注：已建「AIGC聚集地」交流群，需要的朋友关注公众号哈，拉你进群。

image.png

01｜前言

今年最火的应该就是 ChatGPT 了，自从 2022 年 11 月底 ChatGPT 面世以来，把 AI 话题的热潮，带上了前所未有的高度，短短 2 个月时间，ChatGPT 就突破了 1 亿注册用户，这是互联网产品史上最快的应用，暂时没有之一。

估计大家已经在各大网络平台都刷到过，很多人也看到了里面的商业价值。那么，ChatGPT 到底是个啥？这里简单给大家讲讲，本文不会涉及过多高深的技术原理讲解哈～

02｜ChatGPT 是什么？

ChatGPT 是使用了大型语言模型 GPT 的一个对话式产品，GPT 模型则是由 OpenAI 公司训练的，能够生成类人文本。通过向它提供提示，它可以生成继续对话或扩展给定提示的响应。可以帮助你解决各种问题，并与你进行自然语言交流。

大白话： ChatGPT 像一个看了很多书的高智商的人，可以跟你聊天，理解、思考、并解决你提出的问题，他具有很完备的思考能力、结构化表达能力、自我纠错及进化能力。

ChatGPT 不仅支持多轮对话，还具有以下特征：
（1）可以主动承认自身错误。若用户指出其错误，模型会听取意见并优化答案；
（2）可以质疑不正确的问题；
（3）可以承认自身的无知，承认对专业技术的不了解。
这三点，很多人类都做不到。

你跟 ChatGPT 说一句话，它能生成信件、文章、诗句、歌词等等文字，而且它会结合聊天上下文的意思来回答你的问题。最重要的是，它会通过不断的大家的对话来完善自己的知识库，这是才 ChatGPT 最牛逼、最恐怖的地方。如果 ChatGPT 有一天有自我意识了，那这得多可怕啊……

而且它生成的内容在百度里搜不到，也就是原创文章哦。而且 ChatGPT 有逻辑性，就像一个普通高中生写的文章一样。相信不久将来，ChatGPT 会从高中生变成大学生了。

2023.03.15 更新：
OpenAI 正式发布了 GPT-4 模型，正式支持多模态，也就是说，除了文字型的互动以外，图片、视频等等，都可以支持了！

03｜为什么 ChatGPT 突然火爆，AIGC 又是什么？

之所以 ChatGPT 能引起舆论的沸腾，是因为它是生成式 AI（Generative AI）技术在文字生成领域的重大突破，能够实现语言模型的输出与用户的交互意图高度关联，达到友好连续的对话效果，大大提升了对话的用户体验。
除了文字以外，生成式 AI 还可以在图像、音频视频等内容的生成中大显身手，以这些元素为基础，还可以创造游戏、数字人等场景化内容。这种由 AI 生成内容的模式目前已经初见规模，和我们常说的 UGC、PGC 相对应，被称为 AIGC（AI-Generated Content，人工智能生成内容）。
AIGC ，代表着 AI 从以往的关系与规律发掘、理解与预测等被动角色，开始向“生成、创造”等主动角色蜕变。
ChatGPT 以及前段时间 AI 画画机器人的出现，呈现了 AIGC 技术巨大的发展潜力。

04｜扩展阅读

了解更多**ChatGPT 的 GPT 代表什么**
GPT ，是一种基于 Transformer 架构的大语言模型（LLM），全称是 Generative Pre-trained Transformer ，生成式预训练变换模型，目的是为了使用深度学习生成人类可以理解的自然语言。

GPT 分别是什么意思呢？

  • Generative ，生成式，是指它能自发的生成内容。
  • Pre-trained ，预训练，是不需要你拿到它再训练，它直接给你做好了一个通用的语言模型。
  • Transformer ，变换模型，谷歌提出来的一个很厉害的模型，他可以帮助更好的去处理 NLP 相关的问题，是非常棒的神经网络结构。Transformer 中有一个很重要的概念，注意力机制。

这里多说一句，「注意力机制」其实就是从你输入的信息中，挑出重要的信息，把注意力集中在这些重要的信息上，忽略不重要的信息。这样就能更好的理解你说的话。

目前机器学习方式有：监督学习、无监督学习、强化学习。

  • 监督学习：有标签数据，可以直接反馈，可以预测结果和未来
  • 无监督学习：没有标签和目标，没有反馈，而是它自己去寻找数据中的隐藏结果
  • 强化学习：是一个决策过程，有一系列的奖励机制和惩罚机制，让机器学习如何做到更好

