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…...
MongoDB学习和应用(高效的非关系型数据库)
一丶 MongoDB简介 对于社交类软件的功能,我们需要对它的功能特点进行分析: 数据量会随着用户数增大而增大读多写少价值较低非好友看不到其动态信息地理位置的查询… 针对以上特点进行分析各大存储工具: mysql:关系型数据库&am…...
FFmpeg 低延迟同屏方案
引言 在实时互动需求激增的当下,无论是在线教育中的师生同屏演示、远程办公的屏幕共享协作,还是游戏直播的画面实时传输,低延迟同屏已成为保障用户体验的核心指标。FFmpeg 作为一款功能强大的多媒体框架,凭借其灵活的编解码、数据…...
【大模型RAG】Docker 一键部署 Milvus 完整攻略
本文概要 Milvus 2.5 Stand-alone 版可通过 Docker 在几分钟内完成安装;只需暴露 19530(gRPC)与 9091(HTTP/WebUI)两个端口,即可让本地电脑通过 PyMilvus 或浏览器访问远程 Linux 服务器上的 Milvus。下面…...
Java-41 深入浅出 Spring - 声明式事务的支持 事务配置 XML模式 XML+注解模式
点一下关注吧!!!非常感谢!!持续更新!!! 🚀 AI篇持续更新中!(长期更新) 目前2025年06月05日更新到: AI炼丹日志-28 - Aud…...
DBAPI如何优雅的获取单条数据
API如何优雅的获取单条数据 案例一 对于查询类API,查询的是单条数据,比如根据主键ID查询用户信息,sql如下: select id, name, age from user where id #{id}API默认返回的数据格式是多条的,如下: {&qu…...
Linux 中如何提取压缩文件 ?
Linux 是一种流行的开源操作系统,它提供了许多工具来管理、压缩和解压缩文件。压缩文件有助于节省存储空间,使数据传输更快。本指南将向您展示如何在 Linux 中提取不同类型的压缩文件。 1. Unpacking ZIP Files ZIP 文件是非常常见的,要在 …...
MySQL:分区的基本使用
目录 一、什么是分区二、有什么作用三、分类四、创建分区五、删除分区 一、什么是分区 MySQL 分区(Partitioning)是一种将单张表的数据逻辑上拆分成多个物理部分的技术。这些物理部分(分区)可以独立存储、管理和优化,…...
苹果AI眼镜:从“工具”到“社交姿态”的范式革命——重新定义AI交互入口的未来机会
在2025年的AI硬件浪潮中,苹果AI眼镜(Apple Glasses)正在引发一场关于“人机交互形态”的深度思考。它并非简单地替代AirPods或Apple Watch,而是开辟了一个全新的、日常可接受的AI入口。其核心价值不在于功能的堆叠,而在于如何通过形态设计打破社交壁垒,成为用户“全天佩戴…...
Spring AI Chat Memory 实战指南:Local 与 JDBC 存储集成
一个面向 Java 开发者的 Sring-Ai 示例工程项目,该项目是一个 Spring AI 快速入门的样例工程项目,旨在通过一些小的案例展示 Spring AI 框架的核心功能和使用方法。 项目采用模块化设计,每个模块都专注于特定的功能领域,便于学习和…...
动态规划-1035.不相交的线-力扣(LeetCode)
一、题目解析 光看题目要求和例图,感觉这题好麻烦,直线不能相交啊,每个数字只属于一条连线啊等等,但我们结合题目所给的信息和例图的内容,这不就是最长公共子序列吗?,我们把最长公共子序列连线起…...
