ChatGPT vs. GPT-3 vs. GPT-4只是聊天機器人家族的內部鬥爭
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!

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

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

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

DALL-E 3 於 2023 年 9 月正式推出,是比其前身大幅改進的車型。它被認為是迄今為止最好的人工智慧圖像生成器之一,能夠創建具有複雜細節的圖像。然而,在推出時,它不包括

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在

本站7月5日消息,格芯(GlobalFoundries)於今年7月1日發布新聞稿,宣布收購泰戈爾科技(TagoreTechnology)的功率氮化鎵(GaN)技術及智慧財產權組合,希望在汽車、物聯網和人工智慧資料中心應用領域探索更高的效率和更好的效能。隨著生成式人工智慧(GenerativeAI)等技術在數位世界的不斷發展,氮化鎵(GaN)已成為永續高效電源管理(尤其是在資料中心)的關鍵解決方案。本站引述官方公告內容,在本次收購過程中,泰戈爾科技公司工程師團隊將加入格芯,進一步開發氮化鎵技術。 G

在前端開發的世界裡,VSCode以其強大的功能和豐富的插件生態,成為了無數開發者的首選工具。而近年來,隨著人工智慧技術的快速發展,VSCode上的AI代碼助理也如雨後春筍般湧現,大大提升了開發者的編碼效率。 VSCode上的AI代碼助手,如雨後春筍般湧現,大大提升了開發者的編碼效率。它利用人工智慧技術,能夠聰明地分析程式碼,提供精準的程式碼補全、自動糾錯、語法檢查等功能,大大減少了開發者在編碼過程中的錯誤和繁瑣的手工工作。有今天,就為大家推薦12款VSCode前端開發AI程式碼助手,幫助你在程式設計之路
