火爆出圈的OpenAI模型ChatGPT体验

news2024/10/5 18:34:31

1、ChatGPT简要介绍

ChatGPT是一种高效的语言模型,全称为"聊天式自动回复生成技术"(Chat-based Automatic Reply Generation Technology),用于预测人类语言的后续内容。它是基于OpenAI的GPT-3模型构建的,具有强大的自然语言处理能力。ChatGPT使用transformer模型进行训练,可以从大量的语料中学习语言之间的关系,并使用多层循环神经网络来捕捉语言的结构和语义。它可以应用于自动文本生成、语音识别、机器翻译等领域,为用户提供更好的人机交互体验。

ChatGPT有以下典型的经典应用案例:

  1. 对话系统:chatGPT可以用于构建聊天机器人和其它对话系统。它能够使用上下文理解语境,并生成与上下文相关的内容,这使得它在对话中自然的回应用户的输入,并且能够生成流畅、连贯、通顺的文本。
  2. 情感分析:chatGPT可以用来分析文本中的情感,例如确定一段文本是积极的还是消极的,这对于帮助企业监控社交媒体中的客户情绪,或者为用户提供基于情感的个性化推荐等应用非常有用。
  3. 摘要提取:chatGPT还可以用来提取文本的摘要。它能够通过分析文本的结构语义,来提取文本中最重要、最具代表性的内容。这对于快速浏览长篇文章或者从大量文本中提取关键信息等应用都非常有用。
  4. 文本生成:chatGPT还可以用来生成文本,它可以根据给定的模板和上下文,生成符合要求的文本,这对于自动生成报告、文章、广告语等应用都非常有用。

在这里插入图片描述

2、ChatGPT使用体验

1)登录使用

使用代理可以直接体验:https://gpt.chatapi.art/

备注:OpenAPI官网不在服务范围内,需要使用科学上网工具以及国外手机的验证码注册体验,某宝上已经有很多ChatGPT注册相关的内容。

2)先来个问题:ChatGPT会不会取代Google浏览器。ChatGPT的回答很谦虚,说自己只是一个聊天机器人,只会使用自然语言处理技术来回答问题。

在这里插入图片描述

3)问一个2022年世界杯冠军是谁。从回答中可以看到ChatGPT是基于内部的数据训练的,所有的知识是到2021年的,暂时还不能实时的去获取到知识。

在这里插入图片描述

4)问一个疫情有关的话题,回答的也比较官方。

在这里插入图片描述

5)写一首以“雪”为主题的宋词,这个结果就有些差强人意了,大白话没有一点宋词的韵律和美感。

在这里插入图片描述

6)擅长的主题,能够写数学表达式。写出傅里叶变换

在这里插入图片描述

7)甚至可以编写简单的程序,写一个冒泡排序算法。

在这里插入图片描述

3、ChatGPT原理介绍

ChatGPT在原理上是基于GPT 3.5大规模语言模型(LLM)引入“人工标注数据+强化学习”(RLHF)来不断Fine-tune预训练语言模型,主要目的是让LLM模型学会理解人类的命令指令的含义。具体而言分为以下三个阶段:

在这里插入图片描述

  1. 第一阶段:冷启动阶段的监督策略模型。从GPT-3的输入语句数据集中采样部分输入,基于这些输入,采用人工标注完成希望得到输出结果与行为,然后利用这些标注数据进行GPT-3有监督的训练。该模型即作为指令式GPT的冷启动模型。
  2. 第二阶段:训练回报模型。首先由冷启动后的监督策略模型为每个prompt产生K个结果,人工根据结果质量由高到低排序,以此作为训练数据,通过pair-wise learning to rank模式来训练回报模型。对于学好的RM模型来说,输入<prompt,answer>,输出结果的质量得分,得分越高说明产生的回答质量越高。
  3. 第三阶段:采用强化学习来增强预训练模型的能力。采样新的输入语句,policy策略网络生成输出结果,然后通过reward反馈模型计算反馈,该反馈回过头来作用于policy策略网络。以此反复,这里就是标准的reinforcement learning强化学习的训练框架了。

