欢迎访问GPT4中文教程网，学习chatgpt相关知识，以下是正文内容：
ChatGPT到底是什么？
不得不感叹，现在Ai的发展进程越来越快了。
本期和大家聊一下时下比较火热的ChatGPT，关于账号的使用和介绍的视频，最开始之前自己也有密切的关注略知一二。首先这个东西他不是凭空出现的，其实在这之前就有过几代，比如说GPT4和GPT3，然后就是去年的2022年的12月份发布了最新的，也就是现在疯传的ChatGPT。目前是被微软所收购，据说投资也不少，所以这个前景大家是可以去期待一下的。现在就向大家解释一下ChatGPT这个缩写，它的一个大致是什么含义：首先 Chat 就是我们说的沟通交流的意思，所以它本质就是一个沟通交流的软件；这个G其实是generative的缩写，也就是生成式和生产式的意思；这个P它代表的是一个复合词，是pre-trained，就是经过提前训练的；最后这个T就是transformer，表示转换的意思。其实我们目前市面上很多产品都是通过运用这个transformer的思想来完成的（就是利用转换的思想，比如说代码转换成app或者一段话）
OpenAI 成立于 2015 年 12 月，是所处于美国旧金山的一个人工智能研究实验室，由非营利性的 OpenAI Inc.及其营利性的子公司 OpenAI LP 组成。OpenAI 开展人工通用智能（AGI）研究，为了确保 AI 能够造福全人类，OpenAI 提供了一个基于 AI 的开发和研究框架，这也是其名字的来源（开放 AI 能力）。利用 OpenAI 的平台，客户可以快速提升开发技能并获取 AI 领域的专业知识，这有助于安全有效的通用人工智能（AGI）技术的发展。OpenAI 开发、维护和训练了一批可用于通用活动的 AI 模型，包括写作、阅读、编程和图像处理等，OpenAI 始终相信 AGI 对我们日常生活的影响将远远超过早期的 AI 技术。马斯克、奥特曼和其他投资者于 2015 年 12 月宣布创建 OpenAI，并承诺向该项目投入超过 10 亿美元。通过公布其专利和研究成果，OpenAI 将与其他组织和研究人员“自由互动”。“OpenAI Gym”的公测版本于 2016 年 4 月 27 日发布，这是一个加强OpenAI 研究领域的平台。2016 年 12 月 5 日，OpenAI 发布了“Universe”，这是一个用于开发和测试 AI 的平台，智能能力可以覆盖全球的网站、游戏和其他应用程序。2019 年 3 月 11 日，OpenAI 宣布从“非盈利（non-profit）”性质过度到“有限盈利（capped for profit）”，利润上限为任何投资的 100 倍（创立了 OpenAI LP 公司）。也是在 2019 年，微软向 OpenAI 投资了 10 亿美金，并获得了 OpenAI 技术的商业化授权。从此，OpenAI 的一些技术开始出现在微软的产品和业务上。不过，OpenAI 与微软的合作其实从 2016 年就开始，2016 年，微软的云服务 Azure 为 OpenAI 提供了大规模实验的平台。Azure 彼时已经为他们提供了带有 InfiniBand 互连的 K80 GPU 的算力资源，以优化深度学习的训练。2020 年 9 月 22 日，OpenAI 开始授权微软使用他们的 GPT-3 模型，也是全球首个可以享受 GPT-3 能力的公司。2020 年 6 月 11 日，OpenAI 发布了 OpenAI API，这也是 OpenAI 第一个商业化产品。官方解释了，他们认为开发商业产品是确保 OpenAI 有足够资金继续投入 AI 研究的有效手段。自此，OpenAI 也正是开始商业化运作。官方也解释了，使用 API 的方式提供模型而不是开源模型也将降低模型的使用门槛，毕竟对于中小企业来说，部署强大的 AI 模型所需要的成本可能更高。2016 年至今，OpenAI 发布了很多人工智能相关的技术，从工具到算法到论文到模型，都有涉及。2016 年 4 月 27 日，OpenAI 发布了他们的第一个项目——OpenAI Gym Beta，这是一个用来开发和比较不同强化学习算法的工具。2017 年 5 月 24 日 ， OpenAI 开 源 了 一 个 重 现 强 化 学 习 算 法 的 工 具 ——OpenAI Baselines。目标是提供用于正确的强化学习算法实现的一些最佳实践，以帮助大家提高强化学习的研究效率。2018 年 6 月 11 日，OpenAI 公布了一个在诸多语言处理任务上都取得了很好结果的算法，即著名的 GPT，这也是该算法的第一个版本。GPT 是第一个将 transformer 与无监督的预训练技术相结合，其取得的效果要好于当前的已知算法。这个算法算是OpenAI 大语言模型的探索性的先驱，也使得后面出现了更强大的 GPT 系列。同2018 年 6 月份，OpenAI 的 OpenAI Five 已经开始在 Dota2 游戏中击败业余人类团队，并表示在未来2个月将与世界顶级玩家进行对战。