我做了个GPT3键盘,用了两个月发现它有点傻

自 ChatGPT 出世,各类文本类AI产品层出不穷。甚至接连几日,Producthunt 上新品过半都是AI相关。

这其中部分原因是 OpenAI 公司开放的 GPT3 1API 接口十分易用。只要一个简单的文本请求,就能将现有产品加入AI功能。例如,Notion、Canvas、Craft 等都推出了类似 AI 辅助写作功能。

“开发”一个基于 GPT3 的键盘

目前绝大多数基于 GPT3 的应用要么是对话机器人服务,要么是文本编辑器或者搜索辅助工具。要想实现移动场景下通用型的应用,将 GPT3 API 做成输入法,或是个有趣的选择。于是编程尚处入门的我也通过 JSBox + GPT3 打造起了自己的AI的应用。

通过键盘整合GPT的优点在于,不仅可以在微信等聊天工具里用,在尚未支持移动端的Notion、以及Apple全家桶、Office全家桶里也能用上它。实现它也不复杂。我在键盘里只塞了三个组件:

  1. 剪贴板开关:用来识别处理剪贴板的内容,还是光标前所有的文本。开启剪贴板后,适合复制别人微信发来的问题,快速草拟回复。
  2. Prompt 列表:每个Prompt 会追加在要处理文本前面,用来将文本按指定的方式处理。通常只用“处理”这个Prompt就好了。2
  3. 设置页面:用来填写个人 API Key,及调整其他参数。API key 可在OpenAI官网​获得,新注册用户有18美元额度。

附GPTKey下载链接:LINK

当在iPhone上使用时,由于键盘底部还保留有语音输入按钮,因此可以直接用语音写下需求,然后点击相关的Prompt,稍等几秒,就能在文本输入框看到反馈的内容。免得切换中文输入法的麻烦。

如果非要说和ChatGPT的区别,后者自发布以来已经
修了多轮内功,直接反映在UI界面上,可直观为普通用户察觉的并不多。相比之下,像GPTkey这种基于API的开发的产品则有着更多交互方面探索的机会。我也会在日常的使用中,根据自己的需求,进一步更新,敬请期待。

GPT3给效率带来的提升还很有限

尽管这个脚本代码不足百行,捣腾出来倒也容易,但该怎么用它,才能发挥其增效的初衷,我仍拿不准。

自打ChatGPT火了以后,关于这个问题的解决方案,倒是能找到有很多——网上有各种Prompt合集推荐,教你如何使用、调教自己的AI。

不过成百上千的Prompt用例,搜集测试都要花时间,要想记在脑子里,或者写到我的键盘脚本里就更麻烦了。如果不能指望它直接解决大部分日常问题,又谈何通用人工智能呢?现在我都怀疑在新鲜劲过后,自己是否还会在日常工作生活中使用它。

不断完善Prompt,让AI更好理解人类个体的想法,或许能提升输出结果的质量。但即便抛开调教AI对于普通用户的复杂性,也不能忽视更大的难题——清晰表达个人的想法本身就不是一件容易的事,现实中人与人沟通都够费劲了。

现阶段,还有一个大的麻烦:GPT3 甚至连小学数学都做不好。我原以为的GPT会擅长处理结构性的文本,替我将口语资料整理成结构化的表格。早先测试时,它似乎做到了。但多测试几遍越发不对劲:

  1. 它对“按总价”排序的理解可能有问题,很难做出正确排序;
  2. 它在计算简单加分时,偶有出错的问题;
  3. 最重要的是,它偶尔会有自己的想法,把提问者的数据篡改,比如在¥25后面鬼使神差地补上几个“0”。

这并不是GPT3才有的问题,甚至升级到ChatGPT也会犯同样的毛病。特德·姜发表在《纽约客》的文章中也称这是“在小学教学科目上的失败”。在CNET一篇报道表示,AI写出的稿子需要再进行检查核对,为此他们搁置了这个计划。可见严肃内容生产中AI对内容创作的效率未必有提升,至少目前还是如此。

我有尝试通过ChatGPT,直接输出所需的JSbox脚本代码。但结果很不理想——它造成Bug比帮的忙要多得多。搜索后得知,OpenAI生成代码能力这块,程序员早有共识:尽管它有一定的作用,但这些代码只能作为参考,在复杂的项目中,要想直接使用它,仍有一定风险。