4、ChatGPT几点感受

体验了ChatGPT,只能感叹人工智能的发展已经非常强大,ChatGPT的优势在于对文本语言的处理能力,无论是主题文字的输出、一些问题的回答,都非常的有代表性。人机交互的过程中,又不同于Siri这样的对话机器人,它会根据提问者的语境进行动态的调整,相当于是一个大型的百科全书了,而且非常的考验提问者,需要学会提问题。体验过程中有以下几点感受:

1)ChatGPT能否取代Google或百度这样的搜索引擎

至少目前的技术是做不到的,ChatGPT是基于已有的知识数据进行的训练,这个训练的过程目前还做不到实时性。对旧有的知识系统进行线下的训练满足算法的最优结果,但是对于新的知识内容很难做到,所以有时候chatGPT给出的答案不一定是最佳答案。

2)非常善于主题类的创作,比如写个入党申请书,标准化模板。当然这个字数是没有500字的。

在这里插入图片描述

3)目前只适用于文本类的回答,图片类型的无法满足。比如画一个正方体或者找到相关的图片

在这里插入图片描述

4)对于古诗词这一类明显带有格律规则的创作不是非常友好,甚至无法理解七言律诗是什么。

在这里插入图片描述

5)对于主题理解性的话题,尚缺少一些人类的个性理解,比如这篇广东省2022年的高考作文“本手、妙手、俗手”。

在这里插入图片描述

全篇作文内容如下:

标题:扎实的基础是必不可少的
学习一项技能,我们必须从基础开始。围棋,这项神秘又古老的游戏,对于初学者来说,先要掌握“本手”。
“本手”是指合乎棋理的正规下法。它是一种经过深思熟虑,按照规则进行操作的方法。在学习围棋时,我们要深入理解“本手”,仔细研究它的精髓,并在实践中持之以恒地练习。只有在“本手”的基础上,我们才能进一步提高棋力。
然而,有些初学者却不愿意专注于“本手”。他们更喜欢挑战“妙手”,这种出人意料的精妙下法。“妙手”可能会带来惊喜和快乐,但是,它往往是“本手”的延伸。如果我们不扎实地掌握“本手”,就很难想象会出现什么“妙手”。
另外,如果不坚持“本手”,我们就很可能会走上一条不归路——“俗手”。“俗手”是指貌似合理,而从全局看通常会受损的下法。它看起来似乎有用,但实际上并不可取。如果我们不明确“本手”的价值,就容易掉入“俗手”的陷阱。这样,我们的棋力不仅不会提高,反而会下降。
因此,在学习围棋时,我们应该重视“本手”的功夫。“本手”是基础,它不仅能帮助我们在比赛中取得好成绩,而且还能为我们创造出“妙手”。只有扎实的基础,我们才能绽放出自己独特的光芒。
学习“本手”的过程中,我们需要专注、认真、耐心。这需要我们投入大量的时间和精力。同时,我们也需要严格按照“本手”的要求去操作,不断地练习、反复练习。通过不断练习,我们才能掌握“本手”,并将它融入我们的比赛。
“本手”也能为我们提供指导,让我们更好地理解围棋的规则和奥妙。它能帮助我们建立良好的棋风,让我们的棋艺更加优秀。
在实践中,我们可以通过多接触不同的“本手”,从中学习经验和技巧。例如,我们可以和更高水平的选手比赛,从他们身上学习“本手”的精髓。我们也可以阅读围棋教程,从中获取“本手”的相关知识。通过不断学习和实践,我们的“本手”水平一定会有所提高。
总之,“本手”是围棋学习中不可或缺的。我们要珍惜它,并努力掌握它。只有这样,我们才能真正成为一名优秀的围棋选手。

让它给作文评个分,回答的很有意思。

在这里插入图片描述

以上是ChatGPT的一些体验和感受,作为NLP自然语言处理领域的AI模型,ChatGPT已经非常强大。但个人感觉人工智能目前阶段还只能作为一种生产力输出,类似AI绘画等,没有人类的思想灵魂注入到作品中,只能称之为工艺品而非艺术品,这或许也是人和机器的本质区别。


参考资料:

