一、什么是ChatGPT？
人工智能已成为当今科技范畴的一大热门话题。随着深度学习的快速开展，OpenAI团队在其GPT（Generative Pre-trained Transformer）模型的基础上，推出了ChatGPT，这是一种革命性的大型言语模型，为人们供给了一种全新的与计算机进行对话的方法。
ChatGPT从字面上能够分解成两个词Chat+GPT。Chat是聊天的意思，GPT是Generative Pre-trained Transformer的缩写，生成式预操练言语模型，运用Transformer架构来处理自然言语处理（NLP）使命。说人话便是能够经过了解和学习人类的言语来进行对话，使其能够生成与输入语句相匹配的自然言语呼应。它运用了海量的文本数据进行预操练，涵盖了互联网上的网页、书本、论文等丰厚资源，然后把握了丰厚的语法、语义、常识和上下文了解才能。能够实在像人类相同来聊天沟通，能完结编撰邮件、视频脚本、案牍、翻译、代码 ，写论文 等使命。
总结一下便是它有大量的操练语料，超大规模的操练参数（上千亿），能自己生成内容（留意这儿不是检索，所以你会发现每次向GPT发问同样的问题，得到的答案都是不相同的）。就算一个它不知道的东西，它都能够根据已把握的数据，生成一个答案，虽然有时分或许在胡言乱语，从这个角度，确完成已很像人类了。
二、ChatGPT有什么特性？
ChatGPT具有许多令人兴奋的特性，使得它成为当今范畴内备受瞩意图立异。首要的特色有：
- 根据上下文了解问题
ChatGPT展示了强壮的上下文了解才能，能够深化了解对话的布景，并供给精确的答复。这使得对话愈加连贯，用户能够轻松进行复杂的沟通，无需重复供给布景信息。
- 供给答案与解决方案
ChatGPT擅长答复各种问题，无论是实践常识、推理仍是其他范畴的问题，都能给出相应的答复并供给有用的解决方案。
- 持续学习与进化
ChatGPT具有学习才能，能够从大量数据中不断吸收新常识，并将其应用于对话和问题的答复中。这使得ChatGPT能够跟上年代的开展，逐渐变得愈加智能和精确。
- 多言语支持，全球沟通
ChatGPT能够运用多种言语进行对话，包含中文、英文、西班牙语、法语和日语等。它能够流利地进行沟通，满意全球用户的需求。
- 了解复杂问题，简略解说
ChatGPT具有处理复杂问题的才能，并以简略易懂的言语解说和答复。即使是看似复杂或专业的问题，ChatGPT也能够以用户友爱的方法解说，运用户更简略了解。
- 广泛应用
由于其出色的性能和灵活性，ChatGPT适用于各种场景。无论是智能家居、智能客服仍是其他范畴，ChatGPT都能够帮助人们解决问题，并供给高质量的交互体会。
四、怎样与ChatGPT对话，Prompt是什么？
遇事不决，先问GPT。咱们先问一下ChatGPT，Prompt是什么？
咱们来简略归纳一下ChatGPT的答复，Prompt 便是提示工程（Prompt Engineering）是指在运用自然言语处理（NLP）模型（例如 GPT-4）时，规划和优化输入文本（即提示）的过程。这一过程旨在更有用地引导模型生成所需的输出成果。提示工程的关键在于进步模型的体现，使其更精确、有趣或契合特定上下文要求。
好了，那怎样才能写出明晰的Prompt呢？让他能了解咱们的问题，给出高质量的答案。就像与人沟通其实也是有许多技巧学问的，同样的，其实跟ChatGPT沟通也是有一些规律、模版是能够遵循的。
五、怎样写出明晰的Prompt？
-
用明晰明确的言语表达问题
就像人与人之间的沟通相同，需求用明晰明确的言语表达问题，它就会给咱们短小精悍的答案。防止重复含糊不明确的词汇和语句。
比照以下案例：
