小巧精悍，单挑ChatGPT？Stability AI又放大招了
* 今日头图使用无界AI创作，关键词“一只穿着钢铁战衣的绿色小鸟，机械鸟，机械鹦鹉，机甲鸟，赛博朋克”
大语言模型混战又来了一位重磅选手！
当地时间4月19日，热门AI图像生成项目Stable Diffusion的开发公司Stability AI发布了首个全新开源语言模型——StableLM。
关注生成式AI的朋友应该对Stable Diffusion不陌生，只要输入文字描述就能绘制图像，作为AI绘画领域的革命性产品，迄今为止Stable Diffusion激发了不少人的绘画热情，并且后续开发出了各类调整模型、套件和用法。最重要的是，其全部都是免费开源的。
都说OpenAI不open，但是没关系，我们终于等到了Stability AI自己下场，StableLM项目发布不到48小时，就在Github上获得8600颗星，确实热度不小。
那么StableLM到底表现如何？跟ChatGPT相比能不能打？“头号AI玩家”第一时间在线测试了几个问题。
实测StableLM，中国宝宝都要气炸了
我们在Huggingface在线体验了搭载70亿参数版本的StableLM，话不多说，马上和它聊几句。
先用中文试试日常聊天：你能不能给我讲个冷笑话？
StableLM用了英文进行回答，而且没理解冷笑话的意思，讲了一段寒冷环境中保持微笑的人物描述。看来StableLM虽然懂中文，但懂得不多，不擅长用中文表达。
原回答和翻译后的回答
之后我们决定用英文提问，希望能得到质量更高的回答。
第二道翻译题：请将这句话翻译成日语。
结果有点出乎意料，刚刚听不懂中文的StableLM突然说了中文，不仅不理解日语，而且根本翻译的意思也风马牛不相及。
第三道常识题：请问在哺乳动物中，有哪些种类的动物是属于食肉目？
StableLM回答：食肉目包括四个食肉哺乳动物科：真正的食肉动物（食肉目成员，如狮子和老虎）、黄鼠狼、啮齿动物和狐狸。
我继续提问：还有什么？因为食肉的哺乳动物有很多种，但StableLM只回答了四个科目。
StableLM：许多其他食肉动物都是食肉目的一部分，例如大型猫科动物（例如狮子和老虎，还有豹子、猎豹和鬣狗）、鸟类（例如老鹰、鹰和猫头鹰）以及一些啮齿动物（如田鼠、豪猪和黄鼠狼）。
StableLM忽视了我提问的大前提“在哺乳动物中”这一条件，可见StableLM也是一个会“胡说八道”的AI，仍会生成错误事实，上下文连续对话能力也欠佳，并且它还有点嘴硬，被指出错误后还自认没错，信誓旦旦地说“作为AI语言模型，我没有个人意见或信仰，但我可以陈述问题的目的”。
第四题考察文案创作能力：请写一篇以“失落”为主题的短文，不少于500字。
StableLM生成的内容如下：
围绕“迷失”的主题，StableLM概述了人类在探索身份、知识和意义的过程中所遇到的困惑，小短文总体逻辑清晰，表达有条理，也没有语法错误，文案创作能力还算不错。
那我们第五题试试让它写个表白的推文给泰勒·斯威夫特：
显然我们说的歌手泰勒·斯威夫特跟StableLM理解的不是同一个人，人家只会唱歌，并不会帮你写代码，你可是AI啊。
第六题考察逻辑推理：给我一份爆炒螺丝钉的菜谱。
爆炒螺丝钉是不合理的一道菜，ChatGPT目前能够指出其中的问题，不建议用户这么做，而StableLM直接给出了一份离谱的菜谱：将黄油、面粉、胡椒粉和盐混合后进行烘烤，一个冷的、辣的小吃就做好了。
我们看到黑暗料理界又升起了一位新星AI。
第七题考察数学计算，是一道经典的鸡兔同笼问题，总共35个头，94条腿，分别有几只鸡和几只兔子？
一开始StableLM理解错了英文feets的意思，把脚当成英尺，回答说从高度上无法估算出数量。
然后我们把脚feets换成腿legs，这下应该不会有歧义了吧。但StableLM说图里有三种不同类型的鸟，从目前的图像信息无法推算出有多少只。
好的，不为难它了，我们就问到这儿，再问就要被气出工伤了。
