百度文心一言陷套皮质疑：核心原因或是中文训练数据不足
雷递网 雷建平 3月23日
近期，百度文心一言进入了测试阶段，不过，也陷入了套皮的质疑。
比如，有网友称生成一幅总线和狗的图片，总线是BUS，这可能是百度先翻译，再调用的海外开源内容。
百度回应称，注意到对文心一言文生图功能的相关反馈。回应说明如下：
1、文心一言完全是百度自研的大语言模型，文生图能力来自文心跨模态大模型ERNIE-ViLG。
2、在大模型训练中，我们使用的是全球互联网公开数据，符合行业惯例。大家也会从接下来文生图能力的快速调优迭代，看到百度的自研实力。
文心一言在回应是否为“套皮”时，称作为一个人工智能语言模型，文心一言没有自己的数据源。文心一言的训练数据来自多种来源：
1，文心一言是百度全新一代知识增强大语言模型，利用了飞桨深度学习平台和文心知识增强技术，持续从海量数据和大规模知识中融合学习，具备知识增强、检索增强和对话增强的技术特色。
2，在使用过程中，也会不断地抓取网络上最新的内容，更新到系统里面。
百度称，文心一言在大家的使用过程中不断学习和成长，请大家给自研技术和产品一点信心和时间，不传谣信谣，希望文心一言能够给大家带来更多欢乐。
上周，百度也在北京总部召开发布会，邀请测试主题围绕新一代大语言模型、生成式AI产品文心一言。
百度创始人、董事长兼首席执行官李彦宏并展示了文心一言在文学创作、商业文案创作、数理推算、中文理解、多模态生成五个使用场景中的综合能力。
目前，文心一言依然逊色于Open AI旗下Chat-4，也逊色于Midjourney V5，比如，由Midjourney V5画的一对中国情侣在网上引起轩然大波。
这个图片给人感觉是拿相机拍的真人，即便放大去看也是这样，但却是AI合成的，现实中并没有这对情侣。但Midjourney V5这种过于真实的图片，不如文心一言凭借种种搞笑的图片出圈，吸引社会广泛的关注。
比如，AI作画的《唐伯虎点秋香》，一只胖胖的老虎，在秋天里面点着香，喜感十足，这种画面其实也挺有创意。
AI作画
当问文心一言：春江水暖鸭先知时，文心一言可以回答出正首诗：
竹外桃花三两枝，春江水暖鸭先知。
蒌蒿满地芦芽短，正是河豚欲上时。
而根据春江水暖鸭先知做一幅画，还真能画出一幅古香古色的画作来，不得不说，胜过很多初学画画的人。
这是文心一言画出的两个活泼可爱的孩子，妥妥的中国风。
一位业内人士指出，文心一言主要还是中文训练数据不足的问题：“因为目前开源的图文数据大部分是英文的，可参考laion这个开源数据库，所以目前diffusion model基本都是英文驱动，这导致了怪异现象；当然我们期待同等规模的中文开源数据库的出现；stable diffusion是一种网络结构，开发者完全可以使用laion数据集和sd结构训练一个自己的网络，无需要套皮”。
聊天正在重塑人们搜索的方式，这会是一个重要的流量入口。
文心一言已展示部分商业化潜能，API接口调用价格初定是0.012元/1000tokens，结算汉字约1元=83000汉字。文生图暂时还没公布价格。
一位创业者说，这就是以后AI世界的水费，电费，这些基础设施的钱可能会赚到手软。“电通了以后，到底是用来照明，还是取暖，应用层的机会太多，这个层面就不能落下了。”
后续随着文心一言的不断演化，也会有更大进展，外界还是要给予文心一言更多发展的时间。
———————————————
雷递由媒体人雷建平创办，若转载请写明来源。