较差的prompt❌ 更好的prompt✅ 总结会议记录 总结会议记录，用markdown的格局列出每个发言者和他们的首要观念，并且在最终列出发言者建议的后续过程或行动 写一篇关于XX产品的种草日记 写一篇关于XX产品的种草日记，要求：从产品运用体会的角度，有哪些优点和缺点，以第一人称写作，让人有购买的欲望 -
给ChatGPT设定身份
给ChatGPT设定一个相应的回复者身份，它能够仿照这个身份来更好的答复你的发问。设定身份的同时最好包含身份、使命和束缚三个元素：
较差的prompt❌ 更好的prompt✅ 我怎样辩驳对方，关于『xxx』 我希望你能担任争辩教练。我将为你供给一个争辩队和他们即将进行的争辩的议题。你的方针是为团队的成功做好准备，组织操练回合，重点是有说服力的演讲，有用的时刻战略，辩驳对方的论点，并从供给的依据中得出深化的定论。 右边的提示词包含的3个元素分别是：
身份 – 争辩教练
束缚 – 一个争辩队和他们即将进行的争辩的议题
使命 – 为团队的成功做好准备，组织操练回合，重点是有说服力的演讲，有用的时刻战略，辩驳对方的论点，并从供给的依据中得出深化的定论。
-
供给示例或喂相关数据
比方你想让它用鲁迅的写作风格给你写一段文字， 你能够先供给一些鲁迅的文章发送给它。
-
运用分隔符明晰标明输入的不同部分
如运用 “””三重引号””” 、<XML标记> 、章节标题等有助于划分需求区别对待的文本部分。
示例：
将以下由三重引号包含的文本总结为一句话。 “””在这儿刺进文本”””
-
告诉ChatGPT完结使命所需求的过程
有些使命最好指定为一系列过程。明确的写出过程能够使ChatGPT更简略遵循这些过程。
示例：
依照以下逐渐说明来呼应用户输入。
第1步 – 用户将用三重引号供给文本， 以『总结：』作为前缀 ，用一句话总结这段文字。
第2步 – 将第1步的摘要翻译成中文 ， 前缀为『翻译：』。
-
指定ChatGPT回复输出内容的长度
能够要求ChatGPT生成具有给定方针长度的输出。能够根据字数、语句、阶段、项目符号等的数量来指定方针输出长度。
留意：指示ChatGPT生成特定数量的单词并不能完成高精度，绝大多数状况下都有差错，我猜或许和Token数有关。
示例：
✅ 将以下由三重引号包含的文本总结为100个字。 “””一段文本”””
信任你把握了以上6个最佳实践技巧， 对ChatGPT的运用现已很熟悉啦~
不过，任何一个技巧、模版都不行能是全能的，许多时分，模版或技巧确实能够帮咱们快速的到达及格线的水平，可是假如一向靠这些花里胡哨的东西，你永久也不行能成为一个职业顶尖的人才。许多东西是需求咱们下苦功夫，在实战中一点点慢慢摸索出来的。实践才是查验真理的唯一标准。
七、大模型开展这么久，为什么到GPT3.5才具有了实在的智能？
GPT（Generative Pre-trained Transformer）生成式预操练言语模型。也便是这个言语模型是根据Transformer的，Transformer是一种根据留意力机制的神经网络模型，最早由谷歌公司提出，其最初意图是用于自然言语处理使命，如机器翻译、文本摘要、语音辨认等。相比于传统的循环神经网络模型，如LSTM和GRU，Transformer模型具有更好的并行化才能和更短的操练时刻，在处理长序列使命方面体现出色，因此在自然言语处理范畴得到了广泛应用。
其实GPT不是OpenAI公司的原创，而是由谷歌公司创造。是不是跟当年操作体系的图形用户界面其实是施乐公司最新创造的，却被乔布斯窃取到并应用到苹果的体系上相同。包含后来的iphone手机，咱们也能够搜一下，其实一切的规划都是借鉴了其他公司的产品，可是乔布斯把他们组兼并立异成了一件最伟大的艺术品，然后敞开了一个全新的移动互联网年代，所以有时分并不一定什么都要原创，站在伟人的肩膀上来微立异，有时分更简略出成果。
