有时候会想，如果chatGPT是人，它会是一个怎样的人呢？下面是我的推测过程。
你问它： 3457 * 43216 = ，它回答 149261912 （这是错的。正确结果是 149397712）。
之所以结果的 2 是对的，仅仅因为它读了太多的文字资料以后，隐约感觉到 7 结尾的文字，乘号，6 结尾的文字，和 2 结尾的文字比较「押韵」从语感上比较像一首诗。
所以它就学会了这样的文字，而不是学会了计算。
有没有觉得，当自己跟老婆吵架时，你讲什么正确的道理都是徒劳，她不在乎对错而在于你有没有顾及她的感受。这印证《男人来自火星，女人来自金星》中说到的一个观点：男人和女人在思维理解上有本质的不同，男人注重理性，女人注重感性。
没错，chatGPT不擅长理性计算，在背诵了一堆堆文字资料后，她觉得”顺口”就认为是对的答案，就是这么任性就是这么感性。
所以,ChatGPT肯定是记忆力超强，天生对数字逻辑一窍不通的女人。
举个栗子：家里请阿姨，来你家之前阿姨会接受家政公司的岗前培训，怎么拖地，怎么弄饭，包括怎么带小孩，这样保证了阿姨到雇主家可直接干活。
ChatGPT一开始就知道客观既定的自然规律，比如苹果是水果而不是石头。原因是在被使用之前它经过了岗前培训，也就是GPT中的P(Pre-trained 预训练和微调)，保证它可以直接上手就干，而不是磨磨唧唧等你教完它所有之后才会干活。
预训练是给ChatGPT提供基础技能，让其有工作经验，直接上手就干，节约使用者成本。
举个栗子：还是上面那个阿姨。
上岗后，阿姨的技能和习惯可能跟雇主的不一样，比如雇主要减肥，做饭就不做三菜一汤了，全部变青菜，不要白米饭要西蓝花，OK , 三菜一汤是预训练的标配结果，全部青菜是根据雇主习惯进行的微调。微调让chatGPT更加符合自己口味了。
再比如：如果你要问chatGPT 你公司年假多少？他肯定回答不出来。
但是如果给他录入你公司考勤制度信息之后，它就知道你公司年假多少了。这个过程就是微调。
微调是给模型提供使用者个性化信息，让其与使用者更加同频，给使用者感觉是，它知我，知己也！
当你用不同语言时，她知道用对应语言你。
当你觉得文字太长，她可以帮你变短。
当你想要她翻译成别的语言，她可以翻译成外语。
这其中归功于GPT中的T:Transformer转换器。该模块作用类似电源转换器: 220v进12v出
转换器模块工作流程：转换器依据预训练中的经验，将输入转换成向量表示，该向量中包含了上下文，输入含义等信息（类似二维码）。向量可以看做GPT可识别的数据结构，当使用者提出不同需求时，转换器根据该向量变换生成新的输出。
如图中，输入经过Encoder编码成向量，向量根据用户需求Decoder成不同长度，语言的输出。
转换器实现将固定输入转换成各种不同输出的功能。
本文结合生活中的例子推测 ChatGPT 是怎样的人。ChatGPT 中实际过程比这个复杂得多，其过程可能不严谨，但旨在对 ChatGPT 中 G P T 含义进行通俗化解释，希望各位大佬喜欢。
Transformers Models in Machine Learning: Self-Attention to the Rescue
英文版英文链接关注公众号在“亚特兰蒂斯的回声”中踏上一段难忘的冒险之旅，深入未知的海洋深处。足智多谋的考古学家AriaSeaborne偶然发现了一件古代神器，揭示了一张通往失落之城亚特兰蒂斯的隐藏地图。在她神秘的导师内森·兰登教授的指导和勇敢的冒险家亚历克斯·默瑟的帮助下，阿丽亚开始了一段危险的旅程，以揭开这座传说中城市的真相。他们的冒险之旅带领他们穿越险恶的大海、神秘的岛屿和充满陷阱和谜语的致命迷宫。随着Aria潜在的魔法能力的觉醒，她被睿智勇敢的QueenNeria的幻象所指引，她让她为即将到来的挑战做好准备。三人组揭开亚特兰蒂斯令人惊叹的隐藏文明，并了解到邪恶的巫师马拉卡勋爵试图利用其古
2022年底，OpenAI的预训练模型ChatGPT给人工智能领域的爱好者和研究人员留下了深刻的印象和启发，他展现的惊人能力将人工智能的研究和应用热度推向高潮，网上也充斥着和ChatGPT的各种聊天，他可以作诗、写小说、写代码、讨论疫情问题等。下面就是一些他的神回复：人命关天的坑： 写歌，留给词作者的机会不多了。。。 回答人类怎么样面对人工智能： 什么是ChatGPT？借用网上的一段介绍，ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动
目录ChatGPT简介技术原理应用未来发展ChatGPT的10 种用法ChatGPT简介ChatGPT是一种基于深度学习的大型语言模型，由OpenAI公司开发。技术原理GPT是GenerativePre-trainedTransformer的缩写，意为生成式预训练变压器。它的技术原理是使用了一个基于注意力机制的变压器（Trans