OpenAI Five使用了256个P100GPUs 和 128000 个 CPU 核，每天玩 180 年时长的游戏来训练模型。在随后的几个月里 OpenAI Five 详情继续公布。在 8 月份的专业比赛中，OpenAI Five 输掉了 2场与顶级选手的比赛，但是比赛的前 25-30 分钟内，OpenAI Five 的模型的有着十分良好的表现。OpenAI Five继续发展并在 2019 年 4 月 15 日宣布打败了当时的 Dota2世界冠军。2019 年 2 月 14 日，OpenA 官宣 GPT-2 模型。GPT-2 模型有 15 亿参数，基于 800 万网页数据训练。2019 年 11 月 5 日，15 亿参数的完整版本的 GPT-2 预训练结果发布。2019 年 3 月 4 日，OpenAI 发布了一个用于强化学习代理的大规模多代理游戏环境：Neural MMO。该平台支持在一个持久的、开放的任务中的存在大量的、可变的代理。2019 年 4 月 25 日，OpenAI 公布了最新的研究成果：MuseNet，这是一个深度神经网络，可以用 10 种不同的乐器生成 4 分钟的音乐作品，并且可以结合从乡村到莫扎特到披头士的风格。这是 OpenAI 将生成模型从自然语言处理领域拓展到其它领域开始。2020年4 月14 日，OpenAI 发布了 Microscope，这是一个用于分析神经网络内部特征形成过程的可视化工具，也是 OpenAI 为了理解神经网络模型所作出的努力。2020 年 5 月 28 日，OpenAI 正式公布了 GPT-3 相关的研究结果，其参数高达 1750亿，这也是当时全球最大的预训练模型，同年 9 月，GPT-3 的商业化授权给了微软。2020年6 月17 日，OpenAI 发布了 Image GPT 模型，将 GPT 的成功引入计算机视觉领域。2021 年1 月 5 日，OpenAI 发布 CLIP，它能有效地从自然语言监督中学习视觉概念。CLIP 可以应用于任何视觉分类基准，只需提供要识别的视觉类别的名称，类似于GPT-2 和 GPT-3 的 "zero-shot "能力。2021 年 1 月 5 日，OpenAI 发布了 DALL·E 模型，其为 120 亿个参数的 GPT 3 版本，它被训练成使用文本-图像对的数据集，从文本描述中生成图像。2021年8 月10 日，OpenAI 发布了 Codex。OpenAI Codex 同样是 GPT 3 的后代；它的训练数据既包含自然语言，也包含数十亿行公开的源代码，包括GitHub 公共存储库中的代码。OpenAI Codex 就是Github Coplilot 背后的模型。2022年1月27日，OpenAI 发布了 InstructGPT。这是比 GPT 3 更好的遵循用户意图的语言模型，同时也让它们更真实，且 less toxic。2022 年 3 月 15 日，OpenAI 新版本的 GPT-3 和 Codex 发布，新增了编辑和插入新内容的能力。2022 年 4 月 6 日，DALL·E2 发布，其效果比第一个版本更加逼真，细节更加丰富且解析度更高。2022 年 6 月 23 日，OpenAI 通过视频预训练（Video PreTraining，VPT）在人类玩Minecraft 的大量无标签视频数据集上训练了一个神经网络来玩 Minecraft，同时只使用了少量的标签数据。通过微调，该模型可以学习制作钻石工具，这项任务通常需要熟练的人类花费超过 20 分钟（24,000 个动作）。它使用了人类原生的按键和鼠标运动界面，使其具有相当的通用性，并代表着向通用计算机使用代理迈出了一步。2022 年 9 月 21 日，OpenAI 发布了 Whisper，这是一个语音识别预训练模型，结果逼近人类水平，支持多种语言。
短期来看，ChatGPT仍存在诸多不足。等待解决的问题主要有两方面: 合规性性问题和技术性问题。
□合规性问题1. ChatGPT产生的答复是否产生相应的知识产权？2. ChatGPT进行数据挖掘和训练的过程是否需要获得相应的知识产权授权？3. ChatGPT是基于统计的语言模型，这一机制导致回答偏差会进而导致虚假信息1. ChatGPT的回答可能过时，因为其数据库内容只到2021年，对于涉及2022年之后，或者在2022年有变动的问题无能为力2. ChatGPT在专业较强的领域无法保证正确率，即使在鸡兔同笼此类初级问题中仍然存在错误，并且英文回答和中文回答存在明显差异化3. ChatGPT对于不熟悉的问题会强行给出一定的答案，即使答案明显错误，依然会坚持下去，直到明确戳破其掩饰的内容，会立马道歉，但本质上会在不熟悉的领域造成误导好啦，本期分享的内容就到这里了。内容源自学院拓展，个人整理成文章分享，有什么不全的地方或者小伙伴知道没有写上的，欢迎评论区留言补充讨论。
本文链接：http://lechangxia.cc/gpt4/557.html
