ChatGPT学习第一周
📖 学习目标
- 掌握ChatGPT基础知识
- 理解ChatGPT的基本功能和工作原理。
- 认识到ChatGPT在日常生活和业务中的潜在应用。
- 了解AI和机器学习的基本概念
- 获取人工智能(AI)和机器学习(ML)的初步了解。
- 理解这些技术是如何支撑ChatGPT的。
✍️ 学习活动
学习资料
- 《ChatGPT在做什么…为什么它能做到?》—斯蒂芬·沃尔夫勒姆
- 《三分钟看懂ChatGPT》—量子位智库·火线报告
- 《ChatGPT学习手册》----飞书——大国
- 《ChatGPT开启AIGC产业生态新时代 新风口•新生态•新变革•新机遇》—前瞻产业研究院联合发布
- 《终于有人把chatGPT说清楚了——全网最深入浅出的chatGPT原理科普,包你看懂》—B站——新石器公园
- 《ChatGPT原理是什么?技术小白能看懂的ChatGPT原理介绍 - AI 绘画每日一帖》—知乎——倒立的BOB
学习笔记
ChatGPT基础知识
ChatGPT的基本功能和工作原理
- ChatGPT的定义
ChatGPT (Chat Generative Pre-trained Transformer)是由OpenAI公司基于GPT模型(采用了Transformer架构的深度学习语言模型)研发的一款人工智能聊天机器人,它能够回答问题、进行对话、生成文本和提供有关各种主题的信息。 - ChatGPT的发展历史
ChatGPT的发展历史如下图所示。
- ChatGPT的系统应用介绍
- ChatGPT-3.5系统应用页面
- ChatGPT-3.5功能介绍
- 输入框:文本输入框,允许输入自然语言进行对话请求。
- 信息发送:将输入框中的信息发送给聊天机器人,聊天机器人根据GPT模型按照语料库中的数据信息(语料库中信息截止日期是2022年1月)以及上下文内容,进行应答请求,应答内容格式为自然语言和代码块。
- 模型切换:若未充值升级,则无法切换模型。
- 新增聊天对话:不继续当前对话进程,重新增加一个聊天对话。
- 我的:包含了退出登录、设置和自定义指令等三个功能操作。设置为系统设置,包含了主题和语言的设置、聊天对话的管理、数据的权限管理;自定义指令的作用是根据自身的偏好定义ChatGPT的响应。
- 提示词:参考提示词,用于指导用户更好的与ChatGPT进行对话沟通。
- ChatGPT 4.0应用页面
- ChatGPT-4功能介绍
- 选择附件:允许你选择本地文件(如文本、图像等)进行对话输入处理的内容。
- 输入框:文本输入框,允许输入自然语言和Python代码进行对话请求,其中输入Python代码时可执行对应代码并反馈结果。
- 信息发送:将输入框中的信息发送给聊天机器人,聊天机器人根据GPT模型按照联网搜索、语料库中的数据信息(语料库中信息截止日期是2023年4月)以及上下文内容,进行应答请求,应答内容格式为自然语言、代码块、图片(文本生成图像功能依赖的是DALL·E3系统)、word文档、pdf文档等。
- 模型切换:若已充值升级,可以选择的对话模型有:GPT-4、GPT-3.5和Plugins,Plugins是ChatGPT插件模式,通过调用第三方插件增强 ChatGPT 的功能并允许其执行更加广泛的操作。
- 新增聊天对话:不继续当前对话进程,重新增加一个聊天对话。
- GPTs:为ChatGPT应用商店,应用商店包含用户分享的各类根据特定需求创建的GPT模型,可以通过这个功能使用别人分享的GPT应用,同时也可以去创建自己的GPT应用。
- 我的:包含了退出登录、Plus用户设置&Beta、自定义指令、我的GPTs和我的套餐等五个功能操作。其中Plus用户设置&Beta为系统设置,包含了主题和语言的设置、聊天对话的管理、插件启用管理、数据的权限管理和GPTs构建者简介设置;自定义指令的作用是根据自身的偏好定义ChatGPT的响应;我的GPTs的作用是展示自己创建的ChatGPT应用清单和提供创建GPTs的入口。
- 提示词:参考提示词,用于指导用户更好的与ChatGPT进行对话沟通。
