微博雖然也是允許百度爬取的大平臺(tái)之一，但微博顯然更偏向娛樂(lè)，而不是知識(shí)社區(qū)。百度自家的百度百科、百度知道、百度貼吧等，曾經(jīng)也是中文互聯(lián)網(wǎng)的標(biāo)桿產(chǎn)品，現(xiàn)在已經(jīng)被百度運(yùn)營(yíng)到半死不活。

中文互聯(lián)網(wǎng)的信息不僅遠(yuǎn)遠(yuǎn)少于英文互聯(lián)網(wǎng)，而且還封閉在無(wú)數(shù)封閉的APP和幾個(gè)互相封閉對(duì)立的大平臺(tái)里，比如公眾號(hào)、頭條號(hào)、抖音號(hào)、百家號(hào)、網(wǎng)易號(hào)等。如果信息少和封閉也就罷了，信息質(zhì)量也是一言難盡。百度、阿里、騰訊、頭條這三大巨頭都直接或者間接屏蔽了各自爬蟲(chóng)，只有B站、知乎、微博等體量較小平臺(tái)允許其它搜索引擎相對(duì)自由的爬取，這進(jìn)一步導(dǎo)致各家的搜索引擎都爬取不到有用的信息。與之相對(duì)的，國(guó)外的推特、臉書(shū)、youtube、reddit等平臺(tái)，都是允許谷歌和必應(yīng)等搜索引擎自由爬取的。

中文互聯(lián)網(wǎng)不僅僅封閉和質(zhì)量差，完全開(kāi)放免費(fèi)的信息更是少之又少。如果你詢問(wèn)ChatGPT的回答參考了什么資料，它會(huì)這樣告訴你：“我的訓(xùn)練數(shù)據(jù)來(lái)自互聯(lián)網(wǎng)上的大量文本，包括新聞、博客、圖書(shū)等。通過(guò)處理這些文本，我學(xué)會(huì)了語(yǔ)言知識(shí)和回答問(wèn)題的能力。因此，我的回答來(lái)自于我的訓(xùn)練數(shù)據(jù)，而不是從某個(gè)特定的資料庫(kù)中獲得的信息?！钡绻闩俑鶈?wèn)底，一定要它給出參考鏈接，ChatGPT常會(huì)返回維基百科的鏈接。

也就是說(shuō)，英文互聯(lián)網(wǎng)不僅僅相互開(kāi)放的程度高，還有維基百科這樣完全自由免費(fèi)的信息平臺(tái)。這是導(dǎo)致許多應(yīng)用優(yōu)先誕生在美國(guó)的原因之一。如果你看了ChatGPT的相關(guān)評(píng)論就應(yīng)該知道，一些業(yè)內(nèi)人士認(rèn)為ChatGPT的技術(shù)含量不見(jiàn)得特別高，各種跟風(fēng)產(chǎn)品也很快就如一群嗅覺(jué)靈敏前來(lái)?yè)涫车酿I狗一般不斷冒了出來(lái)。它能做到這樣的職能，很大程度上要?dú)w功于它優(yōu)質(zhì)而龐大的訓(xùn)練樣本。ChatGPT的訓(xùn)練樣本其實(shí)也依靠大量的人工標(biāo)注，對(duì)于中國(guó)人而言，廉價(jià)的人力資源下人工標(biāo)注不成問(wèn)題，但關(guān)鍵是，中文互聯(lián)網(wǎng)上沒(méi)有足夠的開(kāi)放信息資源。

