chat GPT第一讲
计算机的语言奇迹:探秘ChatGPT的智能回答和写作能力
目前我们这个行业,最火的话题无疑是AI人工智能,类似ChatGPT这样的智能Ai,今天剩下的时间不多,每天一个主题,我给大家讲一下计算机回答问题和写作的能力,尤其是聊天型AI模型ChatGPT。让大家可以更加前沿的了解一下关于它的一些情况。
说起ChatGPT呢,之所以如此受欢迎,其实是因为它可以模仿人类对话。不同于以前的对话系统,它不再是讲的尽是一些不着边际的话了,ChatGPT的回答非常准确,并且看起来就像是真人在对话。
面对ChatGPT,大家可能听到过各种有赞美啊、质疑啊这些声音,甚至还有人用它来传播一些恐惧。但其中大部分甚至九成以上的理解都是带有一些想象色彩的,它不符合基本的信息理论和物理学原理。所以在讲具体内容之前,我们要先对ChatGPT有一个理性的认识。
在今天,ChatGPT令人惊奇的地方主要有两个:一、就是是它能回答复杂的问题,二呢、是它能进行写作,你告诉它写什么,给它一个主题,它就能给你写一篇很棒的文章。
那么,让计算机完成这两项任务难吗?确实,在上个世纪五六十年代,这两件事被认为是非常难的事。科学家们认为,如果计算机能够很好地解决语音识别、语言翻译、回答复杂的问题、写作等等任务,就表明它能和人一样聪明了。但随着科技和互联网的发展,这些任务变得比想象中要容易得多。
在2014年左右,我们的计算机问答系统其实就已经取得了很大进展。Google的一个自动问答系统可以回答各种问题,而且答案也很精准。类似地,计算机还可以写作,比如解释一些物理原理、或者甚至烤蛋糕的步骤这些都可以精简回答。这些成果表明,让计算机完成这些任务是完全可行的。
计算机回答问题方面,早在2008年前后就能回答那些与事实相关的问题,比如“是谁”“什么时候”“在哪里”等这类问题。但是对于“为什么”和“怎么做”这类问题,2014年计算机就已经能完美回答40%的“难问题”,现在ChatGPT的回答能力更强大。
关于计算机写作,早在几年前开始,就有很多财经类文章是由计算机写的。而今天,很多纸媒文章的撰写也得益于计算机。当然,写作中的编辑工作仍然需要人来完成,但计算机的写作能力已经超越了许多人。
计算机写作的原理其实并不神秘,它就像一个“玩具”程序可以写唐诗一样。通过训练模型和加入适当的一些限制,计算机就可以创作出优美的诗歌。当然,还有很多改进的空间,如果更加细致地进行编程,计算机写出的诗会更加出色。
为什么2023之前,我们没有看到ChatGPT这样的问答产品呢?
今年3月底,Google负责搜索和人工智能的高级副总裁谈了ChatGPT的事情。他说:ChatGPT能做的事情,Google的产品和服务其实三年前就能做了,只是没有包装成ChatGPT这样的产品而已。因为公司认为,有更重要的事需要人工智能来做。
此外,提供这种不受限制的问答服务,对于Google这样的公司来讲,还有很多法律问题。比如,Google如果就法律问题给出建议的话,它会惹很多麻烦,搞不好会赔上百万美元。但是至少在今天,大家还不会为难OpenAI,一方面是OpenAI是半公益性质的公司,另一方面可能也是因为和它这样的初创公司打官司挣不到多少钱的。(开玩笑)
那今天ChatGPT被炒得那么火,它的能力到底怎么样?实事求是说,有做得好的,也有不尽如人意的。
现在人们使用ChatGPT的目的大致可以归结为三个:
第一个是信息查询,过去Google是给出有答案的网页链接,然后我们去链接的网页上面去翻阅之前有给过的回答,但今天ChatGPT是直接给出答案。
第二个是让它帮助写作业,这是很多大中学生使用它的原因。
第三个则是写一些应付差事的汇报,这主要是职场上的人士使用。
这三件事的核心是两个,一个是理解自然语言,明白人的意图;另一个是产生自然语言的文本,满足人的要求。