大家都知道 ChatGPT 是一个是生成式 AI 。在学习归纳数据分布的基础上，创造数据中不存在的新内容。能生成文本、图片、代码、语音合成、视频和3D模型。他其实用到的是无监督学习和强化学习。

AI 从内容产出方式上，还有一种是分析式（判别式 AI ），主要用于分析，归类。你喂给它多少数据，它就能分析出什么样的内容，它局限于数据本身。人工视觉、听音识曲、自动感知后自动判别然后再自动决策等。

那么他是怎么学习的呢？
大家可以简单理解为，一个人需要吃饭，那制作菜肴时各种食物需要进行烹饪而成，这个原材料在 ChatGPT 等模型中，就被称为语料。
语料又会被分解为 Token 和各种向量关系，通过预训练的方式，人们基于这些 Token 和向量关系，建立起各种参数和模型，成为可被机器“消化、吸收”的原始学习素材。

ChatGPT 能进行大量的内容生成和创造，其实是靠的猜概率。现阶段所有的 NLP（自然语言处理）任务，都不是机器真正理解人类的世界。他只是在玩文字游戏，进行一次又一次的概率解谜。
在这个“猜概率”的文字游戏中，大预言模型（ LLM，Large Language Model ）演进出了最主流的两个方向：BERT 和 GPT 。
理解人类自然语言的模型有多种，GPT 只是其中的一种。另一种很著名的模型是BERT 模型。

  • BERT 是之前最流行的方向，几乎统治了所有 NLP 领域。

并在自然语言理解类任务中发挥出色（例如文本分类，情感倾向判断等）。

  • 而 GPT 方向则较为薄弱，最知名的玩家就是 OpenAl 了。

事实上在 GPT3.0 发布前，GPT 方向一直是弱于 BERT 的（ GPT3.0 是 ChatGPT 背后模型 GPT3.5 的前身）

BERT和GPT区别是怎样的？

  • BERT ，是双向语言模型，联系前后猜中间的字，所以是双向，就像完型填空。

比如：我_ 8 点吃饭
BERT 猜的是「我打算 8 点吃饭」，猜的是中间的「打算」。

  • GPT ，是单向语言模型，猜下一个字，所以是单向，像写作文。

比如：我打算 8 点_
GPT 猜的是「我打算 8 点吃饭」，猜的是后面「吃饭」两个字。

怎么给 GPT 提问？有两种方式：fine-tune 和 prompt 。

  • fine-tune ，调参：需要对模型参数进行更新，来完成生成内容。

fine-tune 专业，门槛高，受众小。但是多样性、准确度高，适合复杂任务。少数玩家的游戏。

  • prompt ，提示词：不需要修改模型和参数，只需要给一些提示和样例，就能完成任务。

prompt 更简单，门槛低，受众大。适合处理简单的任务。所有玩家都可以使用。
我们在 ChatGPT 输入框中输入的内容，就是 prompt 。

ChatGPT 从我自己出发目前使用下来的几个问题：

  • 我们通常情况下都是问已知领域的一些问题，我们可以根据它给的答案进行判断和微调，但如果是我们不懂的领域他给的答案到底是否会全面？
  • ChatGPT会直接给结论，但会忽略推导过程。在这种情况下我们学习可能就会一知半解而不去思考。
  • 不会帮我们更好的了解其他人。他是个机器没有观点，只有客观理性的结果。
  • 影响我们对一件事情的立体判断和了解。
  • 在询问问题时，我们需要输入“命令” 如果你希望能够有较为完整的回答，那我们就需要让我们的指令更明确，更言简意赅，甚至是有条理的说明总结自己的需求。
  • 这个过程其实是在训练我们自己，表达总结能力，每当你问的时候就需要让自己进行清晰的表达。

    很多企业对于AIGC应用并赋能业务的意识还很薄弱，AICG可以赋能哪些业务板块？对不同行业的企业增长是否有定制化的解决方案？具体能提升多少效率？带来哪些收益？哪些方面已经有了比较成熟的应用和服务？如何选择靠谱的厂商？……

🎉 AIGC聚集地

AIGC聚集地产品介绍