ChatGPT是个啥?
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。
什么是GPT?从GPT-1到GPT-3
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,GPT-1诞生,这一年也是NLP的预训练模型元年。性能方面,GPT-1有着一定的泛化能力,能够用于和监督任务无关的NLP任务中。其常用任务包括:
自然语言推理:判断两个句子的关系问答与常识推理:输入文章及若干答案,输出答案的准确率语义相似度识别:判断两个句子语义是否相关分类:判断输入文本是指定的哪个类别虽然GPT-1在未经调试的任务上有一些效果,但其泛化能力远低于经过微调的有监督任务,因此GPT-1只能算得上一个还算不错的语言理解工具而非对话式AI。
Star Atlas CEO:三周内推出Sage的在线浏览器新版本:7月27日消息,基于 Solana 的游戏元宇宙 Star Atlas 首席执行官Michael Wagner在社区中概述了公司的新愿景,包括专注于制作成本更低的游戏项目,其中他表示希望在大约三周内推出Sage的在线浏览器游戏新版本。
金色财经此前报道,Star Atlas 进行大幅裁员,表示曾在 FTX 爆雷事件中损失1500万美元,占其流动现金余额的很大一部分。[2023/7/27 16:01:38]
GPT-2也于2019年如期而至,不过,GPT-2并没有对原有的网络进行过多的结构创新与设计,只使用了更多的网络参数与更大的数据集:最大模型共计48层,参数量达15亿,学习目标则使用无监督预训练模型做有监督任务。在性能方面,除了理解能力外,GPT-2在生成方面第一次表现出了强大的天赋:阅读摘要、聊天、续写、编故事,甚至生成假新闻、钓鱼邮件或在网上进行角色扮演通通不在话下。在“变得更大”之后,GPT-2的确展现出了普适而强大的能力,并在多个特定的语言建模任务上实现了彼时的最佳性能。
之后,GPT-3出现了,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。而且,该模型在诸多任务上表现卓越,例如在法语-英语和德语-英语机器翻译任务上达到当前最佳水平,自动产生的文章几乎让人无法辨别出自人还是机器,更令人惊讶的是在两位数的加减运算任务上达到几乎100%的正确率,甚至还可以依据任务描述自动生成代码。一个无监督模型功能多效果好,似乎让人们看到了通用人工智能的希望,可能这就是GPT-3影响如此之大的主要原因
美众议院金融服务委员会通过《区块链监管确定法案》:7月27日消息,美国众议员Tom Emmer发推表示,他提出的《区块链监管确定法案》(Blockchain Regulatory Certainty Act)刚刚在美国众议院金融服务委员会获得通过,该法案将奥巴马政府时期制定、特朗普政府时期重新制定的关键财政部指导方针编入法律,以确保加密领域的开发商和非托管服务提供商(矿工、验证者、钱包提供商)不被视为货币转移者(Money Transmitters),并且不受与托管加密货币交易所相同级别的监管。
金色财经注:该法案已通过美国众议院金融服务委员会,下一步将交由美国众议院投票。[2023/7/27 16:01:07]
GPT-3模型到底是什么?
实际上,GPT-3就是一个简单的统计语言模型。从机器学习的角度,语言模型是对词语序列的概率分布的建模,即利用已经说过的片段作为条件预测下一个时刻不同词语出现的概率分布。语言模型一方面可以衡量一个句子符合语言文法的程度,同时也可以用来预测生成新的句子。例如,对于一个片段“中午12点了,我们一起去餐厅”,语言模型可以预测“餐厅”后面可能出现的词语。一般的语言模型会预测下一个词语是“吃饭”,强大的语言模型能够捕捉时间信息并且预测产生符合语境的词语“吃午饭”。
Polygon NFT 系列登陆 Kraken NFT市场:金色财经报道,Polygon NFT 现在可以在Kraken NFT上使用。客户现在可以使用Polygon 网络从 Kraken 存入和提取支持的 Polygon NFT,包括 Reddit Collectible Avatars。[2023/6/13 21:32:35]
通常,一个语言模型是否强大主要取决于两点:首先看该模型是否能够利用所有的历史上下文信息,上述例子中如果无法捕捉“中午12点”这个远距离的语义信息,语言模型几乎无法预测下一个词语“吃午饭”。其次,还要看是否有足够丰富的历史上下文可供模型学习,也就是说训练语料是否足够丰富。由于语言模型属于自监督学习,优化目标是最大化所见文本的语言模型概率,因此任何文本无需标注即可作为训练数据。
由于GPT-3更强的性能和明显更多的参数,它包含了更多的主题文本,显然优于前代的GPT-2。作为目前最大的密集型神经网络,GPT-3能够将网页描述转换为相应代码、模仿人类叙事、创作定制诗歌、生成游戏剧本,甚至模仿已故的各位哲学家——预测生命的真谛。且GPT-3不需要微调,在处理语法难题方面,它只需要一些输出类型的样本。可以说GPT-3似乎已经满足了我们对于语言专家的一切想象。
