最近看到、听到、学到、亲测到、总结到关于 GPT 为首的 AI 高效出产东西以及运用感触。
关键词：ChatGPT、API、GPT-4、Copilot生成式、 AIVSC``Midjourney
一、以 GPT 为首的 AI 高效出产东西
1.1 New Bing
- www.bing.com/new?…
我愿称之为 GPT 加持版本的进阶查找引擎东西，可以直接运用 New Bing 进行聊天式的检索。
1.2 ChatGPT
相比 New Bing，运用 ChatGPT 更像是挂了一个专家号。
- chat.openai.com/chat
- openai.com/blog/chatgp…
但主张一开端给 ChatGPT 这个专家增加一个人设，学会运用“假如”，如“If you are my web design consultant, can you Balabala……?”
1.3 利用好 ChatGPT 的 API
- platform.openai.com/account/api…
- platform.openai.com/docs/api-re…
运用 ChatGPT 的 API 可以接入后续介绍的几个高效东西，如 ChatGPT for Google，VSC。
1.4 ChatGPT for Google
- chrome.google.com/webstore/de…
在 Google 商店装置 ChatGPT for Google，还可以直接接入自己的 API，嵌入到查找引擎中运用起来非常的便利。
1.5 VSC & ChatGPT
在 VSC 中引进 ChatGPT 中文版，同理可引进自己的 ChatGPT API 切换为国外形式，编码时可以优化代码、问询报错及寻找解决方法。
1.6 VSC & Copilot
传说中的“只写注释来生成代码”，非常高效的出产东西，简直是 Your AI pair programmer，最近开端对用户收费，可是学生运用Github认证后可免费运用（参阅链接：Github学生认证及学生包保姆级请求攻略），笔者运用了学信网证明+学校邮箱+Github请求，流程多少有点儿繁琐，但想想每个月省下10$也值了。
- github.com/features/co…
在 VSC 中运用起来很便利，大致分两种状况：
- 编撰注释后 Ctrl + Enter：Copilot 供给十个解决方法让你挑选
- 编撰注释后直接 Enter：Copilot 会脑补你需要的代码，它真的能懂你的心！
学会运用东西很重要，过去讲究程序员要会看文档、要会运用查找引擎，那借着生成式 AI 的火热，现在也讲究学会运用便利且高效的出产东西，如 ChatGPT、Copilot 等。
二、GPT-4 令人大为震撼
2.1 GPT 解读（简读）
- GPT（Generative Pre-trained Transformer）
- Generative：生成模型，生成式 AI
- Pre-trained：预练习。
- Transformer：根据自注意力机制的一个深度学习模型，适用于并行化计算
2.2 GPT 模型的开展进程
GPT 模型的开展进程及其参数与预练习数据量：
| 模型 | 发布时间 | 参数量 | 预练习数据量 |
|---|---|---|---|
| GPT | 2018 年 6 月 | 1.17 亿 | 约 5GB |
| GPT-2 | 2019 年 2 月 | 15 亿 | 40GB |
| GPT-3 | 2020 年 5 月 | 1,750 亿 | 45TB |
2.3 GPT-4 模仿物理杂乱体系中的涌现
mp.weixin.qq.com/s/Ly4_xBhAJ…
到处都充斥着 ChatGPT 以及 GPT-4 的强壮力量，在上述文章中作者介绍了根据 GPT-4 模仿物理杂乱体系涌现的几个模型，分别是 Vicsek 鸟群模型、XY 模型、相别离模型，而且利用 ChatGPT 帮忙搭建了可视化网站，就连推文自身也是运用 ChatGPT 帮忙生成的。
看完这篇文章，有两个小总结：
- 一是咱们不得不惊叹诸如 ChatGPT 高效率东西的呈现给咱们的出产日子带来了重大的影响，学会运用高效率东西是非常重要的一个进程，也是划分和筛选人力的一个重要手法，纵使高效率的开发东西无法短时间内快速代替人工，但趋势已经出来了，在学习进程中把握鲜活技术与高效东西是必须经历的一个进程，也是必须得迈出的一步。