- ChatGPT-3.5系统应用页面
- ChatGPT模型原理
ChatGPT的核心技术是通过一种叫做人工反馈强化学习的方法来工作的。这个过程大致是这样的:有一些人,我们称他们为标注人员,会像真正的用户一样和ChatGPT聊天。他们会产生很多聊天的样本,然后对ChatGPT的回复进行评分,选出好的回答。这些评分会被用来教ChatGPT如何更好地回答问题。简单来说,ChatGPT会通过观察人类是如何评价它的回答的,并且还会学习如何在不同情况下作出最好的回应。这个过程会不断重复,以此来不断改进ChatGPT的表现。
ChatGPT的应用场景
- 日常学习生活
OpenAI官方提供的ChatGPT用法参考,如下图所示。
- 商业应用
- 客户服务与支持:公司使用ChatGPT来提升客户服务体验,通过自动化聊天机器人回答常见问题、解决问题或提供即时帮助,减少了客户等待时间并提高了服务效率。
- 个性化推荐系统:在线零售商和内容提供商利用ChatGPT来分析用户的兴趣和行为,提供个性化的产品推荐或内容,增强用户体验和满意度。
- 教育与培训:教育机构和在线学习平台使用ChatGPT来创建互动的学习体验,提供定制化的教学和辅导,帮助学生在学习过程中获得即时反馈和支持。
- 语言翻译与通讯:企业利用ChatGPT提供即时翻译服务,帮助跨国团队和个人克服语言障碍,促进更流畅的国际交流和合作。
- 健康咨询:一些健康科技公司将ChatGPT集成到他们的平台上,提供初步的健康咨询和信息,帮助用户了解常见病症和健康问题,但强调不能替代专业医疗建议。
- 企业自动化:公司通过ChatGPT自动化内部流程,如自动化报告生成、数据分析解释和内部帮助台服务,提高工作效率和减少人力资源成本。
AI和机器学习的初步了解
AI和机器学习的基本概念
- 人工智能(AI)
AI,全称Artificial Intelligence,人工智能。人工智能是计算机科学的一个分支,它致力于创建能够执行通常需要人类智能才能完成的任务的系统。这包括理解自然语言、识别图像、解决问题和学习。AI系统能够通过分析数据和识别模式来模仿人类的思考过程和决策能力。 - AIGC
AIGC是指由AI自动创作生成的内容( AI Generated Content),即AI接收到人下达的任务指令,通过处理人的自然语言,自动生成图片、视频、音频等。AIGC是AI大模型,特别是自然语言处理模型的一种重要应用;ChatGPT则是AIGC在聊天对话场景的一个具体应用。 - 机器学习(ML)
机器学习是AI的一个子集,关注的是如何使计算机系统利用算法和统计模型,从数据中学习和改进其任务执行的能力,而无需进行明确的编程。机器学习模型通过分析大量数据,自动识别数据中的模式和关联性,从而学会执行特定任务。
AI和机器学习对ChatGPT的作用
AI和机器学习提供了理论基础和技术手段,使ChatGPT能够理解和生成自然语言,进行有意义的对话。以下是这些技术是如何支持ChatGPT的:
- 深度学习:深度学习使得计算机能够通过神经网络处理复杂的数据结构,这是ChatGPT理解和生成自然语言的基础。变换器模型利用自注意力机制,有效地处理序列数据(如文本),捕捉长距离依赖关系,这对于语言理解和生成至关重要。
- 预训练与微调:ChatGPT首先在大量文本数据上进行预训练,学习语言的基本结构和模式。之后,通过人工反馈强化学习(RLHF)等技术进行微调,提高其在特定任务(如回答问题、写作或对话)上的性能。这种预训练和微调的结合使ChatGPT能够广泛适用于多种语言任务。
- 人工反馈:ChatGPT利用来自人类标注者的反馈进行学习和改进。这些标注者通过对聊天机器人的回答进行排名和打分,帮助模型了解哪些类型的回答是更优的,从而调整其生成答案的策略。
- 迭代学习:通过不断的迭代学习,ChatGPT能够从人类评价和环境反馈中学习,逐步提高其理解和生成自然语言的能力。这种持续的学习和调整过程使ChatGPT能够更好地模仿人类的对话方式,提供更准确和自然的回答。
相关文章:

ChatGPT学习第一周
📖 学习目标 掌握ChatGPT基础知识 理解ChatGPT的基本功能和工作原理。认识到ChatGPT在日常生活和业务中的潜在应用。 了解AI和机器学习的基本概念 获取人工智能(AI)和机器学习(ML)的初步了解。理解这些技术是如何支撑…...

爬爬爬——今天是浏览器窗口切换和给所选人打钩(自动化)
学习爬虫路还很长,第一阶段花了好多天了,还在底层,虽然不是我专业要学习的语言,和必备的知识,但是我感觉还挺有意思的。加油,这两天把建模和ai也不学了,唉过年了懒了! 加油坚持就是…...

Netty应用(五) 之 Netty引入 EventLoop
目录 第三章 Netty 1.什么是Netty? 2.为什么需要使用Netty? 3.Netty的发展历程 4.谁在使用Netty? 5.为什么上述这些分布式产品都使用Netty? 6.第一个Netty应用 7.如何理解Netty是NIO的封装 8.logback日志使用的加强 9.Ev…...
【c++基础】国王的魔镜
说明 国王有一个魔镜,可以把任何接触镜面的东西变成原来的两倍——只是,因为是镜子嘛,增加的那部分是反的。 比如一条项链,我们用AB来表示,不同的字母表示不同颜色的珍珠。如果把B端接触镜面的话,魔镜会把…...

配置DNS正反向解析服务!!!!
一.准备工作 #关闭防火墙和selinux,或者允许服务通过 [rootnode ~]# nmcli c mod ens32 ipv4.method manual ipv4.address 192.168.32.133/24 ipv4.gateway 192.168.32.2 ipv4.dns 192.168.32.132 [rootnode ~]# nmcli c reload [rootnode ~]# nmcli c up ens32[rootnode ~]# …...

大模型2024规模化场景涌现,加速云计算走出第二增长曲线
导读:2024,大模型第一批规模化应用场景已出现。 如果说“百模大战”是2023年国内AI产业的关键词,那么2024年我们将正式迈进“应用为王”的新阶段。 不少业内观点认为,2024年“百模大战”将逐渐收敛甚至洗牌,而大模型在…...
Gitlab和Jenkins集成 实现CI (三)
Gitlab和Jenkins集成 实现CI (一) Gitlab和Jenkins集成 实现CI (二) Gitlab和Jenkins集成 实现CI (三) 自动部署 配置免密ssh 进入http服务器 生成ssh密钥 ssh-keygen -t rsa进入jenkins(容器) 拷贝公钥 ssh-copy-id http服务器用户名http服务器ip #输入http服务器密码配…...