  1. https://gpt.chatapi.art/
  2. ChatGPT会取代搜索引擎吗?https://zhuanlan.zhihu.com/p/589533490
  3. InstructGPT:https://arxiv.org/abs/2203.02155

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:http://www.coloradmin.cn/o/81711.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

XCIE-HUAWEI-超级完整的BGP-1

XCIE-HUAWEI-超级完整的BGP-1 声明&#xff0c;内容对比前面的可能差一点&#xff0c;因为这个BGP我是会的&#xff0c;但是华为的特性啥的不太会 所以相对来说可能没那么详细&#xff0c;不过应该也够的了&#xff0c;要看思科的翻我的文章去有思科的 先说一个东西 面试会问…

S7-200SMART实现MODBUS TCP通信(客户端+服务器)的具体方法和步骤示例

S7-200SMART实现MODBUS TCP通信(客户端+服务器)的具体方法和步骤示例 STEP7-Micro/WIN SMART 从V2.4 版本开始,软件中直接集成 Modbus TCP 库指令,安装软件后,Modbus TCP 指令位于 STEP7-Micro/WIN SMART 项目树中“指令”文件夹的“库”文件夹中。 如下图Modbus TCP库指令…

R语言曲线回归:多项式回归、多项式样条回归、非线性回归数据分析

最近我们被客户要求撰写关于曲线回归的研究报告&#xff0c;包括一些图形和统计输出。本文将使用三种方法使模型适合曲线数据&#xff1a;1&#xff09;多项式回归&#xff1b;2&#xff09;用多项式样条进行B样条回归&#xff1b;3&#xff09; 进行非线性回归。在此示例中&am…

微信小程序 | 一比一复刻世界杯点球大战

&#x1f4cc;个人主页&#xff1a;个人主页 ​&#x1f9c0; 推荐专栏&#xff1a;小程序开发成神之路 --【这是一个为想要入门和进阶小程序开发专门开启的精品专栏&#xff01;从个人到商业的全套开发教程&#xff0c;实打实的干货分享&#xff0c;确定不来看看&#xff1f; …

Codeforces Round #837 (Div. 2) Hossam and Friends

原题链接&#xff1a;https://codeforces.com/contest/1771/problem/B 题意 &#xff1a;你总共有n个朋友编号1~n&#xff0c;其中m对互不认识&#xff0c;求1~n区间中没有互不认识的子段的总个数。 思路&#xff1a;总字段个数为每个编号前面的编号个数&#xff08;包括自己…

RK3568平台开发系列讲解(安卓适配篇)Android11 预安装应用功能

&#x1f680;返回专栏总目录 沉淀、分享、成长&#xff0c;让自己和他人都能有所收获&#xff01;&#x1f604; &#x1f4e2;Android11 上的应用预安装功能&#xff0c;主要是指配置产品时&#xff0c;需要将提前准备好的第三方应用 apk 放进 android 系统。在实际的研发过程…

【NumPy 数组连接、拆分、搜索、排序】

&#x1f935;‍♂️ 个人主页老虎也淘气 个人主页 ✍&#x1f3fb;作者简介&#xff1a;Python学习者 &#x1f40b; 希望大家多多支持我们一起进步&#xff01;&#x1f604; 如果文章对你有帮助的话&#xff0c; 欢迎评论 &#x1f4ac;点赞&#x1f44d;&#x1f3fb; 收藏…

[附源码]Python计算机毕业设计宠物领养系统Django(程序+LW)

该项目含有源码、文档、程序、数据库、配套开发软件、软件安装教程 项目运行 环境配置&#xff1a; Pychram社区版 python3.7.7 Mysql5.7 HBuilderXlist pipNavicat11Djangonodejs。 项目技术&#xff1a; django python Vue 等等组成&#xff0c;B/S模式 pychram管理等等…

数学基础从高一开始5、充分必要条件

数学基础从高一开始5、充分必要条件 目录 数学基础从高一开始5、充分必要条件 概念复习 命题 真命题与假命题 命题的形式 概念定义 例1&#xff1a; 例2 练习 总结 概念复习 命题 命题:把用语言、符号或式子表达的&#xff0c;可以判断真假的陈述句称为命题。 真命题…

