ChatGPT与教育系列（一、ChatGPT）

未来已来，拥抱变化，拥抱未来

一、ChatGPT

1、ChatGPT定义

ChatGPT（Chat Generative Pre-trained Transformer）翻译成：聊天生成式预训练转换器，其中，“Chat Generative”表示聊天生成式，“Pre-trained Transformer”表示预训练转换器。预训练模型可以提高模型的泛化性和效率，使得模型在处理新任务时更加灵活和高效。转换器是一种新兴的神经网络结构，可以有效地处理自然语言处理任务，尤其是基于序列的任务，例如自然语言生成和机器翻译。所以，“Chat Generative Pre-trained Transformer”就是一种能够在聊天生成任务中使用预训练转换器的技术。

Generative生成式

生成式人工智能 (generative AI) 指的是一种基于深度学习的技术，通过模型输入大量的数据进行学习，并尝试模拟数据背后的潜在分布，进而生成类似于真实数据的新数据。生成式AI不仅可以生成文本、图片、音频等各种类型的数据，还可以实现音乐创作、语言翻译、图像处理和自然语言生成等任务。常见的生成式AI模型包括生成对抗网络 (GAN)、自动编码器 (Autoencoder)、变分自编码器 (VAE)等。

与传统的基于规则或者模板的人工智能不同，生成式人工智能可以通过学习数据的规律和模式，不断优化模型，并生成类似于真实数据的模拟结果。这种模型可以实现更加灵活、多样化的数据生成，具有较高的实用性和应用潜力。比如，通过生成式AI可以自动创作出美妙的音乐乐曲、生成高质量的图像和视频内容，还可以实现智能对话、机器翻译等人类语言处理任务。

这里面的Generative表示生成式的，与传统的人工智能有着本质的区别，他注定了这个模型给出的答案，不是基于标准答案，而是机器通过与人的对话，和自己本身的理解，而“产生”的答案；

Pre-trained预训练

预训练模型就是利用计算机处理大量的数据，让模型学习到普遍的语言表达规则，并训练出一个可以理解语言的模型。这个模型可以理解人类的语言如何表达，并对复杂的语言任务进行预测。比如回答问题、对话和生成文章等。

Transformer神经网络转换器

Transformer是一种基于自注意力机制的神经网络模型，由Google公司在2017年提出。它是一种用于自然语言处理的模型，可以用于文本分类、翻译等任务。

（1）选择型的记忆：针对我们提供给它的内容，能够自主选择哪些内容是有价值的；

（2）选择型注意力；

人和动物的本质区别是，使用工具，人用了几千年，GPT只有了几个月，效率大大超过人类。

ChatGPT4似乎学会了自己筛选和使用工具

2、ChatGPT发展史

所属公司OpenAI

OpenAI是一家人工智能研究和开发公司，成立于2015年，总部位于美国加利福尼亚州。最初创立的时候是非营利性公司，2019年转为盈利性公司，利润上限为任何投资的100倍，同年，微软向该公司投资了10亿美金，并获得了OpenAI技术的商业化授权，从此，OpenAI的一些技术开始出现在微软的产品和业务上。

公司的目标是通过研究人工智能技术，推动人类进步。

OpenAI的研究领域包括自然语言处理、强化学习、机器翻译等。

公司的创始人包括Elon Musk（埃隆马斯克）、Sam Altman等知名人士。马斯克曾于2015年注资OpenAI，成为该公司的创始投资者之一。他一直对OpenAI的进展保持着关注，并经常在社交媒体上分享OpenAI的成就和研究成果。不过，2018年，由于OpenAI宣布不再将研究成果全部开源，而在一些特定领域进行商业化应用，马斯克决定退出OpenAI董事会。现在，他已经不再是OpenAI的股东或相关公司的代表。

进化时间轴

ChatGPT发布时间：2022年11月30日

模型	发布时间	参数量	预训练数据量
GPT	2018年6月	1.17亿	约5GB
GPT-2	2019年2月	15亿	40GB
GPT-3	2020年5月	1750亿	45TB
ChatGPT-3.0	2022年11月20日
ChatGPT-3.5
GPT4.0	2023年3月14日

用户破亿的时间

电话：75年

手机：16年

互联网：7年

Itunes：6.5年

Twitter：5年

Facebook：4.5年

WhatsApp：3.5年

苹果APP Store：2年

ChatGPT：2个月

3、ChatGPT的主要特点

ChatGPT是由OpenAI公司开发的一种聊天人工智能模型，具有以下特点：

（1）自然语言生成能力：ChatGPT可以自动根据用户输入生成自然语言的回答，而且回答具有较高的一致性、连贯性和流畅性。

（2）预训练模型：ChatGPT是基于大规模的预训练数据进行训练的，因此具有较强的语言理解和生成能力。

（3）支持多轮对话：ChatGPT支持多轮对话，可以在对话中保持上下文信息，使得回答更加准确和连贯。

（4）多语言支持：ChatGPT可以处理多种语言，并支持各种语言间的翻译，适用于全球用户。

（5）高度自适应：ChatGPT可以根据用户不同的提问和回答方式自适应性地进行调整和优化。

（6）OpenAI使用 RLHF（Reinforcement Learning from Human Feedback，人类反馈强化学习）技术对 ChatGPT 进行了训练，且加入了更多人工监督进行微调。

