chatgpt发展历程
最近开始钻研ChatGPT,找了好多网上的文章要么就是很简单的介绍了Ai的结论,要么便是从人工智能从业者对模型的深度解读,对于我这种只用来做Web运用开发者或许普通人来说也超纲了。所以花了一些时刻了解学习,结合官方文档整理出这篇内容,旨在协助大家:
1.什么是ChatGPT
ChatGPT 是 OpenAI 开发的一种基于 GPT(Generative Pre-trained Transformer)的聊天模型。它是使用大规模学习训练的神经网络模型,能够生成自然语言文本响应以进行对话。
ChatGPT 模型可以用于与用户进行交互式对话,提供回答问题、生成文本、提供建议等功能。它可以适应各种任务和场景,如智能助手、客户支持、编程帮助等。
2.OpenAI放开了哪些模型
其实OpenAI给出的模型并不是只有GPT一种,下面汇总了各个模型,以及怎么挑选。
下面表格展现的是OpenAI放开的一些主要模型:
模型 | 阐明 |
---|---|
GPT-4(限定测验) | 一组在GPT-3.5上改善的模型,能够了解并生成自然言语或代码 |
GPT-3.5 | 一组在GPT-3上改善的模型,能够了解并生成自然言语或代码 |
DALLE(公测) | 一个能够在自然言语提示下生成和修正图画的模型 |
Whisper(公测) | 一个能够将音频转化为文字的模型 |
Embeddings | 一组能够将文本转换为数字办法的模型 |
Moderation | 一个经过微调的模型,能够检测文本是否灵敏或不安全 |
GPT-3 | 一组能够了解和生成自然言语的模型 |
Codex(已弃用) | 一组能够了解和生成代码的模型,包含将自然言语转换为代码 |
选择各模型对应Api
1.模型和接口端点兼容性
下面介绍的是不同版别或类型的OpenAI模型与API接口端点(Endpoint)之间的兼容性。由于OpenAI会不断更新和改善其模型和API,或许会有多个不同的模型版别或类型可供运用。协助你挑选合适的模型版别与API接口端点进行配对,以保证它们能够兼容并正确作业。
你能够依据下面表格来判断具体要运用的API是哪一个:
API | 模型 |
---|---|
/v1/chat/completions | gpt-4, gpt-4-0314, gpt-4-32k, gpt-4-32k-0314, gpt-3.5-turbo, gpt-3.5-turbo-0301 |
/v1/completions | text-davinci-003, text-davinci-002, text-curie-001, text-babbage-001, text-ada-001, davinci, curie, babbage, ada |
/v1/edits | text-davinci-edit-001, code-davinci-edit-001 |
/v1/audio/transcriptions | whisper-1 |
/v1/audio/translations | whisper-1 |
/v1/fine-tunes | davinci, curie, babbage, ada |
/v1/embeddings | text-embedding-ada-002, text-search-ada-doc-001 |
/v1/moderations | text-moderation-stable, text-moderation-latest |
各模型特点详细分析
1.GPT-4 限定测验
一个具有比之前任何模型都更高的精准度的能够处理杂乱问题的大型多模态模型。当前支撑接纳文本输入和发送文本输出,未来会支撑图片输入。具有更广泛的通用常识和先进的推理才能。像gpt-3.5-turbo相同,GPT-4针对聊天进行了优化,但也适用于传统的补全使命。
2. GPT-3.5
GPT-3.5模型能够了解和生成自然言语或代码。在GPT-3.5系列中功用最强壮、性价比最高的类型是GPT-3.5-turbo,它已针对谈天进行了优化,但也适用于传统的补全使命。
3.GPT-3
GPT-3模型能够了解并生成自然言语。这些模型被更强壮的GPT-3.5模型所替代。但是,开始的GPT-3根本模型(davinci、curie、ada和babbage)是现在唯一能够微调(Fine-tuning)的模型。
4.DALLE 公测
DALLE能够经过自然言语描绘来生成传神的图画和艺术作品。现在支撑在给定提示的状况下创立特定尺度的图画、修正现有图画或创立用户供给的图画的变体。
5.Whisper 公测
Whisper是一个通用的语音辨认模型。经过大型音频数据集练习,一起也是一个多使命模型,可执行多言语语音辨认、语音翻译。
现在,Whisper的开源版别和经过API供给的版别之间没有差异。但是,经过API运用,会供给一个优化的推理过程,这使得经过API运转Whisper比经过其他办法运转要快得多。
6.Embeddings
Embeddings是文本的数字表明,能够用来衡量两段文本之间的相关性。第二代embedding模型text-embedding-ada-002旨在以很小的本钱替代之前的16个第一代嵌入模型。Embeddings关于查找、聚类、引荐、异常检测和分类使命十分有用。
它经过将文本中的每个词或字符映射到一个数学空间中的向量,从而将文本数据转换为一系列数字。这些数字能够用于核算机进行各种文本处理使命,例如辨认文本中的情感、分类文本的主题、生成新的文本等。
类似于我们学习言语时将词语与词义关联的过程,Embeddings模型经过学习从文本数据中抽取语义信息的办法,将文本中的词语或字符映射到向量空间中的方位。这样,核算机能够经过比较这些向量之间的间隔和类似性来了解文本数据中的语义联系,从而进行各种文本处理使命。
典型的运用场景:
将整篇文档嵌入后,能够做文本或信息检索。 将句子阶段嵌入后,能够做问答体系。 例如: 在语言模型中,编码器和解码器都是由一个个的
Transformer 组件拼接在一起形成的。
7.Moderation
Moderation模型旨在检查内容是否契合OpenAI的运用战略。模型供给了分类功用,能够查找一些不合适的内容不予通过。
模型接受任意大小的输入,该输入会主动分解以修复特定于模型的上下文窗口。