ChatGPT背后竟然是这么搞的,不可思议!

人工智能
ChatGPT肯定会重构很多行业,比如各种培训,如果把ChatGPT封装成一个“苏格拉底式导师”,完全有可能实现高质量的导师24小时陪伴,完全涵盖小学,中学的各种学科,以及成人的IT培训,这里边肯定有很多机会。

我是ChatGPT,最近实在太火爆了。

很多人以为我非常强大,其实并不是这样的,比如,如果你问我:

今天北京天气如何? 

对不起,我并不知道,我无法获取实时的信息,因为我的GPT4模型的知识停留在了2021年9月份。你要想获得实时信息,非得通过其他途径(如插件)不可。

只不过,我的很多回答有点儿通用AI的感觉,我似乎真的能理解你的问题,并且针对性地进行回答。 

这和之前的AI完全不同,让很多人感到震撼。

但是很惭愧,我并不理解我的回答是什么含义,我在我这里,一切都是概率。

我基于概率来生成答案,我一直在和你玩文字接龙游戏。

这听起来不可思议,但确实如此,那些看起来很有逻辑的答案靠的都是概率。 

我不理解概念,但是必须得找到这些词汇之间的关系,这样才能输出答案,这个关系是用“向量”表示的。

比如我有一个非常小的词汇表,包括以下四个词:“喵”,“汪”,“猫”,“狗”,它们的向量可能是这样的:

喵:[0.9, 0.1]

汪:[0.1, 0.9]

猫:[0.8, 0.2]

狗:[0.2, 0.8]

画成二维坐标:

图片图片

你一眼就能看出来,“喵”和“猫”具有相似的向量表示,因为它们俩的距离比较近。

“汪”和“狗”的向量也相似,它俩的距离也比较近。

这就意味着,我成功地捕捉到了这四个词之间的语义关系,以后就可以利用了。

我不理解“猫”是什么东西,“狗”又是什么含义,但是我知道“猫”和“喵”密切相关,“狗”和“汪”密切相关,这就够了。

这里的向量是二维的,可以在平面中直观地看出来,在实际的应用中,为了更好地捕捉丰富的语义信息,向量可能有几百维,几千维!你的大脑恐怕是想象不出来的。

那你肯定要问了,这些向量是如何生成的?

你得提交数据集给我训练啊!

图片图片

当你问“猫喜欢吃什么”的时候,我会将问题中的词汇转成向量。

"猫": [0.9, 0.3]

"喜欢": [0.5, 0.2]

"吃": [0.4, 0.7]

"什么": [0.3, 0.8]

"?": [0.1, 0.1]

然后我将该向量输入神经网络,经过多层计算和激活函数,生成输出向量。

然后,将输出向量转换为概率分布:

"鱼": 0.6

"骨头": 0.2

"狗粮": 0.1

"巧克力": 0.05

"水果": 0.05

在这个概率分布中,"鱼" 的概率最高,因此我会选择 "鱼" 作为回答的一部分。生成的答案可能是:

“猫喜欢吃鱼。”  

就是这么简单!

当然,这是个简单的回答,一般的回答都很长,需要不断地通过概率来选择下一个词,好像是单词接龙。

例如:“猫为什么喜欢晚上活动?” 这个问题的答案可能是这么生成的:

图片图片

你肯定觉得不可思议:这怎么可能生成“逻辑”上良好的回答呢?

比如码农翻身老刘写的这几篇文章:

GPT-4最震撼我的一点

GPT-4是个编程高手,真服了!

ChatGPT开始威胁程序员的核心能力了!

都开始威胁程序员的核心能力了,厉害不?