上面扯的有点远了，咱们回到为什么GPT3.5才算实在的人工智能这个问题上。
2018 年 OpenAI 选用 Transformer Decoder 结构在大规模语料上操练了 GPT1 模型，揭开了NLP模型预操练+微调的新范式。2019 年，OpenAI 提出了 GPT2，GPT2 拥有和 GPT1 相同的模型结构，但得益于更多和更高的数据质量以及新引入的多使命学习方法，言语生成才能得到大幅提高。之后由于 GPT 选用 Decoder 单向结构天然缺陷是无法感知上下文，Google 很快提出了 Encoder 结构的 Bert 模型能够感知上下文，效果上也明显有提高，同年 Google 选用Encoder-Decoder 结构，提出了 T5 模型，从此大规模预操练言语模型朝着三个不同方向开展。
也便是说在GPT3.0之前，谷歌的Bert 模型是远超OpenAI 的GPT模型的。这儿弥补一个常识点，GPT3.0之前都是开源的，OpenAI由于一些商业等多方面的考虑，从GPT3.5开始，模型都是闭源的。
直到2020 年 OpenAI 提出了 GPT3 将 GPT 模型提高到全新的高度，其操练参数到达了 1750 亿，操练语料超45TB，自此GPT系列模型的数据飞轮便转动起来，超大模型年代敞开， NLP 使命走向了预操练+情境学习新路线。由于 GPT3 能够发生通顺的语句，可是精确性等问题一向存在，于是呈现了InstructGPT、ChatGPT 等后续优化的工作，经过参加强化学习形式完成了模型能够了解人类指令的意义，会甄别高水准答案，质疑错误问题和回绝不适当的请求等。
从GPT3.5，GPT忽然出现出了“乌鸦”才能，之前的都能够了解成质变，一种拾人牙慧的才能，并没有实在的智能。
或许是大力出奇迹，我感觉跟人脑是一个道理，一个神经元没啥才智，一百万个、一百亿个或许也没啥才智，不过增加到一千亿个神经元连接，忽然就有才智了，出现出了才能。这是一件很玄学的工作，包含现在国际尖端的人工智能专业也无法解说这种现象，咱们只能了解成大力出奇迹。
这儿拿出一点篇幅来普及一下什么“拾人牙慧”的假人工智障，什么是拥有“乌鸦”才能的真人工智能
所谓拾人牙慧，便是东施效颦。没有GPT之前，几乎一切的自然言语处理都遵循着这一范式。他没有真的懂你的意思，只是一种形式匹配，比方之前的语音助手，只能辨认有限的场景，比方你问他，帮我导航去天安门，他能够给你答案，但假如你让问他火星怎样去，他或许就答复不了你，由于他的数据库里没有这个问题的答案。也便是说，他只能答复在自己的数据库里有对应答案的问题，一旦你的问题超出了他的数据规模，他是没办法给你回复的。无法做到根据现有的数据生成新的数据，可是国际的问题千千万，不行能穷尽一切的或许把一切的问题答案都事先准备好，这也是之前的人工智能咱们感觉并不智能的原因，由于他的底层实践上仍是在做匹配。我举一个程序员都能了解的例子，比方你要完成一个不同条件得到不同成果的功能，我信任大部分程序员都是这样完成的。
if($sex == '男' && $age < 18){
echo "小男孩";
}else if($sex == '女' && $age < 18){
echo "小女子";
}else if($sex == '男' && $age >= 18 && $age <= 35){
echo "小伙子";
}else if($sex == '女' && $age >= 18 && $age <= 35){
echo "小姑娘";
}else{
echo "老年人";
}
假如新增了条件，仍是要新增一堆的if else才能匹配更多的状况。
