ChatGPT是什么?
ChatGPT是 “美国AI梦工厂”OpenAI 开发的人工智能聊天机器人,让撰写邮件、论文、脚本,制定商业提案,创作诗歌、故事,甚至敲代码、检查程序错误都变得易如反掌。很多网友都感叹“只有你想不到,没有它做不到“。
OpenAI 可以说是顶尖科学家、大资本家、顶级创业导师的一次强强联手倾力打造的经典案例。这家公司成立的起因是受到了一位图灵奖得主、加拿大蒙特里尔大学教授阿本N9在人工智能、神经网络和深度学习领域有了重大的学术突破而引发的,他可以算得上是计算机深度学习领域的教父级别的人物。
2015年由特斯拉、SpaceX CEO、尼鲁马斯克联合创始人、演出投资人皮印度科技巨头以及亚马逊网络共同捐赠十亿美金,用于解决科研上的资金难题,让科学家们更专注于自己的研究。也就是说,这家公司成立的初衷,它并不是为了商业化变现,而是共享人工智能的研究成果。
直到2016年Sam Altman的加入,他可是硅谷创业教父YC公司创始人亲自任命的CEO。可以说Sam Altman是带着创业和孵化了众多互联网独角兽公司的经验加入的,经过了四年的产品打磨,从此open AI走上了商业化的道路。
2019年,微软科斯拉风险投资机构又为open AI注入了10亿美金的投资,为自己在人工智能领域做好了布局,这也就是大家为什么能看到微软的产品开始全面和China GDP融合的原因了。创业的尽头是投资,open AI并没有停止在人工智能领域的研发和投资,拿着20亿美金的累计融资金额,前后开发了四个具备重大突破的产品,而Chatgpt只是其中一个。
Chatgpt的崛起,就像一把火点燃了近年来一直雷声大雨点小的人工智能赛道,它的商业模式呢?也是史无前例的,创造性的将人工智能这样曲高赫寡的专供技术实现了平民化,并迅速跑出了成功。
ChatGPT对我们的启发
ChatGPT已经不仅仅只是个聊天机器人,它还会写小说,写代码,甚至啊,未来成百上千个行业啊都要被他颠覆,许多工作岗位也会被取代。更糟糕的是,这个时间可能只需要十年,现在的拆的ChatGPT还只是初级形态,就已经让很多职场打工人开始焦虑了。去年下半年,绘图行业的打工人啊就基本陷入了绝望,之前他们为小说绘制插图,一张图呢能卖到120块,而现在用AI绘图软件,一张图只要不到一块钱,要知道,AI一天能生成上万张图片,还可以不吃不喝连续的工作24小时,不仅工作效率高啊,价格呢还只有人工的1%。
不仅如此,就在它爆火的这两个月里啊,整个教育系统都被颠覆了,摸出门道的学生呢,开始使用拆ChatGPT生成论文,居然得到了A+的分数,老师们被吓得不轻,因为加拿大作家呢,直接发出了警告,大学论文已死,现在耶鲁、哈佛等6000多名老师已经联合打响了AI反击战。更好笑的是啊,开始发出ChatGPT的程序员居然连自己也没放过。
ChatGPT已经通过了谷歌L3工程师岗位的面试,年薪只要120万,普通谷歌码农的性价比一下就没了,这简直就是在砸自己的犯法,而且他的学习速度实在是太快了,21年的它的参数,还只有十五亿,22年就飙升到了1750亿,参数越大,AI的知识就越渊博,ChatGPT现在比历史上所有的AI加起来还要聪明,如果继续这样下去,很多工种的需求啊都会极大的降低,那普通人的出路又在哪里呢?对此你怎么看?
一、需求背景
在我们日常想看电影的时候,经常会遇到一些问题:
-
闲来无事想看个电影,打开电影列表,感觉都是看过的,一下子不知道该如何去发现新大陆?
-
喜欢某个演员,想看与他风格类似的电影,可惜电影网站的影片推荐总是那么不尽人意!
-
在不同的电影网站,填入自己的感兴趣的标签,结果推荐出来的电影题材并不是自己想要的效果!
既然说起推荐系统,这就刚好踩中了我那研究三年推荐系统的读研苦逼时光了。稍微介绍一下时下主流的推荐系统的架构和算法:
这里的大数据推荐系统体系仅为简单的架构模型,其中涉及到更多的计算任务和调度数据流等细节均已省略 。
在如此庞大的数据体量和计算引擎的支持下,现如今的推荐系统仍然没有以完美的姿态来解决用户的冷启动问题,所以说时下,推荐系统在学术界的研究已经达到了一种登峰造极的状态,你我都知道可能多引入一些高性能的模型去加强,多跑几轮模型去调参优化,从而实现更美丽的推荐效果!这样我们可能可以得到一篇优秀的论文!但是在工业应用领域,对于推荐算法的优化,新投入的算力跟人工成本,通常并不会由于更准推荐效果从而产生更丰厚的营收,可以说投入跟产出完全不成正比!这对于时下资本退却的互联网来说,这是最要命的!
于是乎,我们可以转换一下思路,有没有什么模型和算法可以实现推荐效果最优化,不惧怕因为用户数据量少而导致的冷启动问题 ------ 那么这个时候ChatGPT获取可以申请一战,他有超海量的全人类用户数据、连续产生内容及记忆理解上下文功能!
好那么,基于此,让我们来用ChatGPT做一个电影推荐小程序!做一个可以满住你的任意无理要求的电影小程序。
二、项目原理及架构
2.1 实现原理
-
要利用上
ChatGPT
的推荐功能,首先构造好目标明确的问题是成功的关键。 -
在获取到GPT的推荐数据之后,我们需要将推荐结果中的电影内容获取并展示在小程序端,这里我们需要采用
Python爬虫
对豆瓣电影网进行爬取!**
这里我们构造了三类推荐类目:兴趣标签
、电影主题
、电影明星
(1)根据用户的兴趣标签
通过用户输入的兴趣标签进行电影的匹配
(2)根据关联类似主题的题材
(3)根据特定的电影明星
2.2 技术架构
三、项目功能的实现
3.1 小程序端设计与实现
3.2 数据后端设计与实现
注重介绍后端服务接入 ChatGPT API,需要按照以下步骤进行操作:
注册一个账号并登录到OpenAI的官网:https://openai.com/
在Dashboard页面上,创建一个API密钥。在“API Keys”选项卡下,点击“Generate New Key”按钮。将生成的密钥保存好,以备后续使用。
选择所需的API服务,例如“Completion” API,以使用OpenAI的文本生成功能。
使用Python
调用ChatGPT API
实现代码如下:
-
方法一:使用
request
库
方式二:使用openAI库
3.3 数据智能获取功能设计与实现
定义一个函数来实现电影信息的爬取,该函数的输入参数为电影名,输出为该电影的名称、导演、主演、类型、上映时间、评分等信息。具体实现步骤如下:
构造请求 URL,其中电影名需要进行 URL 编码。
发送 HTTP 请求,获取豆瓣电影页面的 HTML 内容。
使用 lxml 库解析 HTML 文档,提取电影信息。
-
我们可以通过调用该函数,传入电影名参数来获取电影信息。例如:
-
输出结果如下: