GPT:ChatGPT的崛起

近期，OpenAI发布了ChatGPT，是一个可以对话的方式进行交互的模型，因为它的智能化，得到了很多用户的欢迎。ChatGPT也是OpenAI之前发布的InstructGPT的亲戚，ChatGPT模型的训练是使用RLHF也许ChatGPT的到来，也是OpenAI的GPT-4正式推出之前的序章。

一、什么是GPT?

GenerativePre-trainedTransformer(GPT)，是一种基于互联网可用数据训练的文本生成深度学习模型。它用于问答、文本摘要生成、机器翻译、分类、代码生成和对话AI。

2018年，NLP的预训练模型元年，GPT-1诞生，此时的GPT-1仅是一个语言理解工具而非对话式AI。2019年GPT-2采用更多的网络参数与更大的数据集进行训练，此时的GPT-2展现出普世且较强的能力，并在多个特定的语言建模任务上实现了彼时的最佳性能。随后，GPT-3出现，作为一个无监督模型，几乎可以完成自然语言处理的绝大部分任务，例如面向问题的搜索、阅读理解、语义推断、机器翻译、文章生成和自动问答等等。GPT-3的出现使人们看到了通用人工智能的希望。

Polygon推出由ChatGPT提供支持的Polygon Copilot:6月21日消息，以太坊扩展解决方案Polygon推出人工智能驱动的界面Polygon Copilot，只需询问即可解锁交互世界。名为Polygon Copilot的人工智能界面由GPT-4大语言模型提供支持，并根据有关Polygon区块链的文档进行了培训。Polygon Copilot还具有三个不同的级别（初级、高级和高级），这将根据用户使用界面的舒适度为用户提供帮助。[2023/6/22 21:52:54]

ChatGPT的到来，也被视为文本生成器GPT-3的下一个迭代，为GPT-4到来拉开序幕。

Lookonchain：Amber Group与Arca正在增持GMX:金色财经报道，据Lookonchain监测，近一个月，Amber Group和Arca一直在增持GMX。Amber Group在过去一个月从币安交易所地址收到122,144枚GMX（当前价值980万美元），平均接收价格为61.9美元，这122,144枚GMX现已转移至3个新地址。Arca在过去3天以约81.5美元的平均价格用2,065枚ETH购买了42,972枚GMX，在1个月前以42.6美元的平均价格用100万USDC购买了23,476GMX。[2023/2/21 12:19:51]

ChatGPT是一种大型语言模型，通过大量在线信息进行训练并创建其响应。注册ChatGPT后，用户可以要求人工智能系统回答一系列问题，这些问题包括开放性问题：例“生命的意义是什么？”加密货币值得投资“？”“什么是HackerMovement”等。

ChainUP Labs加入OKExChain首批社区节点:1月22日消息，ChainUP Labs加入OKExChain首批社区节点，同名节点名为ChainUP Labs。ChainUP Labs已完成节点的搭建，后续将支持节点运维。据悉，ChainUP Capital设立百万美金创新孵化基金，用于区块链创新项目的孵化扶持，旨在探索并连接热门公链生态建设，落地区块链技术，创建更大的生态效应和价值。首批孵化项目之一为OKExChain超级节点，由ChainUP Labs进行管理。

OKExChain是作为OKEx开发的一条开源的高性能去中心化交易公链，上线后已累计了大批生态合作伙伴。

ChainUP Labs节点已开启社区OKT委托募集，募集期委托募集可获得100%的出块奖励和排名权重奖励，及长期项目孵化收益。[2021/1/23 16:49:36]

二、ChatGPT如何工作？

动态 | Curiositas与ArabianChain合作建立伊斯兰资本区块链平台:根据arabianbusiness报道，海湾区块链创新公司ArabianChain Technology表示已与Curiositas签署合作协议创建了首个使用智能合约和法律自动化的伊斯兰资本市场平台Wethaq。根据其合作声明，Wethaq将为金融机构、筹款人和投资者提供平台，用于伊斯兰债券产品的预售、发行、管理和二级交易。[2018/7/20]

谈到ChatGPT的算法模型，其前身InstructGPT仍值得关注。

2022年初，OpenAI发布了InstructGPT。开发人员通过结合监督学习+人类反馈强化学习，提高GPT-3的输出质量。在这种学习中，人类对模型的潜在输出进行排序，强化学习算法则对产生类似于高级输出材料的模型进行奖励。

训练数据集以创建提示开始，其中一些提示是基于GPT-3用户的输入，比如“解释什么是HackerMovement”或“给一个小学生解释Hacker”。

开发人员将提示分为三个部分，并以不同的方式为每个部分创建响应：

1.人类作家会对第一组提示做出响应。开发人员微调了一个经过训练的GPT-3，将它变成InstructGPT以生成每个提示的现有响应。

2.下一步是训练一个模型，使其对更好的响应做出更高的奖励。对于第二组提示，经过优化的模型会生成多个响应。人工评分者会对每个回复进行排名。在给出一个提示和两个响应后，一个奖励模型学会了为评分高的响应计算更高的奖励，为评分低的回答计算更低的奖励。

3.开发人员使用第三组提示和强化学习方法近端策略优化进一步微调了语言模型。给出提示后，语言模型会生成响应，而奖励模型会给予相应奖励。PPO使用奖励来更新语言模型。

与其他AI聊天机器人不同，本着构建更加负责任的强人工智能原则，ChatGPT可以回答后续问题、承认错误、挑战不正确的问题并拒绝不适当的请求。

三、ChatGPT等AIGC工具对内容生态的挑战

不可置疑的是AIGC对很多领域产生了积极的影响。如，文本创作、音乐创作、游戏文本生成等。随着AIGC工具的成熟，其甚至可自主编程、拼接生成新的协议。

但，此类工具向内容生态提出一个全新的问题即：如何应对AIGC的真实性。以ChatGPT为例：

1.在训练的强化学习阶段，对于问题，并没有真相和问题标准答案的具体来源。

2.训练模型更加谨慎，可能会拒绝回答。

3.监督训练可能会误导/偏向模型倾向于知道理想的答案，而不是模型生成一组随机的响应并且只有人类评论者选择好的/排名靠前的响应。

人工智能生成的答案有数千个，而这些答案通常需要具有专业知识的人详细阅读，才能确定答案实际上是错误的，这些错误信息很容易破坏以志愿者为基础的高质量问答社区。

纸质新闻时代，每个事实都必须包含权威的一手或二手资料来源，但现在已经很少有出版物有事实核查员，这就把责任推给了记者和编辑。信息爆炸时代，以人为媒介传播的虚假信息尚且让审核机制“头疼”，很难想象当人工智能开始传播虚假信息，所带来的挑战。尤其是在这个舆论时常反转的时代，只要一个消息听起来合理，许多人就会认为这是正确的。

标签：GPTCHAAINHAIPEPEGPTSharesChainPlug Chaincckkchain

火币APP热门资讯