法院文件显示约117家公司有意购买FTX业务:金色财经报道,据公布一份法律文件称,截至周日,包括全球各种金融和战略对手方在内的约117个方面已向债务人(FTX)表达了对一项或多项业务的潜在收购兴趣。到目前为止,FTX已经签订了59份保密协议。LedgerX是FTX美国的一个衍生品部门,也是其少数几家保持偿付能力的公司之一,在56份意向书中处于领先地位。FTX表示,鉴于司法部以及证券和商品监管机构对这些前高管的指控,它不会出售与Sam Bankman-Fried、Gary Wang、Nishad Singh、Caroline Ellison或其家人有关的任何债权。对这四家公司提交初步投标的最后期限将在1月18日至2月1日之间到期。但是,在周日提交的另一份文件中,代表FTX债权人的一个委员会表示,不会出现急于出售的情况。[2023/1/10 11:03:06]
注:上文主要参考以下文章:1.GPT4发布在即堪比人脑,多位圈内大佬坐不住了!-徐杰承、云昭-公众号51CTO技术栈-2022-11-2418:082.一文解答你对GPT-3的好奇!GPT-3是什么?为何说它如此优秀?-张家俊中国科学院自动化研究所2020-11-1117:25发表于北京3.TheBatch:329|InstructGPT,一种更友善、更温和的语言模型-公众号DeeplearningAI-2022-02-0712:30
Platypus Finance将推出原生稳定币USP:12月1日消息,Platypus Finance将推出原生稳定币USP,该代币是与美元挂钩的超额抵押稳定币,它提供了额外的安全层,以防止其他稳定币受到不必要的波动影响。据了解,Platypus是类似于Curve Finance的稳定币互换协议,允许用户在不同的稳定币之间以低滑点的价格进行代币互换。此前,Platypus完成了三箭资本和DeFiance Capital领投的330万美元融资。[2022/12/1 21:15:38]
GPT-3存在什么问题?
但是GTP-3并不完美,当前有人们最担忧人工智能的主要问题之一,就是聊天机器人和文本生成工具等很可能会不分青红皂白和质量好坏,地对网络上的所有文本进行学习,进而生产出错误的、恶意冒犯的、甚至是攻击性的语言输出,这将会充分影响到它们的下一步应用。
OpenAI也曾经提出,会在不久的将来发布更为强大的GPT-4:
将?GPT-3与GPT-4、?人脑进行比较
据说,GPT-4会在明年发布,它能够通过图灵测试,并且能够先进到和人类没有区别,除此之外,企业引进GPT-4的成本也将大规模下降。
ChatGP与InstructGPT
ChatGPT与InstructGPT
谈到Chatgpt,就要聊聊它的“前身”InstructGPT。
2022年初,OpenAI发布了InstructGPT;在这项研究中,相比GPT-3而言,OpenAI采用对齐研究,训练出更真实、更无害,而且更好地遵循用户意图的语言模型InstructGPT,InstructGPT是一个经过微调的新版本GPT-3,可以将有害的、不真实的和有偏差的输出最小化。
InstructGPT的工作原理是什么?
开发人员通过结合监督学习+从人类反馈中获得的强化学习。来提高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“给我讲一个关于青蛙的故事”或“用几句话给一个6岁的孩子解释一下登月”。
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:
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。
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(另一个预先训练的GPT-3)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。
开发人员使用第三组提示和强化学习方法近端策略优化(ProximalPolicyOptimization,PPO)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。
本段参考:TheBatch:329|InstructGPT,一种更友善、更温和的语言模型-公众号DeeplearningAI-2022-02-0712:30
重要在何处?核心在于——人工智能需要是能够负责任的人工智能
OpenAI的语言模型可以助力教育领域、虚拟治疗师、写作辅助工具、角色扮演游戏等,在这些领域,社会偏见、错误信息和害信息存在都是比较麻烦的,能够避免这些缺陷的系统才能更具备有用性。
Chatgpt与InstructGPT的训练过程有哪些不同?
总体来说,Chatgpt和上文的InstructGPT一样,是使用RLHF训练的。不同之处在于数据是如何设置用于训练的。
ChatGPT存在哪些局限性?
如下:a)在训练的强化学习(RL)阶段,没有真相和问题标准答案的具体来源,来答复你的问题。b)训练模型更加谨慎,可能会拒绝回答。c)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
注意:ChatGPT对措辞敏感。,有时模型最终对一个短语没有反应,但对问题/短语稍作调整,它最终会正确回答。训练者更倾向于喜欢更长的答案,因为这些答案可能看起来更全面,导致倾向于更为冗长的回答,以及模型中会过度使用某些短语,如果初始提示或问题含糊不清,则模型不会适当地要求澄清。
郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。