ChatGPT能够实现这些任务并不是一夜之间的成就。它是科技发展的顺理成章的一种结果。虽然它表现得很出色,但并不是完美的。它在理解自然语言方面做得较好,但在产生内容方面可能表现不稳定。它的表现受训练数据和人的要求影响较大,人们主要用ChatGPT进行信息查询、辅助写作和完成应付性质的汇报。在使用ChatGPT时,数据和格式的重要性也不能忽视。所以我们在使用ChatGPT进行提问的时候要学会如何提问,如何给他一些限制条件,让他的回答更符合我们想要的结果。
总结一下:
1.ChatGPT是基于语言模型的自然语言处理系统。
2.让计算机回答问题并不是一件高不可攀的事情,在今天,让它做得比人好是完全能够办得到的。
3.我们让ChatGPT做的事情,核心有两个,一个是理解自然语言,明白人的意图;另一个是产生自然语言的文本,满足人的要求。
最后想和大家说的是,ChatGPT虽然被炒得火热,但它的能力是渐进发展的结果,是科技发展的必然产物。在我们后面的课堂中,我会带着大家更深入地了解ChatGPT的工作原理和更好地利用它的方法。就比如我们今天提到的语言模型以及自然语言处理方式等等。
相关文章:
chat GPT第一讲
计算机的语言奇迹:探秘ChatGPT的智能回答和写作能力 目前我们这个行业,最火的话题无疑是AI人工智能,类似ChatGPT这样的智能Ai,今天剩下的时间不多,每天一个主题,我给大家讲一下计算机回答问题和写作的能力,…...
JAVA工程师面试专题-Mysql篇
一、基础 1、mysql可以使用多少列创建索引? 16 2、mysql常用的存储引擎有哪些 存储引擎Storage engine:MySQL中的数据、索引以及其他对象是如何存储的,是一套文件系统的实现。常用的存储引擎有以下: Innodb引擎:In…...
vue中使用echarts绘制双Y轴图表时,刻度没有对齐的两种解决方法
文章目录 1、原因2、思路3、解决方法3.1、使用alignTicks解决3.2、结合min和max属性去配置interval属性1、首先固定两边的分隔的段数。2、结合min和max属性去配置interval。 1、原因 刻度在显示时,分割段数不一样,导致左右的刻度线不一致,不…...
编程笔记 Golang基础 022 数组
编程笔记 Golang基础 022 数组 一、数组定义和初始化二、访问数组元素三、遍历数组四、数组作为参数六、特点七、注意事项 在Go语言中,数组是一种基本的数据结构,用于存储相同类型且长度固定的元素序列。 一、数组定义和初始化 // 声明并初始化一个整数…...
【kubernetes】二进制部署k8s集群之,多master节点负载均衡以及高可用(下)
↑↑↑↑接上一篇继续部署↑↑↑↑ 之前已经完成了单master节点的部署,现在需要完成多master节点以及实现k8s集群的高可用 一、完成master02节点的初始化操作 二、在master01节点基础上,完成master02节点部署 步骤一:准备好master节点所需…...
哈希表在Java中的使用和面试常见问题
当谈到哈希表在Java中的使用和面试常见问题时,以下是一些重要的点和常见问题: 哈希表在Java中的使用 HashMap 和 HashTable 的区别: HashMap 和 HashTable 都实现了 Map 接口,但它们有一些重要的区别: HashMap 是非线…...
LeetCode刷题小记 三、【哈希表】
1. 哈希表 文章目录 1. 哈希表写在前面1.1 理论基础1.2 有效的字母异位词1.3 两个数组的交集1.4 快乐数1.5 两数之和1.6 四数相加||1.7 赎金信1.8 三数之和(哈希法梦碎的地方)1.9 四数之和 Reference 写在前面 本系列笔记主要作为笔者刷题的题解&#x…...
Zookeeper选举Leader源码剖析
Zookeeper选举Leader源码剖析 leader选举流程 参数说明 myid: 节点的唯一标识,手动设置zxid: 当前节点中最大(新)的事务idepoch-logic-clock: 同一轮投票过程中的逻辑时钟值相同,每投完一次值会增加 leader选举流程 默认投票给自己,优先选择…...