♥️作者：白日参商🤵♂️个人主页：白日参商主页♥️坚持分析平时学习到的项目以及学习到的软件开发知识，和大家一起努力呀！！！🎈🎈加油！加油！加油！加油🎈欢迎评论💬点赞👍🏻收藏📂加关注+！「想体验ChatGPT中文聊天？」那快进来，你用不上算我输项目场景：项目条件一、那就开始吧1、安装ChatGPT-Desktop2、OpenAPI设置二、使用实例恭喜你！！！配置成功了！！！API和URL都是博主免费提供给大家的！！！恭喜你！！！配置成功了！！！API和URL都是博主免费提供给大家的！！！🎈🎈加油！加油！加油！加油🎈欢迎评论💬点赞👍🏻收藏📂加关注+！项目场景：近几个月可以说ChatGPT是火得一
ChatGPT掀起了AI股历史上最疯狂的一轮市值狂飙。自春节后至今，ChatGPT概念股开始了暴走模式，短短半月时间，海天瑞声、开普云等ChatGPT概念股市值累计增加了近1400亿。如此的爆炸效应，得益于ChatGPT所展现出商业化落地的巨大潜力。要知道，在此之前，无论是十年AI投入超千亿的百度，还是困在硬件化里的AI四小龙，都在重复着AI商业化难落地的故事。ChatGPT的出现，让AI从生产力的赋能者直接成为一种创造生产力的工具。随着订阅模式的推出，ChatGPT已经成为第一个以AI技术为核心直接变现的消费者应用。本文持有以下核心观点：1、ChatGPT是AI技术迭代的受益者。过去受限技术
文章目录前言1.AI的发展历程2.我是如何接触到人工智能的概念和产品的3.对于ChatGPT的一点看法4.AI对大学毕业生的职业发展的利与弊5.对于AI的思考和问题前言随着ChatGPT的爆火，生成式AI，大模型的人工智能被越来越多的人注意到，同时他也带来了许多问题。本文将对几方面进行探讨。1.AI的发展历程远古时期在公元前第一个千禧年，中国，印度和希腊哲学家都提出了一些推理的研究理论，比如亚里士多德（Aristotle）进行了演绎推理三段论的完整分析，欧几里得（Euclid）所著Elements是一种形式推理的模型，MuḥammadibnMūsāal-Khwārizmī,发明了代数学，即我们
当前科技领域最有热度的话题，无疑是OpenAI新提出的大规模对话语言模型ChatGPT，一经发布上线，短短五天就吸引了百万用户，仅一个多月的时间月活已然破亿，并且热度一直在持续发酵，各行各业的从业人员、企业机构都开始体验关注甚至自研“类ChatGPT”模型。这里，笔者从一位NLP从业人员的角度谈一谈对ChatGPT的一些看法和思考。1、ChatGPT诞生之路1.1BERT2018年，谷歌提出BERT（BidirectionalEncoderRepresentationfromTransformer）模型，一时之间疯狂屠榜，在各种自然语言处理领域建模任务中取得了最佳的成绩，NLP自此进入了大规模
解开谜团：深入探索ChatGPT的技术奇迹。ChatGpt无处不在，无论是在播客、博客、YouTube还是社交媒体上。当我注意到这项新技术如此受欢迎时，我决定试一试，我被震惊了！有很多关于ChatGpt及其魔力的博客，但在这篇博客中，我将深入探讨其内部技术及其工作原理！ChatGpt简介根据OpenAI，ChatGpt被描述为：“我们训练了一个名为ChatGpt的模型，它以对话方式进行交互。对话格式使ChatGpt可以回答后续问题、承认错误、挑战不正确的前提并拒绝不适当的请求。ChatGPT是InstructGPT的兄弟模型，它经过训练可以按照提示中的说明进行操作并提供详细的响应。”OpenA
以前我们经常打趣说：***，你out了！当然了，玩笑成分居多。但是如果作为一名技术人员，现在还没有听说过ChatGPT，那么你可能真的“out”了。比尔·盖茨说，ChatGPT的重要性堪比互联网的发明，甚至它“将改变我们的世界”。ChatGPT得到科技界大佬的如此推崇，那么，ChatGPT到底是什么？ChatGPT是2022年11月底，美国OpenAI公司推出的一款人工智能聊天机器人。两个月后，ChatGPT的月活用户已经突破1亿，成为有史以来增长速度最快的消费者应用程序。ChatGPT功能极其强大，它能够通过学习和理解人类的语言进行对话，还能根据上下文进行互动，实现像人类一样的聊天交流。除了
近期，AI安全问题闹得沸沸扬扬，多国“禁令”剑指ChatGPT。自然语言大模型采用人类反馈的增强学习机制，也被担心会因人类的偏见“教坏”AI。4月6日，OpenAI官方发声称，从现实世界的使用中学习是创建越来越安全的人工智能系统的“关键组成部分”，该公司也同时承认，这需要社会有足够时间来适应和调整。至于这个时间是多久，OpenAI也没给出答案。大模型背后的“算法黑箱”无法破解，开发它的人也搞不清机器作答的逻辑。十字路口在前，一些自然语言大模型的开发者换了思路，给类似GPT的模型立起规矩，让对话机器人“嘴上能有个把门的”，并“投喂”符合人类利益的训练数据，以便它们输出“更干净”的答案。这些研发