就好之前我在《谷歌地球與文化輸出》和《地圖開(kāi)發(fā)者：我以為是一個(gè)詐騙電話，原來(lái)真要我給五萬(wàn)元》這兩篇文章中，已經(jīng)說(shuō)明了完全免費(fèi)開(kāi)放的OpenStreetMap對(duì)于地理應(yīng)用創(chuàng)新的重要性，這讓MapBox這樣的企業(yè)在初創(chuàng)階段就不用面對(duì)昂貴的全球地理信息數(shù)據(jù)授權(quán)問(wèn)題。而對(duì)于ChatGPT的創(chuàng)業(yè)團(tuán)隊(duì)而言，因?yàn)橛芯S基百科的存在，他們也不用在初創(chuàng)階段就考慮天價(jià)資料庫(kù)授權(quán)的問(wèn)題，這就非常有利于小公司的創(chuàng)新。在之前的更多的文章中，我們也說(shuō)過(guò)，國(guó)外大學(xué)圖書(shū)館、博物館網(wǎng)站有大量完全免費(fèi)開(kāi)放的信息資源，是促進(jìn)相關(guān)研究快速發(fā)展的重要基礎(chǔ)。

因此我可以預(yù)判，雖然理論上ChatGPT可以通過(guò)增加中文樣本的訓(xùn)練提高中文回答的質(zhì)量，但現(xiàn)實(shí)的問(wèn)題是，它找不到足夠的中文信息開(kāi)放資源。也注定了國(guó)內(nèi)的巨頭只會(huì)關(guān)起門(mén)來(lái)搞各自的ChatGPT山寨版，不可能把內(nèi)容給它做嫁衣。而各個(gè)ChatGPT山寨版也不過(guò)是關(guān)門(mén)自嗨：沒(méi)有足夠優(yōu)質(zhì)和豐富訓(xùn)練樣本，這群撲上去的餓狗只不過(guò)是一群賣(mài)萌的哈士奇?，F(xiàn)在國(guó)內(nèi)熱炒ChatGPT，我認(rèn)為很大一個(gè)原因，就是互聯(lián)網(wǎng)產(chǎn)業(yè)面對(duì)發(fā)展停滯的困境，他們急需營(yíng)造下一個(gè)風(fēng)口。只有這樣，才能吸引更多投資，業(yè)內(nèi)的投機(jī)者才能以此發(fā)家致富。這和之前瘋狂炒作元宇宙、Web3.0等概念其實(shí)沒(méi)什么不同。

然而，我們今天的批判不僅僅如此。我要指出的問(wèn)題，不僅僅在于中國(guó)互聯(lián)網(wǎng)的封閉，而在于ChatGPT如果真的替代了搜索引擎，其實(shí)更是一場(chǎng)全球互聯(lián)網(wǎng)的災(zāi)難。

我們應(yīng)該知道，ChatGPT的并沒(méi)有真正的原創(chuàng)能力，它給出的回答，是基于大量網(wǎng)絡(luò)資料綜合判斷后，雜糅在一起的重新表達(dá)，這導(dǎo)致它的回答其實(shí)給不出明確的來(lái)源。根據(jù)一些用戶的反饋，即便它給出的引用論文來(lái)源，也可能是它瞎編不存在的。實(shí)際上，如果ChatGPT完全代替了傳統(tǒng)的搜索引擎，這不是進(jìn)步，而是退步和災(zāi)難。因?yàn)樗丫W(wǎng)絡(luò)上無(wú)數(shù)人貢獻(xiàn)的信息據(jù)為己有了。傳統(tǒng)的搜索只是個(gè)賺廣告費(fèi)的中間商，你在搜索引擎搜索資料，最終是要跳轉(zhuǎn)到原網(wǎng)站，讓內(nèi)容平臺(tái)獲取流量與用戶的同時(shí)也能賺到廣告費(fèi)。而內(nèi)容平臺(tái)其實(shí)也是一個(gè)中間商，它給了作者露臉的機(jī)會(huì)，可以賺到知名度、粉絲和收益。

我在和ChatGPT聊天的過(guò)程中發(fā)現(xiàn)，它固然可以說(shuō)是無(wú)所不知，但它卻不會(huì)告訴你它是如何實(shí)現(xiàn)無(wú)所不知的，你再也看不到來(lái)源鏈接了，只是感嘆它的神奇。長(zhǎng)此以往，恐怕我們也懶得去搜索引擎對(duì)比信息和訪問(wèn)真正的內(nèi)容平臺(tái)了。