Redis(十六)缓存预热+缓存雪崩+缓存击穿+缓存穿透
文章目录 面试题缓存预热缓存雪崩解决方案 缓存穿透解决方案 缓存击穿解决方案案例:高并发聚划算业务 总结表格 面试题 缓存预热、雪崩、穿透、击穿分别是什么?你遇到过那几个情况?缓存预热你是怎么做的?如何避免或者减少缓存雪崩?穿透和击穿有什么区别?他两是…...
[已解决]npm淘宝镜像最新官方指引(2023.08.31)
最新的配置淘宝镜像的淘宝官方提供的方法 npm config set registry https://registry.npmmirror.com原来的 registry.npm.taobao.org 已替换为 registry.npmmirror.com ,当点击 registry.npm.taobao.org 会默认跳转到 registry.npmmirror.com 如果你想将npm的下载…...
ffmpeg之avformat_alloc_output_context2
函数原型: int avformat_alloc_output_context2(AVFormatContext **ctx, const AVOutputFormat *oformat,const char *format_name, const char *filename); 功能: 根据format_name或者filename或者oformat查找输出类型,并且初始化ctx结构。 参数: ctx:AVFormatContext…...
GitLab代码库提交量统计工具
1.说明 统计公司所有项目的提交情况,可指定分支和时间段,返回每个人的提交新增数、删除数和总数。 2.API 文档地址:http://公司gitlab域名/help/api/README.md 项目列表查询 返回示例: [{"id": 1, //项目ID"http…...
Python爬虫技术详解:从基础到高级应用,实战与应对反爬虫策略【第93篇—Python爬虫】
前言 随着互联网的快速发展,网络上的信息爆炸式增长,而爬虫技术成为了获取和处理大量数据的重要手段之一。在Python中,requests模块是一个强大而灵活的工具,用于发送HTTP请求,获取网页内容。本文将介绍requests模块的…...
关于TypeReference的使用
关于TypeReference的使用 在项目中,有遇到TypeReference的使用,其主要在字符串转对象过程中,对于序列化和反序列化中也有效果,将字符串转换成自定义对象. 1 说明 以常见为例,在com.alibaba.fastjson包下面的TypeReference类,是指Type的Reference,表示某类型的一个指…...
阿里大文娱前端一面
引言 我目前本科大四,正在春招找前端,有大厂内推的友友可以聊一聊,球球给孩子的机会吧。 我整理了一份10w字的前端技术文档:https://qx8wba2yxsl.feishu.cn/docx/Vb5Zdq7CGoPAsZxMLztc53E1n0k?fromfrom_copylink,对…...
Clickhouse系列之连接工具连接、数据类型和数据库
基本操作 一、使用连接工具连接二、数据类型1、数字类型IntFloatDecimal 2、字符串类型StringFixedStringUUID 3、时间类型DateTimeDateTime64Date 4、复合类型ArrayEnum 5、特殊类型Nullable 三、数据库 一、使用连接工具连接 上一篇介绍了clickhouse的命令行登录,…...
【深入理解设计模式】原型设计模式
原型设计模式 原型设计模式(Prototype Pattern)是一种创建型设计模式,它允许通过复制已有对象来创建新对象,而无需直接依赖它们的具体类。这种模式通常用于需要频繁创建相似对象的场景,以避免昂贵的创建操作或初始化过…...
Python算法题集_图论(课程表)
Python算法题集_课程表 题207:课程表1. 示例说明2. 题目解析- 题意分解- 优化思路- 测量工具 3. 代码展开1) 标准求解【循环递归全算】2) 改进版一【循环递归缓存】3) 改进版二【循环递归缓存反向计算】4) 改进版三【迭代剥离计数器检测】 4. 最优算法5. 相关资源 本…...
视频评论挖掘软件|抖音视频下载工具
针对抖音视频下载的需求,我们开发了一款功能强大的工具,旨在解决用户在获取抖音视频时需要逐个复制链接、下载的繁琐问题。我们希望用户能够通过简单的关键词搜索,实现自动批量抓取视频,并根据需要进行选择性批量下载。因此&#…...
