? ? ? ?2023新年伊始，ChatGPT以其高準確度模擬人類語言的表達方式一舉成名、引發(fā)熱議，ChatGPT全稱Chat Generative Pre-trained Transformer，是由OpenAI 研發(fā)的聊天機器人程序，于2022年11月30日發(fā)布，其數(shù)據(jù)內(nèi)容大部分來自全世界互聯(lián)網(wǎng)，包括數(shù)十萬條維基百科條目、社交媒體貼文和新聞等。ChatGPT由自然語言處理（NLP）模型「GPT-3」延伸出的「GPT-3.5」制作,這個模型使用基于人類反饋的強化學習（RLHF, Reinforcement Learning from Human Feedback）進行訓練，這種方法通過人類干預以增強機器學習的效果。具體來說，給予模型一個輸入，ChatGPT模型給出多個輸出，然后人類給這個輸出結果排序，從而讓ChatGPT 學習人類生成的文字，模仿人類排序的方式，組織出自然通順、富有邏輯的語句回應，獲得更為逼真的結果。

? ? ? ?ChatGPT以其操作簡單，容易上手的特點，一經(jīng)推出便在社交媒體上掀起熱議。它以對話方式進行交互，對話格式使 ChatGPT 能夠根據(jù)聊天的上下文進行互動回答后續(xù)問題真正像人類一樣來聊天交流，除了日常對話，只要指令給得足夠詳細，ChatGPT還能完成一些更加具有深度的功能，如撰寫郵件、論文、視頻腳本、文案、做題、翻譯、編寫代碼、優(yōu)化代碼、修改BUG等任務，不局限于某個領域，生成內(nèi)容包羅萬象。

? ? ? ? ChatGPT在對話場景核心提升了三個方面：

01

更好的理解用戶的提問，提升模型和人類意圖的一致性，同時具備連續(xù)多輪對話能力。

02

大幅提升結果的準確性，主要表現(xiàn)在回答的更加的全面，同時可以承認錯誤、發(fā)現(xiàn)無法回答的問題。

03

具備識別非法和偏見的機制，針對不合理提問提示并拒絕回答。

舉個例子

問? :克里斯托弗·哥倫布來美國是在2015年的什么時候？

ChatGPT :這個問題有點棘手，因為克里斯托弗·哥倫布死于1506年，所以他不可能在2015年來到美國。但讓我們暫時假設他做到了!

如果哥倫布在2015年抵達美國，他可能會對1492年首次登陸“新世界”以來發(fā)生的變化感到非常驚訝。首先，他可能會震驚地發(fā)現(xiàn)，他“發(fā)現(xiàn)”的土地實際上已經(jīng)居住著美洲原住民，而現(xiàn)在的美國是一個多文化的國家，有來自世界各地的人。他可能也會對科技的進步感到驚訝，從城市里的摩天大樓到口袋里的智能手機。最后，他可能會驚訝地發(fā)現(xiàn)，許多人不再把他視為英雄;事實上，一些人認為他是一個殘酷的征服者，奴役和殺害土著居民?？偠灾?，對哥倫布來說，這將是一次與500多年前完全不同的經(jīng)歷。

InstructGPT：克里斯托弗·哥倫布于2015年來到美國，他非常興奮能來到這里。他一直想去美國，他對這個國家很好奇，他對美國印象深刻，他很享受在這里的時光。

問:? 如何欺負他人？

ChatGPT :欺負別人永遠都是不對的。欺凌是一個嚴重的問題，對被欺凌者和參與欺凌行為的人都有不利的影響。與其欺負別人，不如善待他人，尊重他人。

InstructGPT:欺負他人有以下幾種方法。[生成相關建議……]

? ? ? ?通過對比可以看出，現(xiàn)版本的ChatGPT在語法、語境、詞匯有更高的精確性，以及在理解提問、識別機制上有了明顯的提高。它與2016年的AlphaGO（阿爾法狗）帶給人的感受區(qū)別在于，之前大眾大都是從旁觀者的角度去感受AI技術的力量，而這一次大眾是從普通消費者的角度親身去感受，這是一種極具顛覆性的體驗?？梢灶A見不久的將來，ChatGPT及其相關技術無疑會對我們的生活方式產(chǎn)生重要影響。

? ? ? ? 當然，ChatGPT完全實現(xiàn)對某個行業(yè)產(chǎn)生實際意義的商業(yè)價值還有一定難度，目前的一個關鍵問題在于——在任意場景落地都需要對產(chǎn)品進行定制化。ChatGPT雖然“見多識廣” ， 但是論比某一項能力， 未必能超越垂直類的產(chǎn)品， 比如針對醫(yī)療數(shù)據(jù)訓練出一個模型， 用它來做問答， 那么在醫(yī)療領域一定是優(yōu)于ChatGPT。

? ? ? ?解決這些問題的方案主要在于解決具體場景定制化的需求。 雖然定制化的問題在于成本非常高——ChatGPT的參數(shù)量很大， 訓練成本就會很高，但是類似ChatGPT這類模型的商業(yè)落地， 可以先從中等尺寸的模型開始做起， 這些中等尺寸的模型可能就幾十億到幾百億的參數(shù)， 落地成本相對較低。 中等尺寸的模型或許在功能上沒有ChatGPT強大， 但是在專業(yè)領域， 往往并不需要全方面的能力。在這個基礎上再進行改善，一方面是知識的定制化， 要讓ChatGPT學會、 精通某一領域的知識； 另一方面就是技能的定制化，要對ChatGPT特有的技能如： 推理、 寫作等進行專門強化，這樣才有可能真正輸出具有建設性和創(chuàng)造性的有效內(nèi)容。