OpenAI简介及其代码样例

CarlowZJ

于 2025-03-26 21:41:27 发布

阅读量907

点赞数 18

文章标签： OpenAI

本文链接：https://blog.csdn.net/csdn122345/article/details/146541816

版权

一、OpenAI简介

（一）成立背景与使命

OpenAI成立于2015年12月11日，总部位于加利福尼亚州旧金山。其使命是开发“安全且有益”的通用人工智能（AGI），致力于推动人工智能技术的发展，并确保其对人类社会产生积极影响。

（二）组织架构与投资

OpenAI由非营利性的OpenAI, Inc.和2019年引入的营利性子公司OpenAI Global, LLC组成。微软拥有OpenAI约49%的股权，并通过微软Azure为其提供计算资源。

（三）发展历程

2016年4月，发布了“OpenAI Gym”的公开测试版，这是一个用于强化学习的平台。
2018年，推出了GPT-1语言模型，引起了行业的关注。
2020年6月，宣布了GPT-3语言模型，并于9月22日被微软取得独家授权。
2022年11月，发布了ChatGPT，引发了全球范围内对生成式人工智能的广泛兴趣和关注。
2023年，面临多起关于版权侵权的诉讼，同年11月，其董事会曾一度解除Sam Altman的CEO职务，但五天后又恢复了他的职位。

（四）主要产品与技术

语言模型：如GPT系列，包括GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4等，这些模型在自然语言处理任务中表现出色，能够生成高质量的文本内容。
图像生成模型：DALL-E系列，可根据文本描述生成相应的图像。
语音识别技术：Whisper，能够将语音转换为文本。
其他：还包括强化学习平台OpenAI Gym、文本到视频模型Sora等。

二、代码样例

（一）简单文本生成

Python复制

import openai

# 设置你的OpenAI API Key
openai.api_key = "YOUR_API_KEY"

def generate_text(prompt):
    try:
        response = openai.Completion.create(
            model="text-davinci-003",
            prompt=prompt,
            max_tokens=100  # 控制生成文本的长度
        )
        return response['choices'][0]['text'].strip()
    except Exception as e:
        print(f"An error occurred: {e}")
        return None

prompt_text = "请给我生成一段关于未来科技的描述"
response_text = generate_text(prompt_text)
if response_text:
    print(response_text)

在上述代码中，定义了generate_text函数，它接受一个文本提示作为参数。通过openai.Completion.create方法向OpenAI的text-davinci-003模型发送请求，要求生成不超过100个令牌的文本内容，并返回生成的结果。

（二）基于ChatGPT的问答

Python复制

import openai

openai.api_key = "YOUR_API_KEY"

def get_chatgpt_response(prompt):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=[
                {"role": "user", "content": prompt}
            ]
        )
        return response['choices'][0]['message']['content']
    except Exception as e:
        print(f"An error occurred: {e}")
        return None

prompt_text = "人工智能在医疗领域有哪些应用"
response = get_chatgpt_response(prompt_text)
if response:
    print(response)

这段代码使用gpt-3.5-turbo模型进行问答。定义了get_chatgpt_response函数，将用户输入的提示内容以特定格式添加到messages列表中，发送请求后获取并返回模型生成的回复。

（三）多轮对话

Python复制

import openai

openai.api_key = "YOUR_API_KEY"

def multi_turn_chat(prompts):
    messages = []
    for prompt in prompts:
        messages.append({"role": "user", "content": prompt})
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=messages
        )
        reply = response['choices'][0]['message']['content']
        messages.append({"role": "assistant", "content": reply})
    return reply

prompts = ["你好", "能介绍一下热门的科技产品吗", "那这些产品有什么优势呢"]
response = multi_turn_chat(prompts)
print(response)

此示例实现了多轮对话功能。multi_turn_chat函数接受一个包含多个提示文本的列表，每次添加用户提示和获取回复后，都将相应内容添加到messages列表中，以便后续轮次的对话能参考之前的上下文，最后返回最后一轮的回复。