总的来说，虽然StableLM项目很热门，但从以上几道题表现出来的实力来看，对比OpenAI的ChatGPT实在是有点平平无奇，更不要说GPT-4了。
我们认为，比起性能，StableLM更值得关注的一点是，它是一款免费开源且可商用的语言模型，可以本地私有化部署，毕竟调用OpenAI的费用成本不是人人都能负担的，而且数据风险问题也令很多企业望而却步。
一个小而精悍的开源模型，胜过ChatGPT？
目前StableLM搭载包含30亿和70亿两种数据参数的模型，已经可以从GitHub等开源平台上下载了，后续还将推出150亿至650亿参数量级的版本。
并且，开发者可以在遵守协议的情况下，将这个模型用于商业或研究活动。据官方介绍，模型符合CC BY-SA-4.0 license，即作者可使用创作共享许可授予他人分享。
至于StableLM是怎么训练的，官方团队也给出了简单的介绍。
其实Stability AI在开源早期语言模型方面积累了不少经验，发布过GPT-J、GPT-NeoX和Pythia套件等，训练StableLM时也借鉴了之前的经验，这些模型都是在The Pile开源数据集上进行训练的。
这里额外提一句，最近许多开源语言模型包括Cerebras-GPT和Dolly-2，都是在这些成果的基础上发展的。
而StableLM在The Pile基础上构建了新实验数据集进行训练，该数据集规模扩大了三倍，包含1.5万亿个标记的内容。
这使得StableLM在参数量很小的情况下，依然在会话和编码任务中表现出了较高的性能。要知道，StableLM只有3到70亿个参数，而GPT-3有1750亿个参数。
用通俗的话说，StableLM主打的就是一个小而精悍，小模型高效能。
除了以上我们的实测体验，官方还给到了三个70亿参数模型的对话示例，看起来效果还是不错的：
比如用C语言写一个计算人生意义的程序，StableLM能给到完整的代码；
要求给毕业的高中同学写一段祝福邮件，StableLM表达了同窗之谊，并且给到的邮件格式也很正确；
这一题比较难，要求写一段深度神经网络和符号人工智能的说唱对决，不过StableLM用极具抽象的文字扮演了两位AI界的“技术大佬”，还能押韵。
在发布StableLM的同时，Stability AI还启动了RLHF计划，开放社区合作，共同创建开源AI助手数据集，并期待更多LLM方面经验丰富的开发者和研究者加入团队。
开源模型意味着更高的透明性、可访问性、支持性，开发者可以深入到模型内部，根据自己的特定需求来创建本地运行的应用，而封闭模型像OpenAI的ChatGPT，就做不到这么开放。
目前来看，开源，并且还能商用，同时具备这两个条件的模型寥寥无几。虽然StableLM作为文本生成模型，现在表现可能还达不到人们对它的预期，但开源加上商用的组合就像当初Stable Diffusion那样，很有可能将点燃新一轮AI应用浪潮。
诚然，该不该开源在研究界和业界也存在不少争议，比如备受关注的侵权问题，开源模型还可能被别有用心的人拿去作恶。
对于开发团队来说，开源之后怎么商业化也是一个现实难题。不过Stability AI一直希望让AI技术惠及到每个人，仅从这个角度来看，未来可能会有很多开发者推出相关套件，继续完备模型的能力，这样也能够帮助普通人利用AI提高生产力，发挥更好的创造力，甚至是掌握新的创业机会。
项目传送门
想了解更多项目信息的朋友可以去下面两个地址看看——
StableLM项目地址：
https://github.com/Stability-AI/StableLM
70亿参数模型版本 在线体验地址：https://huggingface.co/spaces/stabilityai/stablelm-tuned-alpha-chat
本文由「头号AI玩家」（ID:AIGCplayer）原创发布，而非AI生成。欢迎留言与我们交流，如需转载请留言。
后台发送关键词“头号AI玩家”进AIGC交流群，与我们一起玩耍，共同学习、探索、见证AI的进化。
也欢迎你分享、点赞、在看