目录
简介:
chatGPT是美国旧金山openAI于2022年11月30日6研发发布的聊天机器人程序 ， 创始人:open合创始人兼首席执行官山姆·阿尔特曼（Sam Altman）。
在ChatGPT发布的一周后，有超过一百万的用户尝试了这个线上工具。
chatGPT是人工智能技术驱动的自然语言处理工具，它能够通过学习和理解人类的语言来进行对话。
还能根据聊天逻辑进行对话，真正像人类一样进行聊天。
chatGPT
chatGPT功能:
它可以撰写邮件，编程程序代码，论文，视频脚本，翻译，诗歌等包含多个领域。 几乎包含所有的学识。
chatGTP功能类似于web搜索引擎，(如 百度，谷歌，微软Edge,360)等在搜索引擎(浏览器)上提出自己的问题
然后会给你想要的数据答案 同理，chaGPT也是一样提出问题给你答复。
cahtGPT
openAI的追特点:
Decoder 结构：适合问答模式:
通用模型：避免在早期架构和训练阶段为特定任务做调优； 巨量数据和参数：模型知识储备丰富； 连续对话的能力：具备强大上下文对话能力。
chatGPT的编译原理:
步骤 1：监督调优模型
第一步是收集数据，以训练有监督的策略模型。
数据收集：选择一个提示列表，标注人员按要求写下预期的输出。对于 ChatGPT，使用了两种不同的prompt来源：一些是直接使用标注人员或研究人员准备的，另一些是从 OpenAI 的 API 请求（即从 GPT-3 用户那里）获取的。虽然整个过程缓慢且昂贵，但最终得到的结果是一个相对较小、高质量的数据集（大概有 12-15k 个数据点），可用于调优预训练的语言模型。模型选择：ChatGPT 的开发人员选择了GPT-3.5 系列中的预训练模型，而不是对原始 GPT-3 模型进行调优。使用的基线模型是最新版的 text-davinci-003（通过对程序代码调优的 GPT-3 模型）。
第二步：训练回报模型
这一步的目标是直接从数据中学习目标函数。该函数的目的是为 SFT 模型输出进行打分，这代表这些输出对于人类来说可取程度有多大。这强有力地反映了选定的人类标注者的具体偏好以及他们同意遵循的共同准则。最后，这个过程将从数据中得到模仿人类偏好的系统。
它的工作原理是：
选择 prompt 列表，SFT 模型为每个 prompt 生成多个输出（4 到 9 之间的任意值)标注者将输出从最佳到最差排序。结果是一个新的标签数据集，该数据集的大小大约是用于 SFT 模型的精确数据集的 10 倍。此新数据用于训练 RM 模型 。该模型将 SFT 模型输出作为输入，并按优先顺序对它们进行排序。chatGPT
chatPGT到底能不能取代人类？
对于这个话题我没有明确的定义
在我看来，ChatGPT更擅长生产“流利的废话”。它能给所有问题提供一个看似正确的答案，但它不保证正确性。ChatGPT如果参与创意产业和知识领域，在提高内容生产规模和速度的同时，就可能会提供看似有用但经不起推敲的内容，从而产生大量“互联网垃圾”，且更容易被滥用于抄袭、欺诈和传播虚假信息。
如果对网络安全感兴趣 ，请加入群聊: 可以领取学习资料 （linux操作系统，网络安全渗透测试，python语言，网络爬虫)