最近不少程序員都在說(shuō)，ChatGPT真的很便捷。它能自動(dòng)寫(xiě)代碼，能夠自動(dòng)查問(wèn)題和解決問(wèn)題。可它的這一切，很大程度上是因?yàn)閰⒖剂薙tackOverflow等程序員社區(qū)的網(wǎng)絡(luò)資料而已。如果大家都沉迷于此，不再去訪問(wèn)StackOverflow給平臺(tái)帶去收入，不給熱心的答主點(diǎn)贊互動(dòng)，那么誰(shuí)還愿意去程序員社區(qū)排疑解難呢？誰(shuí)還愿意寫(xiě)技術(shù)博客呢？這不過(guò)就成了一場(chǎng)竭澤而漁的大剽竊罷了。如果他不解決這個(gè)生態(tài)問(wèn)題，那么ChatGPT必然不會(huì)有好下場(chǎng)。據(jù)稱ChatGPT火爆后，StackOverflow正被程序員拋棄，訪問(wèn)量一個(gè)月驟降了3200W，這不是殺雞取卵又是什么呢？美國(guó)語(yǔ)言學(xué)家諾姆·喬姆斯基也認(rèn)為，ChatGPT是一個(gè)高科技剽竊系統(tǒng)，它從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，并依照規(guī)則將數(shù)據(jù)串連在一起，形成像人寫(xiě)的文章和內(nèi)容。也就是說(shuō)，它沒(méi)有真正的原創(chuàng)能力，而只是靠剽竊給論文系統(tǒng)灌水。如果灌水的人可以靠此拼論文數(shù)量上位，這不就是劣幣驅(qū)逐良幣，最后你一搜索論文庫(kù)大部分都是垃圾了嗎？

當(dāng)然，我們也不用過(guò)度擔(dān)心這些危害。因?yàn)檎f(shuō)ChatGPT完全替代搜索引擎還為時(shí)尚早。微軟和ChatGPT的合作，也是將ChatGPT作為必應(yīng)搜索引擎和Office辦公產(chǎn)品的一種補(bǔ)充而不是替代。在我看來(lái)，ChatGPT作為搜索引擎的補(bǔ)充是進(jìn)步的，也是必然的，因?yàn)槲覀兇_實(shí)會(huì)常用提問(wèn)的方式在搜索引擎中搜索答案，Siri等手機(jī)智能助手也為我們的日常生活提供了不少方便。

ChatGPT要替代搜索引擎其實(shí)還有一個(gè)致命的缺點(diǎn)，那就是它對(duì)時(shí)事新聞的反應(yīng)能力幾乎沒(méi)有。如果你讓ChatGPT告訴你最近的新聞，它會(huì)這樣回答你：“很抱歉，作為一個(gè)預(yù)訓(xùn)練模型，我并不知道當(dāng)前具體的新聞情況。建議您查閱現(xiàn)實(shí)世界的新聞來(lái)源，如新聞網(wǎng)站或電視新聞?lì)l道等。”

如果你再具體詢問(wèn)一些這兩年發(fā)生的事情，就知道它確實(shí)不知道，而且還會(huì)明確告訴你，它的知識(shí)截止在2021年。這大概是因?yàn)镃hatGPT作為一個(gè)預(yù)訓(xùn)練模型，需要龐大的訓(xùn)練數(shù)據(jù)和大量的人工標(biāo)注，這導(dǎo)致它的訓(xùn)練成本異常高昂且非常耗時(shí)。

