ChatGPT的大致原理

国外有个博主写了一篇博文，名字叫TChatGPT: Explained to KidsQ」，
直译过来就是，给小孩子解释什么是ChatGPT。

因为现实是很多的小孩子已经可以用父母的手机版ChatGPT玩了
，ChatGPT几乎可以算得上无所不知，起码给小孩子讲故事，回
答一些简单的回答不在话下。其实这里面就涉及到ChatGPT的一
个最最基本也是核心的功能，就是问答，而这个问答功能就是第
一代ChatGPT非常的简单直接，你打字给它，它输出给你。比如
你输入你好，它会随机的给出「吗」,「高」，「美」等回答，这
些回答选项取决于你们之前的对话内容。

这个阶段的ChatGPT是大语言模型，它的特点就是只能接受文字
输入，并且也只能以文字输入。中文，英文，数字或者是代码，其
本质上都是文字，那么其实最主要的问题就是为什么ChatGPT能理
解我们说的话，同时还能基本上回答出让我们满意甚至是惊艳的回
答。我们其实可以用一句老话来形容，那就是书读百遍，其义自现。
说白了就是读的多了，就算不懂某句古诗或者古文的意思，但是起
码是背下来了，直接背出来了。ChatGPT就是读了巨量的「书」，
这些资料有的来自于书籍，有的来自于互联网，总之它读了很多很
多的书，它的记忆里存储了大量的知识，这一点儿跟人类其实非常
的像。但是在回答的问题跟人类会有一些不同，比如我们在背诵古
诗词的时候，床前明月光Q，后面如果我们背下来了并且确定背的
对的话，后一句肯定接的是疑是地上霜。当然我们可以随便编一个
错误回答，比如唧唧复唧唧，我们是回答了，但是我们知道肯定是
瞎编的。但是ChatGPT在回答的时候不是这么思考的，它的学习资
料来自于公开的数据，如果所有的?里面床前明月光后面都是疑是地
上霜，那么你放心，它肯定可以回答的又快又对。不过事实上，互联
网上的资料不一定都对，有可能某一篇或者某几篇文章里面它的诗句
就是错的，那么ChatGPT就有一定的几率输出错误的回答。

特别是很多人都体验过，ChatGPT会胡乱的说作者名字。因为ChatGPT的
输出主要是靠概率，下一个字的输出取决于前面的内容，就还拿刚开始的
问题来举例。
就比如你好，后面可以跟很多的词。如果你看到一个人好像受伤了，坐在
地上，你应该会说：你好吗？如果你在篮球场碰到了一个身高2米以上的
运动员，你应该不会说你好吗或者你好美，而是你好高。你好美也同理。
我们就可以这么理解，ChatGPT是一个可以综合各种信息进行概率最大
化输出的人工智能模型。
这个时候我们可以讲一些细节。ChatGPT的名字分为两部分：Chat和GPT。
Chat是聊天的意思，GPT是Gene rative Pre-trained Transformer的首字母缩写。
其中Genrative是生成的意思，它的作用是可以创造或者生产一些新的东西；
Pre-trainedQ是它从大量的文本资料中学习而来，Transformer指的是一种人
工智能的模型。T不用关注，主要就看G和P这两个词就行。
我们主要用的就是它的Generative功能，用、来生成各种各样的内容；但是我们
需要知道方，么它可以生产各种内容，原因就在于P。只有学习了大量的内容，
才可以进行再生产。而这种学习其实是会有局限性了，很自然的，比如说你从
小学习了很多的知识，但你可以保证你对一个问题的回答是完全正确的吗？
几乎不可能，第一是知识的局限性，ChatGPT也一样，不可能掌握所有的知识；
第二是知识的准确性，怎么保证所有的知识都是准确无误的；第三是知识的复
杂性，同一个概念在不同的语境下有不同的体现，这种度别说AI，就连人都很
难完美把握。
能大致讲一下ChatGPT的原理…所以我们在使用ChatGPT的时候，也需要监督
ChatGPT输出内容的准确性，它大概率是没问题的，但是你要把它用在关键问
题上，就得人工再审核一遍。而现在的ChatGPT，其实已经升级过两次了，一
次是GPT4Q，具有更准确的回答能力，另一次是最近的GPT Turbo。现在的Ch
atGPT，是一种叫多模态的大模型它跟第一代不同的地方就在于它不仅可以接收
和输出文字，也可以接收其他类型的输入，比如图片，文档，视频等等，然后输
出也更加多样化除了文本之外，也可以输出图片或者文件等等。

这个「模」在这里就指的是不同的数据类型，为什么ChatGPT要做多模态，
本质上就是因为OpenAI做ChatGPT的初衷就是要做AGI。

而AGI又是什么呢，它的全名叫Artificial generalintelligence，通用人工智能。

它的特点就是可以在所有的任务中表现的跟人类相似。也可以简单的理解
为跟人类具有相近的智能程度，而像人类的话，起码可以跟人类一样做到几
件事，可以看东西，可以听东西，可以说东西也可以写东西。
第一代的ChatGPT只能看文字和写文字，其实远远摸不到AGI的边。
而多模态就是必要的实现路径，现在的ChatGPT可以看，看文字和看图片都
可以；可以听和说，这个功能已经在手机APP版本的ChatGPT中实现了，也
可以写，也就是输出东西，它可以写代码，写文章，也可以画画等等。
这就是为什么要做多模态的出发点，更重要的是这个世界本来就是多模态的，
很多东西很难用文字完全表述，比如如何形容一朵花都感觉不够完美，最简
单方法就是把照片拿出来看。
而多模态的ChatGPT就做的事这件事，接收:类型的输入并且输出各种类型的输出。
这篇问答主要的作用是通俗的解释了ChatGPT的运行原理，但是很多的细节并没
有涉及到，如果大家对于细节感兴趣，建议大家可以去看看深入学习一下。