百度文心一言正式亮相

OpenAI 刚发布了 GPT-4，百度预热已久的人工智能生成式对话产品也终于亮相了。昨天下午，文心一言 (ERNIE Bot)—— 百度全新一代知识增强大语言模型、文心大模型家族的新成员，正式在百度总部 “挥手点江山” 会议室里发布。

发布会一开场，百度 CEO 李彦宏先给大家打了一剂预防针：

从某种意义上说百度为此(发布文心一言)已经准备了多年，我们十几年前就开始投入 AI 研究，2019 年就推出了文心大语言模型，今天的文心一言是过去多年努力的延续。

但也不能说我们完全 ready 了，文心一言要对标 ChatGPT、甚至是对标 GPT-4 的门槛是很高的，全球大厂还没有一个做出来的，百度是第一个。我自己测试感觉还是有很多不完美的地方。

李彦宏指出：“无论是哪家公司，都不可能靠突击几个月就能做出这样的大语言模型。深度学习、自然语言处理，需要多年的坚持和积累，没法速成。”

文心一言，能做什么？

文心一言作为国内几个大厂中诞生出的首个生成式 AI 产品，到底能实现什么样的功能呢？百度 CEO 李彦宏也没有藏着掖着，在发布会一开始就展现了文心一言的 5 个使用场景，并且针对这些使用场景一一进行了功能展示。

文学创作；
商业文案的创作；
数理逻辑的推算；
中文的理解；
多模态生成；

目前用户在体验 ChatGPT 这样的生成式 AI 时会发现一个问题，那就是即便有事实依据，AI 依然会一本正经地胡说八道(例如前段时间 Google Bard 出现的失误)，如果用户没有经过验证，轻信了 AI 生成的内容，反而会铸成大错。那么面对这样的问题，文心一言能否轻松应对呢？

场景一：在第一个场景对话中，文心一言准确地提供了《三体》作者、核心内容、电视剧演职人员、甚至是演员本人的共同点与差异信息，在保证事实性问题不出错的情况下，亦展现了在续写内容方面的创作能力。

场景二：针对商业文案创作，现场则是演示三轮对话，涉及了给公司起个名字、写 Slogan，以及写篇新闻稿。从现场的演示来看，文心一言非常了解国人的喜好，以及中文字词中所蕴含的深意。以给科技服务公司取名字这个环节为例，给出的答案完全符合国人对于这类公司取名的畅想，客户通过名称一眼就能知道公司类型甚至是业务方向。

场景三：在数理逻辑推演环节，则是演示了一个家喻户晓的鸡兔同笼问题，但百度为了展示文心一言的能力，偷偷设置了一个 “陷阱”，给出了一个完全无解的题目。不过这并没有难倒文心一言，它立刻发现题目出错，后来经过修改，文心一言准确地回答出问题，并给出了简单的解题思路。

场景四：在发布会期间，百度 CEO 李彦宏也大方承认，目前文心一言虽然也支持英文问答，但实力依然有限。而主打的中文理解，无论是成语「洛阳纸贵」的含义，还是成语背后隐含的经济原理，甚至是对 “藏头诗” 这个词的理解，以及最后生成的诗句，在这一轮则是展现的淋漓尽致。

场景五：多模态生成是前几天 GPT-4 发布时着重增强的一大特性，当时 OpenAI 展示了从草图生成代码的能力。文心一言在这个环节也是 Show 了一把多模态生成，除了之前几个场景中所展示的文字对话能力，在场景五中还展示出了图像、视频和语音(方言)生成方面的能力，目前火热的 ChatGPT 还无法实现后面列举出的这几个功能。

与 Bing Chat 和 ChatGPT 的对比

相比 ChatGPT 和 Bing Chat，“文心一言” 最大的不同点在于多模态生成，即可以通过语言生成海报、语音甚至视频内容。发布会演示中，李彦宏展示了使用文心一言生成活动海报、方言语音，并根据提问内容生成与活动相关的视频。不过生成视频的成本较高，现阶段尚未对所有用户开放。

图片、视频的生成能力确实让我们眼前一亮，李彦宏也表示，多模态生成式 AI 是一个明确的发展趋势。

演示过程中，李彦宏多次强调百度在中文语言的处理上，处于独一无二的位置。

下面的例子展示了用发布会中演示的内容去询问 ChatGPT(3.5 版)以及 Bing Chat 的回答。

首先是关于《三体》的提问，Bing Chat 和文心一言均能正确回答作者是谁、来自哪里的问题，而 ChatGPT 则把刘慈欣的籍贯错标成了山东。

Bing Chat 的回答还显示其信息来源是百度百科。

而在关于 2023 年初上演的《三体》电视剧版演员的问题中，信息库停留在 2021 年的 ChatGPT 再次犯错，表示《三体》电视剧暂未开拍，而 Bing Chat 则在豆瓣中找到了答案。

在商业文案创作方面，三者均可以给出它们的看法，ChatGPT 还贴心地附上了英文名。

而 Bing Chat 则在第一次询问时识别错了问题含义，没有提供准确的公司名，而是提供了如何起一个公司名的解决方案。

虽然在此前的使用中，不论是 ChatGPT 还是 Bing Chat，它们在做数学题时并不能让我们完全放心。不过百度发布会中提到的鸡兔同笼问题并没有难倒二者，均准确地做出了解答。

可以看到，Bing Chat 的解读像是一位循循善诱的老师，而文心一言的回答则有点像课后的参考答案。

来到中文理解方面，文心一言的优势就体现出来了。

在询问「当时洛阳的纸到底有多贵」时，ChatGPT 误以为询问的是唐代的物价，因此返回的信息是洛阳的纸一点都不贵，Bing Chat 识别上没有问题，但也没有给出准确数据。

而文心一言给出两三千文的价格，至少与搜索得到的数据是一致的。

相信你也注意到了，且不说写的内容如何，ChatGPT 和 Bing Chat 都没有理解什么是藏头诗，相比下来，百度文心一言的表现确实出色。

由此可见，文心一言在中文领域的表现确实要优于 ChatGPT、Bing Chat。不过，李彦宏在发布会中也提到，虽然中文方面优势明显，但文心一言针对英文语种、代码场景的训练还不够多，表现也不够好，相信接下来百度会迅速提升。

技术架构 & 特性

百度首席技术官王海峰在发布会上详解了文心一言背后的文心大模型及技术特性。

百度在人工智能四层架构中有全栈布局：包括底层的芯片、深度学习框架、大模型以及最上层的搜索等应用；文心一言则位于模型层。

王海峰表示，文心一言能迅速推出主要是基于百度十一年来的积累，且四层之间形成了层到层的反馈、端到端的优化。尤其是框架层的飞桨和模型层的文心大模型之间的协同优化，在开发文心一言的过程中起到了至关重要的作用。

根据介绍，文心一言是新一代知识增强大语言模型，基于 ERNIE 及 PLATO 系列模型研发；采用了六项核心技术，包括：监督精调、人类反馈的强化学习、提示、知识增强、检索增强和对话增强。前三项是同类大型语言模型普遍具备的能力，ERNIE 和 PLATO 中已经有应用和积累，在一言中又有了进一步强化和打磨；后三项则是百度已有特色技术的再创新。