據(jù)網(wǎng)絡(luò)資料顯示，ChatGPT的模型經(jīng)歷三次迭代，參數(shù)量從1.17 億增至1750 億，預(yù)訓(xùn)練數(shù)據(jù)量從5GB 增至45TB，其中光GPT-3訓(xùn)練單次成本已達(dá)460 萬(wàn)美元，而現(xiàn)在它已經(jīng)迭代到了GPT-4，恐怕單次訓(xùn)練成本就將超過(guò)千萬(wàn)美元。訓(xùn)練ChatGPT需要使用大量算力資源。據(jù)微軟官網(wǎng)信息顯示，微軟Azure為OpenAI開(kāi)發(fā)的超級(jí)計(jì)算機(jī)是一個(gè)單一系統(tǒng)，具有超過(guò)28.5萬(wàn)個(gè)CPU核心、1萬(wàn)個(gè)GPU和400 GB/s的GPU服務(wù)器網(wǎng)絡(luò)傳輸帶寬。據(jù)英偉達(dá)信息顯示，使用單個(gè)Tesla架構(gòu)的V100 GPU對(duì)1746億參數(shù)的GPT-3模型進(jìn)行一次訓(xùn)練，需要用288年時(shí)間。因此，即便1萬(wàn)個(gè)最先進(jìn)的GPU以及之前的GPT-3模型不分晝夜地全速訓(xùn)練，其單次訓(xùn)練也需要十多天才能完成。目前ChatGPT的知識(shí)已經(jīng)落后了現(xiàn)實(shí)一年以上，這對(duì)于替代搜索引擎而言，可以說(shuō)是一個(gè)致命的缺陷，但如果只是作為搜索引擎的補(bǔ)充的話，那么問(wèn)題就小了很多。

不過(guò)問(wèn)題還沒(méi)有結(jié)束。我們?cè)谇拔哪┪惨呀?jīng)說(shuō)過(guò)另外一個(gè)問(wèn)題：人們真的愿意使用搜索引擎嗎？當(dāng)新鮮勁過(guò)后，人們還會(huì)熱衷于和ChatGPT聊天嗎？曾幾何時(shí)，我們?cè)诰W(wǎng)絡(luò)上更多是用電腦查找資料，需要自己去主動(dòng)搜索信息，然后一個(gè)一個(gè)比對(duì)不同人、不同平臺(tái)的說(shuō)法。搜索引擎避免我們?nèi)ゾW(wǎng)站單獨(dú)查找信息是個(gè)巨大的進(jìn)步，也因此，在一段時(shí)期內(nèi)，搜索引擎扮演著流量分配者的角色。谷歌這一角色扮演的較好，因?yàn)樗鄬?duì)公正，在利益和體驗(yàn)之間取得了較好的平衡?？偸浅涑庵罅康唾|(zhì)廣告的百度則受到了強(qiáng)烈抨擊。

但到了移動(dòng)互聯(lián)網(wǎng)下的APP時(shí)代，推薦引擎已經(jīng)主導(dǎo)了流量分配，許多人其實(shí)已經(jīng)放棄了通用搜索引擎，最多也就通過(guò)APP的內(nèi)部搜索搜一下而已。依靠不停刷新手機(jī)APP從熱榜、推薦、關(guān)注列表中獲取文字信息，從不停上上翻刷小視頻，這種躺在床上就把自己喜歡的美味喂到嘴邊的方式固然很符合喜歡懶惰這一人性，但也導(dǎo)致了越來(lái)越嚴(yán)重的信息繭房，越來(lái)越明顯的群體對(duì)立和兩級(jí)分化。因此，便捷固然能帶來(lái)好處，但也會(huì)讓我們失去很多。比如推薦系統(tǒng)帶來(lái)的信息繭房，比如短視頻看多了就不喜歡看長(zhǎng)視頻，更難以沉下心去閱讀厚重的書(shū)籍。

古人云，兼聽(tīng)則明，偏信則暗，但兼聽(tīng)不同的說(shuō)法其實(shí)是一個(gè)繁瑣的過(guò)程，經(jīng)?？磳?duì)立的觀點(diǎn)，更容易讓人上火和厭煩。ChatGPT一問(wèn)就有答案固然是好，但這種完全拋棄搜索列表對(duì)比的方式，不是一種更嚴(yán)重的信息繭房嗎？搜索引擎為我們提供更多信息參考來(lái)源是好事，但替我們省略搜集整理這一過(guò)程直接有問(wèn)必答其實(shí)是一件壞事。這也是一些人很快意識(shí)到，ChatGPT如果流行后可以用于輿論戰(zhàn)和控制意識(shí)形態(tài)的原因。這絕對(duì)不是危言聳聽(tīng)，而是思想懶惰后的必然。