Inilah yang berlaku di sebalik ChatGPT, sungguh luar biasa!

Saya ChatGPT, ia sangat popular baru-baru ini.

Ramai orang berpendapat bahawa saya sangat berkuasa, tetapi ini tidak berlaku, sebagai contoh, jika anda bertanya kepada saya:

Bagaimanakah cuaca di Beijing hari ini?

Maaf, saya tidak tahu, saya tidak boleh mendapatkan maklumat masa nyata kerana pengetahuan saya tentang model GPT4 tersekat pada September 2021. Jika anda ingin mendapatkan maklumat masa nyata, anda perlu menggunakan kaedah lain (seperti pemalam).

Cuma, kebanyakan jawapan saya berasa seperti AI umum, saya nampaknya benar-benar memahami soalan anda dan menjawabnya dengan cara yang disasarkan.

Ini berbeza sama sekali daripada AI sebelumnya, yang mengejutkan ramai orang.

Tetapi saya malu, saya tidak faham maksud jawapan saya di mana saya berada, semuanya adalah kebarangkalian.

Saya menjana jawapan berdasarkan kebarangkalian dan saya telah bermain Word Solitaire dengan anda.

Ini kedengaran luar biasa, tetapi ia adalah benar.

Saya tidak faham konsepnya, tetapi saya mesti mencari perkaitan antara perkataan ini supaya jawapannya boleh dihasilkan Perhubungan ini diwakili oleh "vektor".

Sebagai contoh, saya mempunyai perbendaharaan kata yang sangat kecil, termasuk empat perkataan berikut: "meow", "woof", "cat", "dog". >Meow: [0.9, 0.1]

Woof: [0.1, 0.9]

Kucing: [0.8, 0.2]

Anjing: [0.2, 0.8]

Lukis ke dalam koordinat dua dimensi:

Anda boleh melihat sekilas pandang bahawa "meow" dan "kucing" mempunyai perwakilan vektor yang serupa kerana jarak antara keduanya secara relatif dekat.

Vektor "kulit kayu" dan "anjing" juga serupa, dan jarak antara keduanya adalah agak dekat.

Ini bermakna saya berjaya menangkap hubungan semantik antara empat perkataan ini, yang boleh digunakan pada masa hadapan.

Saya tidak faham apa itu “kucing” dan maksud “anjing”, tetapi saya tahu bahawa “kucing” berkait rapat dengan “meow” dan “anjing” berkait rapat dengan “kulit kayu”. cukuplah.

Vektor di sini adalah dua dimensi dan boleh dilihat secara intuitif dalam satah Dalam aplikasi sebenar, untuk menangkap maklumat semantik yang kaya, vektor mungkin mempunyai ratusan atau ribuan dimensi. Saya takut otak anda tidak dapat membayangkannya.

Kemudian anda mesti bertanya, bagaimanakah vektor ini dijana?

Anda perlu menyerahkan set data kepada saya untuk latihan!

Apabila anda bertanya "Apakah yang kucing suka makan, saya akan menukar perkataan dalam soalan kepada vektor?"

"kucing": [0.9, 0.3]

"suka": [0.5, 0.2]

"makan": [0.4, 0.7]

"What": [0.3, 0.8]

"?": [0.1, 0.1]

Kemudian saya masukkan vektor ini ke dalam rangkaian saraf, dan selepas berbilang lapisan pengiraan dan fungsi pengaktifan , saya menjana vektor output.

Kemudian, tukarkan vektor output kepada taburan kebarangkalian:

"ikan": 0.6

"tulang": 0.2

"makanan anjing": 0.1

"Coklat": 0.05

"Buah": 0.05

Dalam taburan kebarangkalian ini, "ikan" mempunyai kebarangkalian tertinggi, jadi saya akan memilih "ikan" sebagai bahagian jawapan daripada. Jawapan yang dihasilkan mungkin:

"Kucing suka makan ikan."

Semudah itu!

Sudah tentu, ini adalah jawapan yang mudah Jawapan umum adalah sangat panjang, dan anda perlu sentiasa memilih perkataan seterusnya melalui kebarangkalian, sama seperti perkataan solitaire.

Contohnya: "Mengapa kucing suka aktif pada waktu malam?"

Anda mesti tertanya-tanya: Bagaimanakah ini boleh menjana jawapan yang "logik" yang baik?

Sebagai contoh, artikel yang ditulis oleh Liu, bekas pengekod:

Perkara yang paling mengejutkan tentang GPT-4

GPT- 4 adalah pakar pengaturcaraan, saya benar-benar yakin!

ChatGPT mula mengancam keupayaan teras pengaturcara!

Ia mula mengancam keupayaan teras pengaturcara, bukankah ia hebat?

Saya hanya boleh berkata: "Kekuatan boleh menghasilkan keajaiban". Apabila model itu cukup besar, sesuatu akan muncul.