GPT3还有哪些其他问题

1月初,自我萌生想法后没几日,类似的输入法产品,在App Store上已能搜到多个。但这些APP要么定价过高,要么许久不见更新。要想个人长期使用,都不适合。才索性自己写一个脚本自用。

但没想到ChatGPT这款产品还是出圈了,发布2个月后,OpenAI宣布用户数破亿。与此同时,似乎各路大厂都信誓旦旦要打磨相关产品推出。

国内大量媒体和普通用户也纷纷将其变成谈资。相关ChatGPT的空想、口水文已经到了泛滥的地步。在各类信息流里,你恐怕早就看到那些教你如何用ChatGPT“轻松赚钱”的套路。不管这波热潮何时退去,AIGC让内容创业的产出量更上一个台阶已是必然。对于普通人而言,要如果跟上AI的节奏,迎接更多扑面而来的海量信息就成了一个难题。

所以,ChatGPT真的能提供一个健康的商业模式,让AI产业更好的帮助人类向前吗?面对大量涌入的用户,和大量投喂糟粕,这个Bot又如何能避免重蹈当初Big Tech们的AI伦理覆辙?以及,考虑到诸多跟进ChatGPT的大公司中广告业务占了较大比重,我对未来bot们的回复质量仍然存疑。

但愿这些不要对我的键盘脚本造成什么影响。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/15223.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

提取文本的摘要snownlp模块

【小白从小学Python、C、Java】 【计算机等级考试500强双证书】 【Python-数据分析】 提取文本的摘要 snownlp模块 [太阳]选择题 关于以下python代码说法错误的一项是? from snownlp import SnowNLP myText """ChatGPT的出现标志着人类科技发…

【flask】三种路由和各自的比较配置文件所有的字母必须大写if __name__的作用核心对象循环引用的几种解决方式--难Flask的经典错误上下文管理器

三种路由 方法1:装饰器 python C#, java 都可以用这种方式 from flask import Flask app Flask(__name__)app.route(/hello) def hello():return Hello world!app.run(debugTrue)方法2: 注册路由 php python from flask import Flask app Flask(__name__)//app…

【JavaWeb】jQuery(上)

本章内容 1.jQuery Hello world 2.jQuery 选择器 3.jQuery 过滤器 4.jQuery 元素筛选 1、jQuery 介绍 什么是 jQuery ? jQuery,顾名思义,也就是 JavaScript 和查询(Query),它就是辅助 JavaScript 开发的 js 类…

Linux 文件内容相关命令使用汇总

Linux操作系统有很多强大的文件内容相关命令,这些命令可以让您查看、分析和编辑文件。其中,最基本和常用的命令包括cat、more、less和head/tail等。除了这些基本命令之外,grep和find命令也是文件搜索和过滤方面的有力工具。 前言 我们这篇主…

根据 vue-grid-layout 动态设置Echarts尺寸大小

文章目录 前言一、vue-grid-layout 是什么?二、正文1.引入vue-grid-layout2.myEcharts组件3. Utils中的debounce防抖函数 总结 前言 此文背景是根据 vue-grid-layout 动态拖拽组件大小里面包含 Echarts 组件情景,也可以单独把监听动态设置Echarts 尺寸抽…

【神经网络】tensorflow实验7--回归问题

1. 实验目的 ①掌握一元线性回归模型的实现方法 ②掌握多元线性回归模型的实现方法 ③掌握三维数据可视化方法 2. 实验内容 ①使用TensorFlow建立一元线性回归模型,使用商品房销售数据训练模型,并使用训练好的模型预测房价 ②使用TensorFlow建立多元线…

企业级VUE前端项目各目录文件的作用

概述 本文项目是基于Vue CLI3构建工具(基于 webpack)生成的脚手架项目。Vue CLI 现已处于维护模式,VUE官方推荐使用 create-vue(基于 Vite)构建工具。 vue-cli2.0与3.0在目录结构方面,有明显的不同,vue-cli3.0移除了…

什么是 MVVM?MVVM和 MVC 有什么区别?什么又是 MVP ?

