ChatGPT：关于 OpenAI 的 GPT-4工具，你需要知道的一切_openai-chatgpt工具

什么是GPT-3、GPT-4 和 ChatGPT？

GPT-3(生成式预训练Transformer3)、GPT-3.5和GPT-4是OpenAI开发的最先进的语言处理人
工智能模型。它们能够生成类似人类的文本,并具有广泛的应用,包括语言翻译、语言建模以及
为聊天机器人等应用生成文本。

GPT-3.5是迄今为止最大、最强大的语言处理人工智能模型之一一,拥有1750亿个参数。
GPT-3.5使用户能够向经过训练的AI提供各种文字提示。这些可以是问题、关于您选择的主题的
写作请求或大量其他措辞请求。

上面,它将自己描述为一种语言处理人工智能模型。这仅仅意味着它是一个能够理解人类口头和
书面语言的程序,使其能够理解所输入的文字信息以及吐出的内容

ChatGPT 可以做什么？

GPT-3.5拥有1750亿个参数,很难缩小范围。正如您所想象的那样,该模型仅限于语言。它无法
像其兄弟Dall-E2那样生成视频、声音或图像,但可以深入理解口语和书面文字。
您可以使用ChatGPT-3.5来:

• 写论文
• 编写Excel公式
• 写诗和电影剧本
• 研究课题及总结内容
• 帮助您撰写求职信或简历
• 编写代码
• 计划一个假期

ChatGPT具有非常广泛的能力,从写关于平行宇宙中的感知屁和陈词滥调的浪漫喜剧的诗歌,到
用简单的术语解释量子力学或撰写完整的研究论文和文章。

虽然利用OpenAI多年的研究让人工智能写出糟糕的单口喜剧剧本或回答有关你最喜欢的名人的
问题可能很有趣,但它的力量在于它的速度和对复杂问题的理解。

ChatGPT-4 可以做什么？

ChatGPT的更高级版本(称为ChatGPT-4)现在可供付费订阅者使用(每月20美元/16英镑)。
以下是最新版本的人工智能模型能够执行的一些任务:

• 学习一门语言。您可以用26种语言与ChatGPT交谈
• 创建食谱。ChatGPT-4能够识别图像-您可以向ChatGPT发送成分图片并要求AI创建食谱
• 向盲人描述图像

ChatGPT 的费用是多少？

ChatGPT-3.5是免费且易于注册和使用的,只需:

• 前往ChatGPT网站并创建一个帐户。您可以使用Google、Microsoft或Apple帐户或任何电子
  邮件地址进行注册。
• 登录后将呈现一个非常简单的页面。我们将为您提供一些示例提示以及一些有关ChatGPT如
  何工作的信息。
• 页面底部是一个文本框。您可以在这里向ChatGPT询问您的任何问题或提示。
  ChatGPT-4是ChatGPT的更高级版本,现已推出,但只能通过每月20美元(16英镑)的付费订
  阅来获得。

GPT-4 与 GPT-3.5 有何不同？

本质上,GPT-4与其前身GPT-3.5相同。然而,有一些新功能可以增强该软件的功能。
主要是,GPT-4能够大幅增加输入中可使用的单词数量…高达25,000个,是原始ChatGPT模
型的8倍。

同样,OpenAI表示,他们的技术的最新版本犯的错误更少,他门称之为"幻觉"。以前,ChatGPT
可能会变得混乱,对您的问题提供无意义的答案,甚至输入刻板印象或错误信息。

此外,GPT-4更擅长玩弄语言和表达创造力。在OpenAI的新技术演示中,ChatGPT被要求仅使
用以字母"g"开头的单词来总结一篇博客文章。它对于如何写诗可我者创意写作也有了更好的理
解,但它仍然绝不是完美的。

除此之外,OpenAI还展示了使用图像来初始化提示的潜力。例如,该团队展示了一张装满配料
的冰箱的图片,并提示"我可以用这些产品做什么?"。然后ChatGPT返回一个分步配方。
虽然没有进行演示,但OpenAI还建议使用视频进行提示。从理论上讲,这将允许用户输入带有
文字提示的视频,以供语言模型消化。

使用图像创建菜谱是该技术的巧妙运用,但这只是图像与ChatGPT结合使用的冰山一角。该公司
还展示了创建一个完整网站的能力,该网站仅通过手写的网站草图即可成功运行JavaScript。
作为完成通常由人类完成的工作的工具,GPT-3.5主要与作家和记者竞争。然而,GPT-4已被证
明具有创建网站、完成纳税申报表、制作食谱和处理大量法律信息的能力。

ChatGPT 如何运作？

从表面上看,GPT-3.5的技术很简单。它会接受您的请求、问题或提示并快速回答。正如您所想
象的那样,实现这一点的技术比听起来要复杂得多。
该模型是使用互联网上的文本数据库进行训练的。其中包括从书书籍、网络文本、维基百科、文章
和互联网上的其他文字中获取的高达570GB的数据。更准确地说,系统中输入了3000亿个单
词。

作为一种语言模型,它以概率为基础,能够猜测句子中的下一个单词应该是什么。为了达到可以
做到这一点的阶段,该模型经历了监督测试阶段。
在这里,它被输入输入,例如"树的木材是什么颜色?"。团队心中有一个正确的输出,但这并不
意味着它会是正确的。如果出现错误,团队会将正确的答案输入系统中,教它正确的答案并帮助
它积累知识。

然后,它会经历第二个类似的阶段,提供多个答案,团队成员将它们从最好到最差进行排名,并
通过比较来训练模型。

这项技术的与众不同之处在于,它在不断学习的同时猜测下一个个单词应该是什么,不断提高对提
示和问题的理解,成为最终的万事通。