在解釋SoMin公司的廣告文案和橫幅產生功能時,經常有人會問,是否用ChatGPT取代了GPT-3,或者是否仍在運行過時的模式。
在解釋SoMin公司的廣告文案和橫幅產生功能時,經常有人會問,是否用ChatGPT取代了GPT-3,或者是否仍在運行過時的模式。 「我們沒有,也不打算這樣做。」SoMin公司發言人給出這樣的回答,儘管OpenAI公司推出的ChatGPT這款聊天機器人正在蓬勃發展。這往往會讓客戶大吃一驚,以下解釋他為什麼要給出這樣的答案。
在人工智慧模型中佔有一席之地
GPT-2、GPT-3、ChatGPT以及最近推出的GPT-4都屬於同一類人工智慧模型——Transformer。這意味著,與上一代機器學習模型不同,它們被訓練來完成更統一的任務,因此它們不需要為每個特定的任務重新訓練來產生可行的結果。後者解釋了它們的巨大規模(在GPT-3的例子中有1750億個參數),而一個模型可能需要“記住整個互聯網”,才能足夠靈活地根據用戶輸入在不同的數據片段之間切換。然後,當使用者輸入查詢的問題,描述任務和幾個範例(就像你向圖書館員詢問感興趣的書籍一樣)時,模型能夠產生結果。這種方法被稱為「小樣本學習」(Few-Shot Learning),最近在為現代Transformer模型提供輸入已成為一種趨勢。
但是,為了完成當前的任務,是否總是需要掌握所有的互聯網知識呢?當然不是——在很多情況下,就像ChatGPT一樣,需要大量(數以百萬計)特定於任務的資料樣本,這些樣本將允許模型啟動「從人類回饋中強化學習(RLHF)」過程。反過來,RLHF將衍生出人工智慧和人類之間進行的協作訓練過程,以進一步訓練人工智慧模型,以產生類似人類的對話。因此,ChatGPT不僅在聊天機器人場景中表現出色,而且還幫助人們編寫短篇內容(例如詩歌或歌詞)或長篇內容(例如論文);當人們需要快速獲得答案時,可以採用簡單的術語或深入的知識解釋複雜的話題;提供腦力激盪、新的話題和想法,這在創作過程中是有幫助的,支持銷售部門進行個人化溝通,例如生成電子郵件進行回應。
雖然從技術上來說,大型Transformer模型可以嘗試完成這些任務,但不太可能由ChatGPT甚至GPT-4來完成——這是因為ChatGPT和其他OpenAI的Transformer對世界發生的事件了解非常有限,因為它們是預先訓練的模型,因此由於模型再訓練的計算需求非常大,因此它們的資料更新不夠頻繁。這可能是迄今為止OpenAI(以及其他任何公司)所產生的所有預訓練模型中最大的缺點。一個更大的問題是針對ChatGPT的:與GPT-3不同,它是在一個非常集中的對話資料集上進行訓練的,因此,只有在對話任務中ChatGPT才能超越它的前輩,而在完成其他人類生產力任務時,它就不那麼先進。
成長中的大型語言模型家族
人們現在知道ChatGPT只是GPT-3的一個更小、更具體的版本,但這是否意味著在不久的將來會有更多這樣的模型出現:用於行銷的MarGPT,用於數位廣告的AdGPT,用於回答醫療問題的MedGPT?
這是有可能的,原因如下:當SoMin公司提交一份申請以在取得GPT-3 Beta的存取權限時,儘管填寫了一份冗長的申請表,詳細解釋了將要建立的當前軟體,但被要求同意提供關於每天如何使用模型以及所收到的結果的回饋。 OpenAI公司這樣做是有原因的,主要是因為這是一個研究項目,他們需要對模型的最佳應用進行商業洞察,他們透過眾籌來換取參與這場偉大的人工智慧革命的機會。聊天機器人應用程式似乎是最受歡迎的應用程式之一,所以ChatGPT首先出現。 ChatGPT不僅規模更小(200億個參數vs.1750億個參數),而且比GPT-3更快,而且在解決會話任務時比GPT-3更準確——對於低成本/高品質的人工智慧產品來說,這是一個完美的商業案例。
那麼,對於生成式人工智慧來說,規模越大越好嗎?其答案是,要視情況而定。當人們正在建立一個能夠完成許多任務的通用學習模型時,其答案是肯定的,其規模越大越好,GPT-3比GPT-2和其他前輩的優勢證明了這一點。但是,當人們想要好好完成一項特定的任務時,就像ChatGPT中的聊天機器人一樣,那麼與模型和資料大小相比,資料焦點和適當的訓練過程要重要得多。這就是為什麼在SoMin公司沒有使用ChatGPT來產生文案和橫幅的原因,而是利用特定的數位廣告相關數據來指導GPT-3為尚未看到的新廣告製作更好的內容。
那麼,有人可能會問,生成式人工智慧的未來將如何發展?多模態將是人們在即將到來的GPT-4中看到的不可避免的進步之一,正如OpenAI公司執行長Sam Altman在他的演講中提到的那樣。同時,Altman也打破了該模型擁有100兆個參數的傳言。因此,人們都知道,這種人工智慧模型越大並不總是代表越好。
以上是ChatGPT vs. GPT-3 vs. GPT-4只是聊天機器人家族的內部鬥爭的詳細內容。更多資訊請關注PHP中文網其他相關文章!

利用“設備” AI的力量:建立個人聊天機器人CLI 在最近的過去,個人AI助手的概念似乎是科幻小說。 想像一下科技愛好者亞歷克斯(Alex)夢見一個聰明的本地AI同伴 - 不依賴

他們的首屆AI4MH發射於2025年4月15日舉行,著名的精神科醫生兼神經科學家湯姆·因斯爾(Tom Insel)博士曾擔任開幕式演講者。 Insel博士因其在心理健康研究和技術方面的傑出工作而聞名

恩格伯特說:“我們要確保WNBA仍然是每個人,球員,粉絲和公司合作夥伴,感到安全,重視和授權的空間。” anno

介紹 Python擅長使用編程語言,尤其是在數據科學和生成AI中。 在處理大型數據集時,有效的數據操作(存儲,管理和訪問)至關重要。 我們以前涵蓋了數字和ST

潛水之前,一個重要的警告:AI性能是非確定性的,並且特定於高度用法。簡而言之,您的里程可能會有所不同。不要將此文章(或任何其他)文章作為最後一句話 - 目的是在您自己的情況下測試這些模型

建立杰出的AI/ML投資組合:初學者和專業人士指南 創建引人注目的投資組合對於確保在人工智能(AI)和機器學習(ML)中的角色至關重要。 本指南為建立投資組合提供了建議

結果?倦怠,效率低下以及檢測和作用之間的差距擴大。這一切都不應該令任何從事網絡安全工作的人感到震驚。 不過,代理AI的承諾已成為一個潛在的轉折點。這個新課

直接影響與長期夥伴關係? 兩週前,Openai提出了強大的短期優惠,在2025年5月底之前授予美國和加拿大大學生免費訪問Chatgpt Plus。此工具包括GPT-4O,A A A A A


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

MinGW - Minimalist GNU for Windows
這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。

DVWA
Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

記事本++7.3.1
好用且免費的程式碼編輯器