而乌鸦不相同，小时分咱们读过乌鸦喝水的故事，乌鸦是有实在才智的，他能真的读懂你要表达的意思。这儿咱们引证华人最厉害的AI学者之一朱松纯教授，在2017年写的一篇思考人工智能和智能实质的文章，经过这篇文章来了解乌鸦是怎样感知、认知、推理、学习、执行的。
乌鸦经过调查，自主串通了
- 轿车能压碎坚果
- 红绿灯能操控轿车
- 车能撞死我
这三件工作，然后利用红绿灯和轿车，来帮自己到达“安全翻开坚果”这一使命成果。
假如类比成机器学习模型，过往“拾人牙慧”范式的解法，是要求一切乌鸦能够同享一个大脑，它们有很明晰的优化方针，即“保住性命的前提下翻开坚果”。它们的方法是，随机测验一切事情的组合，并向着最优解的方向不断演化。
但现实国际的乌鸦无法同享大脑，也不能去冒着逝世危险去测验一切或许。乌鸦只要一次机会，把观测到的两个现象，发生了一个新的或许性，并应用在一个全新的场景下。这儿最接近的词汇或许是“inference”，是“根据依据和逻辑推演，得到定论”的过程，有的时分，还要参加许多猜测、笼统、泛化。举个例子，这篇文章把朱教授关于乌鸦的比方，跟ChatGPT最实质的才能联系起来，便是在做inferencing这件事。
但很明显，inferencing不是乌鸦智能的全部。并且在机器学习范畴里，inferencing特指运用操练好的深度学习模型来预测新的数据这一件事，会发生误解。其他词汇也有类似问题，所以咱们在自己文章里，会直接运用“乌鸦才能”来指代ChatGPT的新才能。在对外沟通时，咱们没办法每次都把乌鸦才能是什么解说一遍，所以咱们会用“了解”才能来进行指代。从“乌鸦”到“了解”，当然是一个信息量损失很大的过度归纳。可是好处是能够把ChatGPT的实质才能凸显出来。过往互联网的两次才能跃进一次来自于查找，一次来自于引荐，现在ChatGPT带来了“了解”，也十分有结构感。
最终，再给咱们看一张图，让咱们了解ChatGPT是怎样一步步演化到目前的水平的：
经过上图，咱们能够看到：
- GPT-3.5经过InstructGPT的形式 + 阅览代码，出现了“乌鸦”才能，发生了质变。可是还没找到适宜的应用界面，也不契合人类喜爱
- ChatGPT在RLHF的帮助下，找到了GPT-3.5和人类自然言语的合理接口，解锁了模型应用的前景
（以上关于拾人牙慧和乌鸦才能的例子引证自”课代表立正的文章”）
这儿解说几个专用名词：
InstructGPT：
ChatGPT的交互形式，让GPT的才能，愈加贴近人类实在交互方法。在in-context learning基础之上，进一步降低了prompting的门槛；一定程度解决了GPT-3生成成果与用户期望不一致的非预期输出，大幅降低了有害的、错误或偏差的输出成果，让GPT更契合人类食欲
RLHF
ChatGPT背后的核心技术之一，让模型学习人类的偏好。全称是reinforcement learning from human feedback，经过构建人类反馈数据集，操练一个reward模型，仿照人类偏好对成果打分，是GPT-3后年代LLM越来越像人类对话的核心技术
ChatGPT
InstructGPT的亲戚，但一些优化方法也带来了ChatGPT的更泛化和精确才能，再次引爆了AIGC。ChatGPT整体来说和InstructGPT相同是运用RLHF进行操练，但模型是根据GPT3.5，并且数据设置上也不同。ChatGPT是一个输入，模型给出多个输出，然后人给成果排序，让模型能够学习人类的排序战略，即使是不苟言笑的胡言乱语看起来也很合理的样子
六、结束语
AI年代已来，面临每天海量的信息铺面而来，我想说，不要焦虑、不要担心自己会被替代，最好的方法便是保持一颗平常心，主动的拥抱AI，让AI成为你的个人助理，根据本身的状况，先从能马上进步自己工作日子效率的内容学起，躬身入局，日拱一卒，信任不久的将来，你一定会感谢今日的你的坚持！