随机过程及应用学习笔记(二)随机过程的基本概念
随机过程论就是研究随时间变化的动态系统中随机现象的统计规律的一门数学学科。 目录 前言 一、随机过程的定义及分类 1、定义 2、分类 二、随机过程的分布及其数字特征 1、分布函数 2、数字特征 均值函数和方差函数 协方差函数和相关函数 3、互协方差函数与互相关函…...
【机器学习】Kmeans如何选择k值
确定 K 值是 K-means 聚类分析的一个重要步骤。不同的 K 值可能会产生不同的聚类结果,因此选择合适的 K 值非常重要。 以下是一些常见的方法来选择 K 值: 手肘法:该方法基于绘制聚类内误差平方和(SSE)与 K 值之间的关系图。随着 K 值的增加,SSE会逐渐降低,但降低幅度逐…...
LeetCode 热题 100 | 链表(下)
目录 1 148. 排序链表 2 23. 合并 K 个升序链表 3 146. LRU 缓存 3.1 解题思路 3.2 详细过程 3.3 完整代码 菜鸟做题第三周,语言是 C 1 148. 排序链表 解题思路: 遍历链表,把每个节点的 val 都存入数组中用 sort 函数对数组进…...
Ubuntu搭建计算集群
计算机硬件和技术的发展使得高性能模拟和计算在生活和工作中的作用逐渐显现出来,无论是计算化学,计算物理和当下的人工智能都离不开高性能计算。笔者工作主要围绕计算化学和物理开展,亦受限于自身知识和技术所限,文中只是浅显地尝…...

数据结构~~树(2024/2/8)
目录 树 1、定义: 2、树的基本术语: 3、树的表示 树 1、定义: 树是一种非线性的数据结构,它是由n(n>0)个有限结点组成一个具有层次关系的集合。把它叫做树是因为它看起来像一棵倒挂的树&…...

【教学类-48-03】202402011“闰年”(每4年一次 2月有29日)世纪年必须整除400才是闰年)
2000-2099年之间的闰年有25次, 背景需求: 已经制作了对称年月的数字提取,和年月日相等的年份提取 【教学类-48-01】20240205对称的“年”和“月日”(如2030 0302)-CSDN博客文章浏览阅读84次。【教学类-48-01】202402…...
如何开发一个属于自己的人工智能语言大模型?
要开发一个属于自己的人工智能语言模型,你需要遵循以下步骤: 数据收集:首先你需要大量的文本数据来训练你的模型。这些数据可以来自于各种来源,例如书籍、网站、新闻文章等。你需要确保这些数据足够多样化,以便模型能学…...

【HTTP】localhost和127.0.0.1的区别是什么?
目录 localhost是什么呢? 从域名到程序 localhost和127.0.0.1的区别是什么? 域名的等级划分 多网站共用一个IP和端口 私有IP地址 IPv6 今天在网上逛的时候看到一个问题,没想到大家讨论的很热烈,就是标题中这个: …...
Edge浏览器-常用快捷键
按键组合作用Ctrl Shift I开发人员工具Ctrl E定位到 空地址栏Ctrl L定位到 地址栏Ctrl Shift B显示或隐藏 收藏夹栏Ctrl Shift O打开收藏夹(搜索)Ctrl T打开一个新标签页Ctrl W关闭当前标签页Ctrl Shift T重新打开刚才关闭的标签页Ctrl Tab切换到下一个标签页Ctrl…...
C++:Vector动态数组的copy深入理解
动态数组分配的大小默认为2的n次方1,2,4,8... 在main中创建的vertices,push需要放到Vertex中(copy),下一次copy是因为要调整vertices的大小 vertices.push_back(Vertex(1,2,3));//拷贝 第一次&a…...
【PyTorch】PyTorch中张量(Tensor)切片操作
PyTorch深度学习总结 第三章 PyTorch中张量(Tensor)切片操作 文章目录 PyTorch深度学习总结一、前言二、获取张量中的元素1、切片(行、列数)方法2、torch.where()函数3、使元素置零的操作 一、前言 上文介绍了PyTorch中改变张量(Tensor)形状的操作&…...

GeoServer 2.11.1升级解决Eclipse Jetty 的一系列安全漏洞问题
Eclipse Jetty 资源管理错误漏洞(CVE-2021-28165) Eclipse Jetty HTTP请求走私漏洞(CVE-2017-7656) Eclipse Jetty HTTP请求走私漏洞(CVE-2017-7657) Eclipse Jetty HTTP请求走私漏洞(CVE-2017-7658) Jetty 信息泄露漏洞(CVE-2017-9735) Eclipse Jetty 安全漏洞(CVE-2022-20…...