- 二是经过这篇文章咱们也发现 GPT-4 这种大言语生成模型已经可以进入到各行各业了，而且甚至可以超卓地完成一些杂乱使命，经过模仿杂乱体系中的涌现便是一个很经典的例子，根据 GPT XX 模型研讨多学科尤其是交叉学科是一个重要的学习方向。
三、ChatGPT 原理剖析
3.1 ChatGPT 常见误解
以下本部分总结于李宏毅教师 Youtube 讲堂：【生成式AI】ChatGPT 原理剖析 (1/3) — 對 ChatGPT 的常見誤解
- 误解一：罐头式回答。以为 ChatGPT 每次回答从事先准备好的答案罐头中挑选随机回复的
- 误解二：网络查找回复答案。以为 ChatGPT 的答案是从网络中搜寻重组的成果
依照李教师的说法，其实 ChatGPT 真正做的事情——文字接龙，其实质是一个 function，对应机器学习中的分类模型。
3.2 ChatGPT 背后的关键技术——预练习
GPT（Generative Pre-trained Transformer）中的 P 指的便是 Pre-trained 预练习。预练习进程中给模型投喂数十亿的文本数据，包含新闻文章、百科全书、小说等各种实践应用场景下的文本。经过这种方式，GPT 可以获得强壮的言语了解和生成才能来履行 NLP 使命，例如机器翻译、对话生成、文本摘要等。
- 预练习：经过标示让模型自学习
- 督导式学习：引导成果让模型学习
- 增强式学习：反应机制让模型再学习
值得注意的是，ChatGPT 是一个产品，它作为产品供用户运用前肯定在输入端与输出端设置了许多的处理与优化，比如标签的过滤等；而 GPT XX 是这个产品的实质模型，根据 GPT XX 模型的技术是当前 AI 火热的现状也是未来应用的研讨方向。
四、生成式 AI
4.1 生成式学习的两种战略
此部分总结于李宏毅教师 Youtube 讲堂——【生成式AI】生成式學習的兩種战略：要各個擊破，還是要一次到位，关于生成式 AI 的两种战略如下：
- 各个击破：出产速度慢、出产质量高（相对），多用于生成文字
- 一步到位：出产速度快、出产质量低（相对），多用于生成影像
下面是李教师讲堂中列出的已有且比较新潮的生成模型作业，不得不说生成式 AI 已经有点儿雨后春笋的模样了，纵使离产品应用有一段距离，但遍地开花的现象已然呈现。
文本生成语音
Text-to-Voice（InstructTTS）
dongchaoyang.top/InstructTTS…
arxiv.org/abs/2301.13…
文本生成声响
Text-to-Audio（AudioLDM）
audioldm.github.io/
arxiv.org/abs/2301.12…
文本生成视频
Text-to-Video（Imagen）
imagen.research.google/video/
imagen.research.google/video/paper…
4.2 生成式 AI 与多模态
以上展示了最近尝试的一些以 GPT XX 为首的火热的 AI 东西，不难发现这些“指令式输入”模型，给咱们的直观感觉便是仿佛拥有了一个可交互的机器人。GPT-4 的一个新特性是引进了多模态，具体表现在其输入端可支撑多种形式内容，综合上述的一些作业和东西，不得不说 AI 交互的版图正在不断壮大。
五、一个彩蛋——Midjourney AI 绘图
运用 Midjourney 指令式进行 AI 绘图，这里供给参阅链接
- Midjourney：discord.gg/midjourney
给他投喂一张自己的证件照，然后不要脸地输入参数指令：A handsome black-haired guy, is smiling cartoon, Pixar style
A handsome black-haired young man, is dunking basketball, Pixar style
参阅链接
- 让GPT-4写代码，模仿物理杂乱体系中的涌现
- ChatGPT 原理剖析 (1/3) — 對 ChatGPT 的常見誤解
- 生成式學習的兩種战略：要各個擊破，還是要一次到位
- Github学生认证及学生包保姆级请求攻略