目录标题 一、什么是MVVM?二、MVC是什么?三、MVVM和MVC的区别?四、什么是MVP? 一、什么是MVVM? MVVM是 Model-View-ViewModel的缩写,即模型-视图-视图模型。MVVM 是一种设计思想。 模型(Model…

国内首款多节点/无需密钥/无需登录的ChatGPT客户端开源项目

在这个AI浪潮推动下,涌现了一大批“参差不齐”的GPT产品,有的一直在更新迭代,有的不断升级乃至付费订阅,有的中途停止运营。在这个AI产品也需要优胜劣汰的时代下,谁能够“谁主沉浮,且看今朝!”&…

目标检测之损失函数

损失函数的作用为度量神经网络预测信息与期望信息(标签)的距离,预测信息越接近期望信息,损失函数值越小。 在目标检测领域,常见的损失分为分类损失和回归损失。 L1损失 L1 Loss也称为平均绝对值误差(MAE&…

跨域融合风口下,又一外资巨头Tier 1+本土供应商“组团”来袭

头部企业正在加速“融合”。 汽车智能化升级对产品创新与多元化需求下,来自技术升级、降本、开发周期缩短等等一系列因素影响,中外供应商们都在积极思变和寻求破局。 随着全球智能汽车产业步入域集中和域融合的新阶段,过去的以硬件&#xf…

【AGC】质量服务数据分析问题

【关键字】 AGC、质量、数据分析 【问题描述】 开发者反馈在应用中集成了AGC的相关服务,在查看平台数据时遇到了一些问题。具体如下所述: 我发现平台的App卸载量每个月都非常高,卸载量/新下载量近80%,很异常,所以想…

Elasticsearch --- DSL、RestClient查询文档、搜索结果处理

一、DSL查询文档 elasticsearch的查询依然是基于JSON风格的DSL来实现的。 1.1、DSL查询分类 Elasticsearch提供了基于JSON的DSL(Domain Specific Language)来定义查询。常见的查询类型包括: 查询所有:查询出所有数据&#xff0c…

后台-husky提交代码规范使用

husky是一个git hook工具,可以帮助我们触发git提交的各个阶段:pre-commit、commit-msg、pre-push 1.如何使用husky呢? npx husky-init && npm installWindows安装不成功试试npx husky-init && npm install 2.git commit规范…

图论 (Java) 从入门到入土 /第一部分 图的基础-图的定义/

零.前言 图,是一种比较复杂的数据结构。和树的一个节点只和上层一个节点相连不同,在图中,任意两个节点都可能相连,且可能具有方向性,并且节点的边具有权重,因此,图被用于描述各种复杂的数据对象…

Docker基础知识全解析

​ Docker是一个开源的容器化平台,可以让开发者在容器中构建、打包、运行和发布应用程序,从而实现应用程序的快速部署和可移植性。Docker将应用程序和依赖项打包在一个轻量级的可移植容器中,这个容器可以在任何平台上运行,不会受到…

外卖app开发流程全解析

外卖app开发是现代餐饮业的一个必备部分。在这个数字化时代,人们更愿意使用手机应用程序来订购食品。因此,为了满足客户需求,餐饮企业需要开发自己的外卖app。 第一步:确定目标受众 在开始外卖app的开发之前,需要确定…

华为C++研发工程师编程题 ACM模式输入输出|| 1.汽水瓶,2.明明的随机数,3.进制转换

C ACM输入输出 1.汽水瓶题目描述思路代码如下 2.明明的随机数题目描述思路:代码如下: 3.进制转换题目描述思路:代码如下 题目链接: 华为研发工程师编程题 1.汽水瓶 题目描述 某商店规定:三个空汽水瓶可以换一瓶汽水…

完整数据分析体系概述

一、建设的出发点 满足业务需求,是建设数据分析体系的出发点,也是最终目的和最高要求。要注意的是,“业务需求”并没有统一的标准。不同部门,不同身份的人,需求是不一样的。从大的方面看,可以分作三个层级…

云计算服务安全评估办法

云计算服务安全评估办法 2019-07-22 14:46 来源: 网信办网站【字体:大 中 小】打印 国家互联网信息办公室 国家发展和改革委员会 工业和信息化部 财政部关于发布《云计算服务安全评估办法》的公告 2019年 第2号 为提高党政机关、关键信息基础设施运营者…