（7）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。

（8）ChatGPT 可以质疑不正确的问题。可以承认自身的无知，承认对专业技术的不了解。

（9）对人类足够尊重，对敏感话题能够合理的绕开。

（10）没有情绪，足够的友善；

（11）ChatGPT给出的答案是“涌现”出来的，而不是调用的数据库的已有信息；

（12）GPT2.0在2020年的时候就已经通过了图灵测试；

（13）现在在跟ChatGPT对话的时候，会感觉他不是一个人，是因为这个系统有意让我们认识到他不是人；

（14）微软的研究报告，ChatGPT的开发人员，不知道为什么GPT能够这么聪明，这么“智慧”；

（15）GPT现在到底有没有意识，这个不好说，因为人为什么有意识，以及什么时候有的意识我们也不知道，就算是GPT有了意识，我们可能也不知道；
 

4、ChatGPT使用

怎样才能用上ChatGPT

目前想要使用ChatGPT，有两种方式：

（1）科学上网，直接进行访问，账号可以买，但是不建议这样做，自己注册账号需要用到什么验证啥的，充值Plus会员什么的，不建议自己捣鼓，直接淘宝购买就行；

（2）使用他人通过API接口转接过来的（有一些免费的），不好的是无法使用最新的ChatGPT4.0，因为API只开放了GPT3的模型；

应用场景

看别人写的太好了，我就不写了，直接把连接放进来。传送门如下：

（1）ChatGPT应用场景与工具推荐_小殊小殊的博客-CSDN博客

（2）ChatGPT实用用法10大场景_乐享技术的博客-CSDN博客

怎样更好的跟ChatGPT打交道，用好ChatGPT

（1）友好的问答：虽然知道他是个人工智能，但总觉得在跟真人对话，实测ChatGPT是能够通过文字，感受到人的情绪的，所以能友好的表达就友好的表达；

（2）心法是，如果没有得到你想要的答案，那一定是你的问题提的不好，问题要清晰，要尽可能的多像他表达自己的想法，就像是再跟一个新入职的手下交流一样，要事无巨细的交代，这样才可能得到更好的答案；

（3）如果还是得不到想要的答案，那么就新开一个窗口，把问题重新问一遍，可能就能得到满意的答案了，我的理解是，原来的手下开除掉，换了一个新的手下；

（4）用中文跟ChatGPT交流的时候，它是先把中文翻译成英文，输入给ChatGPT后，又输出英文的答案，然后又翻译成中文给到了你，所以有的时候没有得到自己满意的结果，可能语言的原因，尝试用英文进行问答；

（5）如果希望ChatGPT给出更专业的问题，你可以让他进行角色扮演，比如关于法律的问题，可以要求他扮演资深律师；

（6）由于GPT3训练数据是2021年9月以前的，所以如果你用的是别人借用API搭梯子的伪ChatGPT的话，这个时间点后面发生的事情他都不知道；

（7）ChatGPT的记忆力有限，GPT-3.5的输入长度2048，GPT-4的输入长度是25000。所以尽量用更精简的语言描述需求，当然ChatGPT可以结合上下文进行处理，你也可以选择多次沟通；

（8）ChatGPT的输出长度也有限，所以他可能在回答问题的时候并没有说完，这个时候，你可以让他继续，还有就是他是个话痨，及时说完了，只要你让他继续，他就可以一直说下去；

（9）ChatGPT回答的大多数情况下回答的是正确的，但是也有一些是自己瞎扯的，你要有分辨的能力；

（10）AI上使用的单位是token，"token"在 ChatGPT 中指的是一个输入文本被分解成的最小单位，并用于模型的预测和输出。计费标准是0.002美元每1000个token。在英语中1个token大概相当于4个字符，在中文中间，1个字大概相当于2-2.5个token。2美元可以买到100万格token。75万格单词只要不到15块人民币。但实际上不是这么算的，他会把你跟ChatGPT交互的所有内容都计算在内，包括上下文，包括回传的一些推理分析等。

还未完全开放的GPT4

目前GPT4还没有完全开放，而GPT4具有更强大的功能，具体的解读请参考下面的文章

GPT-4发布！ChatGPT大升级！太太太太强了！_zenRRan的博客-CSDN博客

GPT-4大模型硬核解读，看完成半个专家_滕青山YYDS的博客-CSDN博客

本章到此结束，请参见下一篇