文章目录
- 一. 简介
- 1. ChatGPT 概念
- 1. ChatGPT 简介
- 2. ChatGPT 可以做的事
- 3. ChatGPT 名称详解
- 4. ChatGPT 前世今生
- 5. ChatGPT-5 受阻
- 2. 大模型概念
- 3. 常见大模型
- 4. 使用与限制
- 5. 总结
一. 简介
1. ChatGPT 概念
1. ChatGPT 简介
- ChatGPT:一款基于人工智能的聊天机器人
- OpenAI 公司研发的人工智能语言模型
- 基于 Transformer 的神经网络架构,经过大量数据训练,可以理解与生成连贯的自然语言
2. ChatGPT 可以做的事
- 生成文本:例如文章、故事、诗歌等
- 回答问题:回答各学科问题
- 对话:进行自然流畅的人机对话
- 文本摘要:摘要长篇文章
- 语言翻译:翻译不同语言文本
- 情感分析:分析文本情感倾向
- 执行其他语言任务
3. ChatGPT 名称详解
- ChatGPT 全称:基于 Transformer 的生成式预训练对话模型
- G 代表 Generative:使用的 Transformer 是一个生成式模型
- P 代表 Pre-Training:使用了一个巨大的通用语料库对其 Transformer 模型进行了预训练
- T 代表 Transformer:Google 于 2017 年提出的一种基于注意力机制的神经网络模型
- 它利用 Transformer 这样的注意力机制模型,辅以大规模预训练,具备了生成连贯自然语言对话的能力,这也正是人工智能对话系统研发的方向。
4. ChatGPT 前世今生
5. ChatGPT-5 受阻
- 最近数万名用户签署了期望暂停训练比 GPT-4 更强大的人工智能系统至少6个月的公开信,同时必须建立完善的 AI 治理制度,包括但不限于
- 资金和资源投入 AI 安全:通过接管和切断控制,最终实现 AI 的风险评估、漏洞扫描和应急处置等管理操作
- 专门负责 AI 的监管机构
- 区分人工和 AI 产生的内容,追踪模型泄露,为问题追责提供依据
- 由 AI 技术引起的损害或伤害承担责任
- 有效机制管理 AI 带来的经济社会影响
2. 大模型概念
- 大模型:经过大量数据训练后的模型,涌现出极其准确的非预设目标的结果。通俗来说是它具有人类学习的能力,尽管其内在机理尚未完全理解。
- 对于 NLP(自然语言处理)和 AIGC(人工智能生成内容)领域的研究,大模型至关重要
- 目前人工智能可分为弱人工智能和强人工智能
- 弱人工智能:执行人类的指令,但没有自我意识
- 强人工智能:具备自我意识
- GPT-3.5 有 1750 亿个参数,GPT-4 未公布但据说有 1 万亿个参数
- 参数是机器学习模型中用于存储知识和学习特征的值,参数越多意味着它可以学习和记忆海量信息
- ChatGPT 接收文本数据作为输入,经过多次迭代的训练,使得模型参数得到不断优化更新
3. 常见大模型
- ChatGPT:可用 3.5 免费的网页版,可以调用收费的 API 集成自己的应用
- NewBing,Microsoft 投资的 OpenAI 研发的 ChatGPT,底层基于 ChatGPT 4.0 的搜索引擎
- Claude chatbot:Anthropic 研发调用 ChatGPT 接口的产品
- ZelinAI:洋哥的知识星球,研发调用 ChatGPT 接口的产品
- 文心一言:百度自研的大模型
- Bard:Google 自研的大模型,优势是实时性数据
- 通义千问:阿里自研的大模型
- 其他尚未发布
- 盘古:华为
- ChatJD:京东
- 智脑:360
- 日日新:商汤
- 1+N认知智能:科大讯飞
- 天工:昆仑万维
- 知海图AI:知乎
- 雪湖·海若:毫末智行
- 等等
4. 使用与限制
- 使用
- 提升工作效率:它是跨领域、跨学科、非特定条件的通用人工智能:
- 可用作问答系统、文本生成、优化与压缩、翻译助手、开发助手、周报助手、PPT、XMind,Excel 等等
- 限制:但是 ChatGPT 还无法完全替代人工,因此我们需要做到
- 简单可依赖
- 抛弃等、靠、要
- 赢得信任
5. 总结
- 现在来看 ChatGPT 代表人工智能发展方向,是人类拥抱更美好未来的一小步
- 但它仍然属于弱AI,需要与人密切配合,共同发挥作用
- 人与AI的协同将是未来发展重点
参考:
https://lipiji.com/slides/ChatGPT_ppf.pdf
https://blog.tryamigo.com/gpt-4-vs-gpt-3-how-much-better-is-gpt-4/
https://futureoflife.org/open-letter/pause-giant-ai-experiments/