Pejamkan mata anda dan bayangkan bahawa keseluruhan teks Internet diletakkan di hadapan saya, saya mengekstrak semua perkataan dan mengubahnya menjadi vektor. Saya menjalankan operasi gila dalam rangkaian saraf untuk menangkap perkataan, frasa dan ayat. hubungan kejadian bersama dalam konteks yang berbeza. Hubungan kejadian bersama ini merangkumi perkaitan antara konsep, struktur tatabahasa, dan ungkapan biasa.

Taburan kebarangkalian ini boleh membimbing saya untuk menjana jawapan yang lebih dekat dengan ungkapan bahasa semula jadi manusia anda.

Hanya kerana ilmu yang saya pelajari bersifat statistik, kadangkala saya mungkin melakukan kesilapan dan "serius mengarut".

Sebenarnya, dalam permainan kebarangkalian, terdapat dua arah, satu dipanggil BERT dan satu lagi dipanggil GPT.

BERT seperti mengisi tempat kosong, meneka perkataan di tengah.

GPT seperti menulis karangan, meneka perkataan seterusnya.

Google melancarkan BERT pada 2018, yang menyebabkan sensasi yang besar dalam bidang NLP. BERT telah mencapai prestasi yang sangat baik dalam tugasan seperti menjawab soalan, klasifikasi teks, analisis sentimen dan terjemahan mesin.

Tetapi tuan saya sangat percaya pada potensi GPT, melabur sejumlah besar sumber pengkomputeran dan sumber storan, dan mempunyai keyakinan yang teguh apabila masa depan tidak jelas Akhirnya, dia membuat kejayaan besar dalam GPT3.0, dan I ChatGPT, aplikasi yang tersedia untuk semua orang, telah meletup sepenuhnya.

Apa yang boleh saya katakan ialah keadaan berubah.

Apabila sesuatu perkara baharu berada dalam tahap yang meletup, semua orang akan berfikir bahawa ia boleh melakukan apa sahaja dan mempunyai banyak fantasi yang tidak realistik tentang perkara itu, seperti rasa ingin tahu, teruja, kekeliruan dan kebimbangan.

Selepas beberapa ketika, apabila air surut, anda akan mendapati ia tidak begitu hebat, dan keupayaannya terhad di banyak tempat.

Kemudian, seseorang akan menerapkannya dalam senario yang sesuai, membangunkan produk yang benar-benar berguna dan mengeluarkan nilai sebenarnya.

ChatGPT juga akan mengikuti laluan ini, jadi mula meneroka lebih awal dan rebut peluang.

Pengekod baru-baru ini telah menubuhkan planet pengetahuan "ChatGPT Base" untuk melakukan perkara sedemikian:

Ini adalah planet yang sangat menegak, khusus untuk melayani pengaturcara, dengan tujuan yang sangat mudah:

1. Bantu pengaturcara menguasai alat hebat ChatGPT secepat mungkin, cari cara terbaik untuk menggunakannya dan cara terbaik untuk meningkatkan kecekapan kerja.

ChatGPT telah memberi impak asas kepada pengaturcara:

Dari perspektif yang kecil, jika anda tidak tahu menggunakan ChatGPT, anda pasti tidak akan dapat bersaing dengan pengaturcara yang mahir. dalam menggunakan ChatGPT. Orang lain menggunakan bahasa semula jadi untuk menjana kod, tetapi anda masih menaip baris demi baris, dan kecekapannya sepuluh kali atau seratus kali lebih teruk. Ini secara langsung akan menjejaskan prestasi kerja, peluang pekerjaan, gaji dan bonus seseorang.

Pengaturcara junior yang menggunakan ChatGPT dengan baik mungkin boleh bersaing dengan pengaturcara pertengahan atau pun senior.

Dalam pengambilan akan datang, kemungkinan besar akan menambah item tambahan: mereka yang mahir menggunakan ChatGPT akan diberi keutamaan.

Dalam pengertian yang luas, ia mungkin membawa kepada "melompat dari satu pokok ke pokok yang lain" dan "berlari dari satu hutan gelap ke hutan gelap yang lain".

2. Terokai peluang yang dibawa oleh ChatGPT kepada pengaturcara Jika kemunculan iPhone membawa pembangunan aplikasi, jadikan perniagaan sampingan anda sebagai perniagaan utama anda.

ChatGPT pasti akan menstruktur semula banyak industri, seperti pelbagai latihan Jika ChatGPT dibungkus sebagai "tutor Socratic", adalah mungkin untuk mencapai tutor berkualiti tinggi untuk menemani anda 24 jam sehari, sepenuhnya meliputi semua jenis sekolah rendah. dan sekolah menengah, serta latihan IT dewasa, pasti terdapat banyak peluang di sini.

Sudah tentu, ini adalah dua tujuan utama Dengan menyertai planet ini, anda juga boleh melihat maklumat terkini ChatGPT, sumber dan projek berkualiti tinggi, permainan aneh ChatGPT, dsb.

Atas ialah kandungan terperinci Inilah yang berlaku di sebalik ChatGPT, sungguh luar biasa!. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!