【蓝桥杯选拔赛真题34】C++最大值 第十三届蓝桥杯青少年创意编程大赛C++编程选拔赛真题解析
目录 C/C++最大值 一、题目要求 1、编程实现 2、输入输出...

大数据学习栈记——Neo4j的安装与使用
本文介绍图数据库Neofj的安装与使用,操作系统:Ubuntu24.04,Neofj版本:2025.04.0。 Apt安装 Neofj可以进行官网安装:Neo4j Deployment Center - Graph Database & Analytics 我这里安装是添加软件源的方法 最新版…...

linux之kylin系统nginx的安装
一、nginx的作用 1.可做高性能的web服务器 直接处理静态资源(HTML/CSS/图片等),响应速度远超传统服务器类似apache支持高并发连接 2.反向代理服务器 隐藏后端服务器IP地址,提高安全性 3.负载均衡服务器 支持多种策略分发流量…...
深入浅出:JavaScript 中的 `window.crypto.getRandomValues()` 方法
深入浅出:JavaScript 中的 window.crypto.getRandomValues() 方法 在现代 Web 开发中,随机数的生成看似简单,却隐藏着许多玄机。无论是生成密码、加密密钥,还是创建安全令牌,随机数的质量直接关系到系统的安全性。Jav…...

(二)原型模式
原型的功能是将一个已经存在的对象作为源目标,其余对象都是通过这个源目标创建。发挥复制的作用就是原型模式的核心思想。 一、源型模式的定义 原型模式是指第二次创建对象可以通过复制已经存在的原型对象来实现,忽略对象创建过程中的其它细节。 📌 核心特点: 避免重复初…...
C++中string流知识详解和示例
一、概览与类体系 C 提供三种基于内存字符串的流,定义在 <sstream> 中: std::istringstream:输入流,从已有字符串中读取并解析。std::ostringstream:输出流,向内部缓冲区写入内容,最终取…...
JVM暂停(Stop-The-World,STW)的原因分类及对应排查方案
JVM暂停(Stop-The-World,STW)的完整原因分类及对应排查方案,结合JVM运行机制和常见故障场景整理而成: 一、GC相关暂停 1. 安全点(Safepoint)阻塞 现象:JVM暂停但无GC日志,日志显示No GCs detected。原因:JVM等待所有线程进入安全点(如…...
【Java学习笔记】BigInteger 和 BigDecimal 类
BigInteger 和 BigDecimal 类 二者共有的常见方法 方法功能add加subtract减multiply乘divide除 注意点:传参类型必须是类对象 一、BigInteger 1. 作用:适合保存比较大的整型数 2. 使用说明 创建BigInteger对象 传入字符串 3. 代码示例 import j…...

【7色560页】职场可视化逻辑图高级数据分析PPT模版
7种色调职场工作汇报PPT,橙蓝、黑红、红蓝、蓝橙灰、浅蓝、浅绿、深蓝七种色调模版 【7色560页】职场可视化逻辑图高级数据分析PPT模版:职场可视化逻辑图分析PPT模版https://pan.quark.cn/s/78aeabbd92d1...

9-Oracle 23 ai Vector Search 特性 知识准备
很多小伙伴是不是参加了 免费认证课程(限时至2025/5/15) Oracle AI Vector Search 1Z0-184-25考试,都顺利拿到certified了没。 各行各业的AI 大模型的到来,传统的数据库中的SQL还能不能打,结构化和非结构的话数据如何和…...

Matlab实现任意伪彩色图像可视化显示
Matlab实现任意伪彩色图像可视化显示 1、灰度原始图像2、RGB彩色原始图像 在科研研究中,如何展示好看的实验结果图像非常重要!!! 1、灰度原始图像 灰度图像每个像素点只有一个数值,代表该点的亮度(或…...