我们都差点被ChatGPT骗了，但这也许是好事儿( 二 ) _ChatGPT

它的第二组回应，更有意思了：

文章插图
图片来源：硅星人
怎么说呢，有点缸中之脑的意思了。

文章插图
图片来源：Steemit
| 不要高估 ChatGPT
几个来回之后，我对 ChatGPT 愈发刮目相看。
通常来说，问题太短，太“不知所云”的话，ChatGPT 无法掌握我的意图，就会给出“抱歉我只是个AI助手我啥都不会”的标准回应；
另一边，如果你把“提示工程”这件事玩到极致了，写了一个巨长的问题，得到的答案也不再会高于你自己的期待值——毕竟如果它连如此清晰明确的提示都听不懂的话，也未免太低能了。
但有的时候如果你给 ChatGPT 的问题，“抽象”程度恰到好处，又或者纯粹就是因为赶上好运气了，你会得到一些非常有趣的回答——经过人工编辑的后期加工润色一下，真的能生成一些颇有趣味的文章。

无论是让他写文章、写剧本，写诗，还是写歌词，它的能力都会让你感到佩服。

文章插图
一首霉霉风格，关于新冠疫情的歌。图片来源：硅星人
ChatGPT 作为一个极其前沿的技术 demo（虽然用户量破了两百万，但仍然不算是一个“产品”），目前展示出的创作能力已经足以令人惊讶。
但观察网络上大量用户和它的对话，特别是当它给出一些特定答案，或者完全答不上来的时候，一部分用户所表现出来的鄙夷或嘲讽……
我发现其实很多人误会了 ChatGPT，高估了它的能力。
在 OpenAI 创立不久后，这家硅谷研究型公司就将研究重心之一聚焦在了大型生成式模型上。在2019年推出的 GPT-2，在训练预料数据、训练技术、参数量等关键细节上实现了跳跃式的进步和巨大的改善。
到了 2020年，OpenAI 发表了那篇注定将在未来荣膺经典大奖的论文《Language Models are Few-Shot Learners》，展示了当时最新一代的 GPT-3 超大规模生成式语言模型在完成各种文本生成类任务上的杰出能力。
相比前代，GPT-3 的参数量高出了10倍以上，并且直接使用自然语言输入进行训练，去掉了微调参数的步骤。更重要的是，GPT-3 的训练语料数据库极其巨大，包含了来自整个互联网的信息。以至于在 OpenAI 推出基于 GPT-3 的商用 API 时，众多用户发现几乎没有任何问题难住它。实际上当时的 GPT-3 已经像今天的 ChatGPT 这样火过一次了，只是当时没有面向公众开放，能体会其强大的用户数量有限。
学术界和工业界本来猜测 OpenAI 会在今年的机器学习学术会议上正式发布 GPT-4，结果没能遂愿。不过 OpenAI 并没有晾着大家，而是在今年推出了 GPT-3.5 ，并且在上周发布了基于这个升级版模型的 ChatGPT，立刻风靡全球，让超百万人玩到上瘾。

文章插图
ChatGPT 是一个：

面向对话而优化
能够解答各种问题，提供有价值信息的
聊天机器人

作为一个聊天机器人，ChatGPT 具有同类产品的一些主流特性，特别是多轮对话能力，能够在同一个会话期间内回答上下文相关的后续问题。
但更重要的是，因为采用了先进的、注重道德水平的训练方式，ChatGPT 具有其他聊天机器人不具备或表现较差的能力：承认自己的错误，并且按照预先设计的道德准则，对“不怀好意”的提问和请求“说不” 。
ChatGPT 仍然有它的局限所在。
第一条局限，在于知识库有截止日期，且不具备网络访问能力。
在上周，我们曾经引用了一条来自早期用户的锐评：ChatGPT 可以取代谷歌了。