距离OpenAI向公众发布ChatGPT，一晃已经快一年了。这玩意儿火得有多快呢？截至2023年2月，路透社的数据显示，ChatGPT已经拿下了大约1亿活跃用户。再往后到9月份，它的网站更是吸引了近15亿的访问量——数字摆在这儿，ChatGPT在今天的数字世界里有多流行、多重要，已经不用多说了。PBT集团的首席技术官Willem Conradie回顾了这段时间，他注意到ChatGPT在各行各业的使用和采纳速度快得惊人。 图源备注：图片由AI生成，图片授权服务商Midjourney ChatGPT的崛起，也把一堆棘手的问题摆到了台面上：输出偏见、误解问题、答案前后不一致、缺乏同理心，还有安全隐患，不一而足。为了应对这些挑战，“负责任的AI”这个概念逐渐成了主流。简单来说，就是强调在用人工智能的时候，得把公平、包容、安全、透明、可问责和符合道德这些原则放在心上。尤其是在处理虚假信息这件事上，负责任的AI更是关键——ChatGPT给出的信息不准确或者过时，可不是闹着玩的。 当然，ChatGPT的能耐不仅仅停留在普通用户的聊天室里。在企业环境中，它也是个好帮手：处理客户服务咨询、起草邮件、干个人助理的活儿、做关键词搜索、甚至帮忙做演示文稿，这些业务流程它都能插上一脚。但要让ChatGPT发挥最佳性能，它得给出准确的回应才行。这背后靠的是什么？靠的是训练数据——这些数据不仅要跟公司业务相关，还得准确、及时。 Conradie举了个例子：“想象一下，用ChatGPT来自动处理客户查询，想借此提升客户体验，给每个客户个性化的回复。但如果底层数据质量出了问题，ChatGPT给出的回复就可能跑偏——从搞错客户姓名，到在公司移动应用上提供错误的自助操作指南。这些小差错积累起来，客户只会越来越沮丧，最终预期的好效果全泡汤。” 所以，解决这些数据质量问题至关重要。第一步得确保数据相关性——用于训练模型的数据必须跟ChatGPT实际操作的业务场景匹配。时效性也马虎不得，过时的数据很容易导致不准确的回应。数据还得完整，不能有缺失值、重复项或者无关条目，这些细枝末节同样会带来糟糕的响应和行为。 除此之外，通过强化学习不断优化模型，把用户的反馈纳入重新训练的周期，这一点也相当关键。这样做能帮助ChatGPT（以及所有对话型AI模型）从每次交互中学习，慢慢适应并持续提升自己的回答质量。 最后，Conradie总结道：“本文强调的这些数据质量管理实践，虽然谈不上面面俱到，但可以作为一个实用的起点。它们不仅适用于ChatGPT，同样适用于对话型AI和生成式人工智能等其他AI应用。所有这一切都在提醒我们：在AI技术这条路上，数据质量始终是绕不开的重中之重。”