Linux学习方法-框架学习法——Linux驱动架构的演进
配套视频学习链接:https://www.bilibili.com/video/BV1HE411w7by?p4&vd_sourced488bc722b90657aaa06a1e8647eddfc 目录 Linux驱动演进的过程 Linux驱动的原始架构(Linux V2.4) 平台总线架构(platform) Linux设备树 Linux驱动演进的趋势 Linux驱动演进的过程…...
利用最小二乘法找圆心和半径
#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …...
MPNet:旋转机械轻量化故障诊断模型详解python代码复现
目录 一、问题背景与挑战 二、MPNet核心架构 2.1 多分支特征融合模块(MBFM) 2.2 残差注意力金字塔模块(RAPM) 2.2.1 空间金字塔注意力(SPA) 2.2.2 金字塔残差块(PRBlock) 2.3 分类器设计 三、关键技术突破 3.1 多尺度特征融合 3.2 轻量化设计策略 3.3 抗噪声…...
React 第五十五节 Router 中 useAsyncError的使用详解
前言 useAsyncError 是 React Router v6.4 引入的一个钩子,用于处理异步操作(如数据加载)中的错误。下面我将详细解释其用途并提供代码示例。 一、useAsyncError 用途 处理异步错误:捕获在 loader 或 action 中发生的异步错误替…...
从零实现富文本编辑器#5-编辑器选区模型的状态结构表达
先前我们总结了浏览器选区模型的交互策略,并且实现了基本的选区操作,还调研了自绘选区的实现。那么相对的,我们还需要设计编辑器的选区表达,也可以称为模型选区。编辑器中应用变更时的操作范围,就是以模型选区为基准来…...
【HarmonyOS 5.0】DevEco Testing:鸿蒙应用质量保障的终极武器
——全方位测试解决方案与代码实战 一、工具定位与核心能力 DevEco Testing是HarmonyOS官方推出的一体化测试平台,覆盖应用全生命周期测试需求,主要提供五大核心能力: 测试类型检测目标关键指标功能体验基…...
《用户共鸣指数(E)驱动品牌大模型种草:如何抢占大模型搜索结果情感高地》
在注意力分散、内容高度同质化的时代,情感连接已成为品牌破圈的关键通道。我们在服务大量品牌客户的过程中发现,消费者对内容的“有感”程度,正日益成为影响品牌传播效率与转化率的核心变量。在生成式AI驱动的内容生成与推荐环境中࿰…...
Vue2 第一节_Vue2上手_插值表达式{{}}_访问数据和修改数据_Vue开发者工具
文章目录 1.Vue2上手-如何创建一个Vue实例,进行初始化渲染2. 插值表达式{{}}3. 访问数据和修改数据4. vue响应式5. Vue开发者工具--方便调试 1.Vue2上手-如何创建一个Vue实例,进行初始化渲染 准备容器引包创建Vue实例 new Vue()指定配置项 ->渲染数据 准备一个容器,例如: …...
Spring是如何解决Bean的循环依赖:三级缓存机制
1、什么是 Bean 的循环依赖 在 Spring框架中,Bean 的循环依赖是指多个 Bean 之间互相持有对方引用,形成闭环依赖关系的现象。 多个 Bean 的依赖关系构成环形链路,例如: 双向依赖:Bean A 依赖 Bean B,同时 Bean B 也依赖 Bean A(A↔B)。链条循环: Bean A → Bean…...
[免费]微信小程序问卷调查系统(SpringBoot后端+Vue管理端)【论文+源码+SQL脚本】
大家好,我是java1234_小锋老师,看到一个不错的微信小程序问卷调查系统(SpringBoot后端Vue管理端)【论文源码SQL脚本】,分享下哈。 项目视频演示 【免费】微信小程序问卷调查系统(SpringBoot后端Vue管理端) Java毕业设计_哔哩哔哩_bilibili 项…...
HubSpot推出与ChatGPT的深度集成引发兴奋与担忧
上周三,HubSpot宣布已构建与ChatGPT的深度集成,这一消息在HubSpot用户和营销技术观察者中引发了极大的兴奋,但同时也存在一些关于数据安全的担忧。 许多网络声音声称,这对SaaS应用程序和人工智能而言是一场范式转变。 但向任何技…...