我只能说:“大力出奇迹”。模型大到一定程度,就能涌现一些东西出来了。

你闭上眼睛想象一下,整个互联网的文本都摆在我的面前,我把所有的词汇都提取出来,变成向量,在神经网络中疯狂运算,捕捉词汇、短语和句子在不同上下文中的共现关系。这种共现关系包括了概念之间的联系、语法结构以及常见的表达方式等。

这些概率分布能够指导我生成更接近你们人类自然语言表达的答案。

正因为我学到的知识是统计性质的,有时候我可能会犯错,“一本正经地胡扯”。

实际上,在概率游戏中,有两个方向,一个叫做BERT,一个叫做GPT。 

BERT就像完型填空,猜中间的字。

GPT就像写作文,猜下一个字。

图片图片

Google在2018年推出了BERT,在NLP领域引起了巨大的轰动。BERT在问答、文本分类、情感分析、机器翻译等任务上都取得了非常好的表现。

但是我的主人坚信GPT的潜力,投入了非常庞大的计算资源和存储资源,在前途晦暗不明时有着坚定的信念,终于在GPT3.0取得了重大的突破,并由我ChatGPT这个人人可用的应用彻底引爆。

我只能说风水轮流转吧。

一个新事物处于爆发期,大家会觉得它什么都能干,对它产生很多不切实际的幻想,好奇、兴奋、迷茫、焦虑。

过一段时间以后,大潮褪去,就会发现它并没有那么牛,在很多地方它的能力是有限的。

然后,就会有人在合适的场景中应用它,开发出真正有用的产品,发挥出它真正的价值。

ChatGPT也会走上这样的道路,所以要及早地开始探索,抓住先机。 

码农翻身最近建立一个知识星球“ChatGPT基地”就在做这样的事情:

这是个非常垂直的星球,专门为程序员服务,目的很单纯:

1.帮助程序员尽快掌握ChatGPT这个优秀的工具,找到最优的使用方式,最佳的提升工作效率的方法。

ChatGPT已经对程序员产生了根本性的影响:

从小处来讲,如果不会用ChatGPT,肯定干不过熟练使用ChatGPT的程序员。别人用自然语言生成代码,你还在一行行敲,效率差了十倍百倍。这将直接影响一个人的工作绩效,工作机会,工资,奖金。 

一个初级程序员使用好ChatGPT,有可能可以和中级,甚至高级程序员抗衡。

将来的招聘中,很有可能增加一条:熟练使用ChatGPT的优先。

从大处来讲,有可能会导致“从一棵树跳到另外一棵树”,“从一个黑暗森林奔向另外一个黑暗森林”。

2.探索ChatGPT给程序员带来的机会,如果iPhone出现带来app开发一样,把副业变成主业。

ChatGPT肯定会重构很多行业,比如各种培训,如果把ChatGPT封装成一个“苏格拉底式导师”,完全有可能实现高质量的导师24小时陪伴,完全涵盖小学,中学的各种学科,以及成人的IT培训,这里边肯定有很多机会。

当然,这是两个最主要的目的,加入星球,还可以查看ChatGPT的前沿资讯,优质资源和项目,ChatGPT的极客玩法等等。 

如需转载,请通过作者微信公众号coderising获取授权。

责任编辑:武晓燕 来源: 码农翻身
相关推荐

2021-11-10 06:38:01

Python链式操作

2017-03-21 08:52:20

神经网络声誉

2013-10-10 13:07:25

方物

2024-04-07 00:00:00

亿级数据ES

2011-02-23 08:50:22

C#.NETdynamic

2010-07-15 16:21:03

不可思议的服务器

2020-07-02 15:40:11

Spring BootJar包Java

2019-12-24 11:00:51

NVMeSSDSATA

2023-10-25 15:11:15

Java

2022-01-24 15:57:34

Python返回功能代码

2011-07-18 13:35:14

HTML 5

2013-07-31 15:06:58

未来的WebWebGLWeb

2014-07-26 22:18:51

2018-07-10 09:18:36

人工智能智能出行大数据

2017-11-08 14:07:45

数据库MySQL慢查分析

2014-01-14 10:33:42

开源硬件开源

2012-02-13 11:01:27

N9Android 4.0

2016-07-06 11:56:52

思科汉堡光纤骨干网

2012-05-16 17:28:32

智能手机

2020-09-29 06:45:49

JDK
点赞
收藏

51CTO技术栈公众号