杨校老师课堂之MySQL数据库面试题【开发工程师面试前必看】

1.说一说三大范式 「第一范式」&#xff1a;数据库中的字段具有「原子性」&#xff0c;不可再分&#xff0c;并且是单一职责 「第二范式」&#xff1a;「建立在第一范式的基础上」&#xff0c;第二范式要求数据库表中的每个实例或行必须「可以被惟一地区分」。为实现区分通常需…

Rasa 基于规则的对话管理: 天气预报机器人

文章目录1. fallbackNLU fallback2. 意图触发动作3. 表单定义表单激活表单执行表单任务4. 天气预报机器人nlu.ymlstories.ymlrules.ymlcities.ymldomain.ymlconfig.ymlendpoints.ymlcredentials.ymlactions.py测试learn from https://github.com/Chinese-NLP-book/rasa_chinese…

Keras深度学习实战(40)——音频生成

Keras深度学习实战&#xff08;40&#xff09;——音频生成0. 前言1. 模型与数据集分析1.1 数据集分析1.2 模型分析2. 音频生成模型2.1 数据集加载与预处理2.2 模型构建与训练小结系列链接0. 前言 我们已经在《文本生成模型》一节中学习了如何利用深度神经网络生成文本&#x…

智能、人机融合智能和深度态势感知

内容摘要&#xff1a;人工智能的符号主义、联结主义和行为主义三大学派&#xff0c;分别从不同角度切入智能的本质&#xff0c;其研究观点相互补充但各有局限。在人机融合过程中&#xff0c;怎样进行人机功能分配&#xff0c;人机怎样融合学习、理解、决策、推理乃至感知。数据…

获取微信公众号token

access_token是公众号的全局唯一接口调用凭据&#xff0c;公众号调用各接口时都需使用access_token 接口调用请求说明 https请求方式: GET https://api.weixin.qq.com/cgi-bin/token?grant_typeclient_credential&appidAPPID&secretAPPSECRET参数说明 参数是否必填说…

牛!单表千万行数据库: LIKE 搜索优化手记

我们可以在 txt 列上建立索引&#xff0c;用于优化该查询&#xff1a; CREATE INDEX tbl_like_txt_idx ON [tbl_like] ( [txt] ) 应用索引后&#xff0c;查询速度大大加快&#xff0c;仅需 5 毫秒&#xff1a; 由此可知&#xff1a;对于左前缀匹配&#xff0c;我们可以通过增…

市政工控典型安全解决方案

汽车制造业 MES系统 DNC系统 生产 安全域1 管理层 工控安全隔离装置 交换机 安全配置核查系统 HMI 历史数据库 运行监控系统 实时数据库 打印机过程 安全域2 监控层 工控漏洞扫描系统 安全交换机 工控安全审计系统 工控入侵检测系统工程师站 A 操作员站 A 实时数据库A 操作员站…

Linux中的文件传输命令(scp、rsync)、Linux之间通过sshkey公钥免密登录

scp测试环境&#xff1a;centos7.7 最小化安装&#xff0c;默认是有scp命令 -r 递归复制整个目录 -p 保留源文件的修改时间、访问时间和权限 -v 详细方式显示输出 -P&#xff08;大写&#xff09;指定port&#xff08;端口&#xff09;输出scp命令使用格式 scp /filename 目…

Linux 程序开发 之 库打桩机制

目录前言一、库打桩定义二、编译时打桩三、链接时打桩四、运行时打桩五、处理目标文件的工具前言 Linux 链接器支持一个很强大的技术&#xff0c;称为库打桩(library interpositioning)&#xff0c;它允许你截获对共享库函数的调用&#xff0c;取而代之执行自己的代码。使用打桩…

m基于ACO蚁群优化的货车运输路线规划matlab仿真,考虑车辆载重,单位运输成本等因素

目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 蚁群算法是通过对自然界中真实蚂蚁的集体行为的观察,模拟而得到一种仿生优化算法,它具有很好的并行性,分布性.根据蚂蚁群体不同的集体行为特征,蚁群算法可分为受蚂蚁觅食行为启发的模型和受孵化分…