爆火的ChatGPT還不會用？這次手把手教你！-頭條-PHP中文網

這篇文章為大家帶來了關於最近大火的ChatGPT的相關知識，其中主要介紹了大佬是如何一步步教你使用ChatGPT，感興趣的朋友下面一起來看一下吧，希望對大家有幫助。

爆火的ChatGPT還不會用？這次手把手教你！

正文如下：

最近OpenAI又整了個新活兒，ChatGPT，效果驚豔的對話模型，已經快被腦洞大開的網友玩壞了！閒聊、問答、寫程式碼，你能想到的它都會！甚至有國外的網友表示，Google is done！

這裡我為大家準備了一份ChatGPT的實踐指南，手把手教你Chat with ChatGPT!

先說結論，個人感覺生成模型 RLHF或許能為我們帶來文字生成實用化的曙光，讓我們拭目以待！

本文脈絡：首先簡單介紹一下原理，然後手把手教大家如何註冊OpenAI帳號並開始與ChatGPT交流，隨後會提供筆者在十個領域上與ChatGPT交流的範例，最後進行總結與展望。一起迎接AIGC的時代吧！

註：文章較長，建議選擇性閱讀，只想看ChatGPT效果的請直接跳到第3章，只想看註冊教程的請直接跳轉第2章，只想直接體驗ChatGPT效果的請跳到第2章之萬能的淘寶。

1.生成模型RLHF

前兩天還在有關擴散模型的帖子下面討論著能不能將擴散模型的思想用到NLG領域（可能得做些改造或者與其他技術結合）來提升其實用性水準？

https://www.zhihu.com/question/568791838/answer/2781856167

#沒想到2號OpenAI又給大家整了個新活兒，ChatGPT，一個對話生成模型，效果看起來比較令人驚艷，已經被大家玩兒壞了。 生成模型 Reinforcement Learning From Human Feedback (RLHF)，這路子感覺就很合理，人類對話基本上就是這個路子啊（基於對方的回饋來對話）。我一直覺得，文字生成不僅需要新的強大的生成模型，還需要人類的回饋參與其中（尤其是對話這種互動式場景）。因為個人感覺文本生成與圖像生成的最大的差異在於文本為人類專屬，不具有自然界的對照，在生成效果上更難以評價，沒有人類反饋的參與，無論是GAN、VAE，還是現在的擴散模型，或是各種擴散模型的結合，再強大的生成模式在文字領域都會水土不服，只能是無根浮萍。

於是昨晚和朋友感嘆到今年或許真是AIGC元年，AIGC開始從實驗室水平走向實用水平，標誌性的事件就是擴散模型將AI繪畫帶到了一個新的實用化的高度。而文本領域也開始有了像ChatGPT這樣的曙光，我更加期待即將到來的GPT4了，也更加期待文本生成的實用化！

文字生成，道阻且長，大佬們趕緊捲起啊QAQ！

20230203更新：剛寫這篇文章時，我可能對RLHF的作用有所高估，目前根據網上的一些討論來看ChatGPT驚豔的效果應該主要還是來自於背後強大的GPT3.5系列強大的語言模型（基礎的生成能力），其次是SFT（），再然後才是RLHF，而RLHF可能起到的作用更多的是學習人類的偏好，約束模型的行為。

2.手把手教你使用ChatGPT

我已經迫不及待的想要先來看看ChatGPT到底表現如何了，但是openAI的服務不支援中國，GAN （一個模型）！

官網：

https://chat.openai.com/auth/login

第三步，繞過OpenAI服務不支援的問題。

OpenAI服務不支援的問題，也就是OpenAI's services are not available in your country可能是目前大家使用ChatGPT的最大障礙之一。下面教大家三個方法來繞開這個問題：

提問模板：

這裡為大家準備了一份超棒的提問模板，幫助你輕鬆拿捏ChatGPT。

#以下具體帶大家體驗ChatGPT強大的對話和生成能力。

註冊成功之後，我們回到chatgpt的測試頁面：

https://chat.openai.com/chat

在正式試用之前，先來看看ChatGPT的特性：

#Free Research Preview: ChatGPT is optimized for dialogue. Our goal is to make AI systems more natural to interact with, and your feedback will help us improve our systems and make them safer.

