第二件要谈的事情，想必大家已经心中有数，就是ChatGPT的发布。它是使用强化学习训练模型来生成的一个聊天软件，其回应方式比一般AI来得人性化，应用场景也更为广泛。客服人员可以找它生成一段简短的投诉回复，作家可以指示它来写故事、写诗，翻译人员可以简单地获得有专门风格的翻译文本，开会人士又可以更快地收到已被归纳重点的会议记录，程序开发人员更可以通过它来容易地生出代码。其实，它的功能还远远不止于此。他可以按照用户的指示，来提供具体的决策建议，例如应该往哪里旅行，应否接受医生诊治等。

然而，根据用家所述及专家测试，该人工智能聊天机械人确实有着种种局限。如果用家所提出的要求是牵涉小众领域的知识，或者是互联网上难以直接找到的知识，或者是训练材料以外的知识，例如关于2021年之后发生的事情，那么，该软件的回应就有可能变得非常糟糕，更甚者，在简单的使用中，它更可能会产生所谓的人工智能幻觉，即答案看似十分合理，但内容实际上却是虚假的，这使得用家极难分别。

这些因为训练材料不足所产生出的问题，看似在现今的知名人工智能模型中颇为普遍，但是否真的如此呢？要知道，在现实世界中，我们面对完整信息的机会，其实不多。井字游戏、象棋、斗兽棋等，是一些例子。但一般涉及他人的行为，就通常会或多或少有一些部分的信息是不完整的。在这些情况下，人类可以如何获得人工智能的协助？相关的理论基础为何？

LSCM – David Chung