ChatGPT基础(一) GPT的前世今生

文章目录

      • GPT模型简史
      • GPT系列模型
      • ChatGPT的应用

最近ChatGPT3.5可以免注册使用了,出来刨一波坟 说一说ChatGPT的来源和应用。

在这里插入图片描述

GPT模型简史

Generative pre-trained transformers(GPT)生成式预训练转换模型是大语言模型的一种(Large Language Model–>LLM)。它是用于自然语言处理的人工神经网络,可以在未经标记的语料上进行训练并能在基础的信息上生成出全新的内容。

GPT的前身可以追溯到2015年由Ian Goodfellow等人在论文《Generative Adversarial Nets》中首次提出,该模型使用生成对抗网络(GAN)学习生成数据,从而能够生成高质量的图像和文本。2018年,OpenAI基于GAN模型的思想发布了一款新的自然语言处理模型——GPT-1。

在这里插入图片描述

GPT系列模型

GPT模型是由OpenAI发布的一系列模型的总称。

在这里插入图片描述

GPT-1: 2018年11月OpenAI发布了GPT-1,是以4.5GB的文本资料作为训练数据得到的模型,该模型有接近1.2亿个参数。GPT-1是一个单向的语言模型它在预测下一个单词时,只考虑了前面的单词,效果一般。

GPT-2: 为了改进GPT-1的性能,OpenAI在2019年2月发布了GPT-2,新模型基于40GB的文本资料训练得到,有15亿个参数 是当时最大的语言模型之一。与GPT-1相比,GPT-2的文本处理能力有了显著提升,它可以生成更加自然和流畅的语言。

GPT-3: 在GPT-2的基础上,OpenAI 2020年又开发了一款更加强大的自然语言处理模型——GPT-3。GPT-3以570GB的资料作为语料训练得到,有1750亿个参数。

GPT-3.5: 在GPT-3的基础上,2022年3月OpenAI发布了GPT3.5模型,该模型同样也有1750亿个参数,并且基于GPT3.5推出了对应的聊天机器人ChatGPT,自此OpenAI一战封神,将人工智能推上了巅峰。

GPT-4.0: 2023年3月OpenAI推出了GPT-4.0,该模型据说有1.7万亿个参数,可以同时处理文字和图像号称地表最强大模型,只不过收费了价格还不便宜。

ChatGPT的应用

基于GPT-3.5的思想,OpenAI开发了一个针对对话场景的自然语言处理机器人——ChatGPT。具有强大的对话生成能力,它可以生成自然流畅的对话。它还可以进行问题回答、图像描述、翻译、文本分类、知识图谱等多种自然语言处理任务。ChatGPT已经成为一个非常受欢迎的自然语言处理模型,被广泛应用于智能客服、智能问答、聊天机器人等领域。

1.智能问答: 可以智能回答各个领域的知识问题,答案质量好 响应快。

2.文本翻译: 可以进行文本和内容的翻译。

3.摘要总结: 可以总结提取大段文章和内容的核心要点,梳理内容脉络.。

4.文本生成: 可以根据关键字和内容提示,生成新的文章,用来写小作文很不错 例如生成诗歌、新闻报道、小说等。

5.信息检索: 可以快速帮你梳理和查找对应领域的知识点和内容。

6.聊天机器人: 可以作为聊天机器人使用,与您进行简单的对话并提供有用的信息和资源。

7.情感分析: 可以分析文本的情感,并判断其中是否包含正面、负面或中性情感。

8.图像描述: 可以根据输入的图像生成文字描述,不过得用GPT4.0,GPT3.5目前不支持图像的处理。

9.搜索引擎优化: 如果有网站或者博客,它可以提供有关搜索引擎优化的建议和技巧.

10.知识图谱:它可以提供有关特定主题的知识图谱,并且可以回答与知识图谱相关的问题。

11.辅助编程: 可以回答各种编程相关的问题,并且可以为编程者提供建议和帮助。

注: 知识图谱是一种强大的知识表示和组织方式,通过将信息以图形结构的形式表示出来,使得计算机能够更好地理解和利用这些知识,从而实现各种智能应用.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/599233.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

如何在 Windows 上安装 Jupyter Notebook?