所以，多多試用，為chatgpt提供回饋吧，這樣基於人類回饋的強化學習才能幫助GPT系列越來越強！

哲學：

咱先來點兒哲學問題：

可以看到效果相當不錯啊，對於它不擅長的東西，還會巧妙的避開：

#世界盃：

再來點兒世界盃問題：######可惜ChatGPT是基於21年之前的資料訓練的，無法回答，但就是這種拒絕回答已經是非常大的進步了。 ###

#愛：

############ 政治軍事：## ####

經濟：

#教育：

！我有一個大膽的想法，面試不會了說不定可以問它！

###程式設計:### #########驚訝我了！ ######以經典的平方根為例：######太6了，還可以直接copy code！ ###

我讓它從頭實現，它不僅寫出來了，甚至還有註解和解釋！！！太強了！

必須得誇一誇：

#娛樂：

我承認，我就是來找茬兒的QAQ。

娛樂圈的水太深，ChatGPT你把握不住！

#好了，前面筆者對ChatGPT進行了大概十個面向的高強度測試，高強度是指我自己哈，它是不會累的，我把自己聊累了~

4.總結及展望

總結：

其實逛網的總結就蠻全面的，ChatGPT的能力與限制：

##優點：

流暢性非常不錯：對話、續寫、敲代碼~
多輪對話的能力有較大的提升
學會了拒絕
允許使用者提供後續修正

缺點：

受限的知識：使用的是2021年之前的資料訓練，無法對之後的情況進行很好的處理；部分領域表現一般，尤其是小眾領域
生成結果偶爾會戛然而止
沒有聚合搜尋引擎：這個不算缺點其實，但我覺得可以結合

展望：

從擴散模型將AI繪畫帶入實用化水平開始，到各種擴散模型遍地開花，再到今年最後一個月突然冒頭的ChatGPT為我們帶來了文字實用化的曙光，這不得不讓人感嘆科技發展之快，或許今年真的是AIGC的元年！讓我們拭目以待！

關於文本生成未來的方向：

個人感覺，主要是：更強的生成模型更好的人類反饋機制更多更好的數據更好的評價指標，另外還要著重補短板。

更強的生成模型：

新的生成模型：VAE/GAN/擴散模型都更適合圖像，NLG領域目前似乎就GPT系列最能打，能否更好的結合創造出一些複合模型或全新的文本生成模型出來？
人類回饋：對話場景天生適合人類回饋，但像小說、摘要等場景如何更好的收集使用者回饋？批註、彈幕或許是個不錯的選擇，但感覺遠遠不夠。
更多更好的數據：OpenAI的數據向來是又多又好，羨慕煞旁人啊。
更好的評價指標：目前文本生成領域的許多評價指標還是偏字符成面的，像是流暢性、合理性、正確性、邏輯性等指標是很難量化的，評價指標基本還是完全掌握在人類手裡，這也是為何需要人類回饋的原因。
補短板：事實性錯誤、有害資訊如何減少？

除此之外，當然還有很多事情要做，一個很有想像空間的事情就是和傳統的搜尋引擎結合，生成模型搜尋引擎！前面我們在嘗試的過程中，ChatGPT也說了自己不是搜尋引擎，沒有連網搜尋的能力，但這真可以有！

這兩個不是矛盾關係，而是可以互相結合互相促進的。華為前不久就發布了全球首個多語種權威知識檢索生成模型－WebBrain。

https://www.sohu.com/a/602953833_121431682

##生成模型搜尋引擎，或許可以實現所搜即所得。

當AIGC的實用性開始提升，其潛在的商業價值自然就會水漲船高，也許我們很快就將看到AIGC應用到各個領域並產生巨大的商業價值！

Let's play with AIGC!

Let's chat with ChatGPT!

最後，我們讓ChatGPT自己來展望一下文字生成的未來吧！