Jupyter Notebook 是一个开源 Web 应用程序,可用于创建和共享包含实时代码、公式、可视化效果和叙述文本的文档。用途包括数据清理和转换、数值模拟、统计建模、数据可视化、机器学习等 在本文中,我们将看到使用 pip 安装在Windows上安装 Jupyter Noteb…

Java8关于Function接口

Java学习-Function接口 1 函数式接口简介和学习地址2 两种常见的函数式接口2.1 Runnable:执行接口,不接收参数,也无返回结果。2.2 Consumer:作为消费接口,接收一个参数,无返回结果。 3 初识3.1 定义Functio…

系统架构评估_2.SAAM方法

SAAM(Scenarios-based Architecture Analysis Method)是卡耐基梅隆大学软件工程研究所(SEI at CMU)的Kazman等人于1983年提出的一种非功能质量属性的架构分析方法,是最早形成文档并得到广泛使用的软件架构分析方法。最…

MySQL基础练习题:创建数据库

这部分主要是为了帮助大家回忆回忆MySQL的基本语法,数据库来自于MySQL的官方简化版,题目也是网上非常流行的35题。这些基础习题基本可以涵盖面试中需要现场写SQL的问题。 创建数据库 在开始练习之前,我默认你的电脑上是没有本系列练习题需要…

物联网可视化平台

随着数字化转型的深入,物联网技术正在成为企业实现智能化、高效化运营的重要工具。物联网可视化平台,作为连接物理世界与数字世界的桥梁,为企业提供了直观、实时的数据展示和监控能力,从而在数字化转型中扮演着关键角色。 一、物…

内外网数据交换发展进程:安全与便捷并行

随着信息化的不断推进,医院、党政以及企业的内外网数据交换正成为日益关注的焦点。在保障数据安全的前提下,需要寻求一种既安全可靠又操作便捷的数据传输方式。本文将探讨内外网数据交换发展进程,分析各种传输方式的优缺点,以及它…

HG-SL:基于全局和局部用户行为的新闻

一、概述 本文的主要目标是,仅通过用户行为来判断新闻的真伪。其之所以抛弃传统的基于视频内容、用户反馈(点赞和评论)等信息,是认为,这些内容很容易存在造假的情况(即有水军机器人操控)。而基于…

css anminate 加载中三个点点动态出现

期待效果&#xff1a; 核心代码&#xff1a; css3 anminate方法 //html <div>加载中<span id"dot">...</span></div>//css <style>   #dot {display: inline-block;width: 1.5em;vertical-align: bottom;overflow: hidden;animati…

Linux初学(十七)redis

一、简介 redis就是一个内存数据库 redis中的数据&#xff0c;都是保存在内存中 端口&#xff1a;6379 二、安装redis 方法一&#xff1a;编译安装 方法二&#xff1a;yum安装-epel 第一步&#xff1a;配置epel源 详见&#xff1a;http://t.csdnimg.cn/AFl1K第二步&#xff1a…

【pycharm报错】rror: Microsoft Visual C++ 14.0 or greater is required.

一、报错 二、下载vs 路径&#xff1a;https://visualstudio.microsoft.com/zh-hans/visual-cpp-build-tools/ 三、安装 四、安装成功并启动 重新安装chromadb成功

MTK i500p AIoT解决方案

一、方案概述 i500p是一款强大而高效的AIoT平台&#xff0c;专为便携式、家用或商用物联网应用而设计&#xff0c;这些应用通常需要大量的边缘计算&#xff0c;需要强大的多媒体功能和多任务操作系统。该平台集成了Arm Cortex-A73 和 Cortex-A53 的四核集群&#xff0c;工作频…

YOLO算法改进Backbone系列之:PVT

摘要&#xff1a;尽管基于CNNs的backbone在多种视觉任务中取得重大进展&#xff0c;但本文提出了一个用于密集预测任务的、无CNN的的简单backbone——Pyramid Vision Transformer&#xff08;PVT&#xff09;。相比于ViT专门用于图像分类的设计&#xff0c;PVT将金字塔结构引入…