关于ChatGPT，那些“看不懂”的技术问题！

2022年，Open AI发布了震惊世界的ChatGPT，一款十分“类人”的智能交互应用工具，ChatGPT可以根据用户各种刁难的要求任意作答，可以说是一个无所不能，无所不知的“通用”智能机器人。

关于ChatGPT，有很多重要的技术问题和概念，可以帮助大家更深刻地认识ChatGPT，以及ChatGPT对未来产业数字化变革的影响。

下面聊聊关于ChatGPT的那些事儿。

原文链接：关于ChatGPT，那些“看不懂”的技术问题！

ChatGPT与AIGC

提到chatgpt 就不得不聊到AIGC ， AIGC的全称是 AI generated content，也就是通过人工智能技术自动生成数字内容。AIGC是一个技术大类，根据生成的数字内容形式，包括不同的细分类型。

AIGC包括自动生成文本，自动生成图片，自动生成音频、视频，自动生成代码，3D模型等等。AIGC生成的内容一般是可控的，也就是根据用户的需求来“定制”内容。有了AIGC，本质上就是实现了让人工智能技术给人“打工”的效果。

ChatGPT是AIGC生成文本的技术形式。主要表现是自动问答，通过人机对话交互，完成人的各种业务需求指令，比如撰写文章，生成文案，信息检索，自动问答，方案定制，机器翻译，文字解释，阅读理解，诗词创作等等。

ChatGPT与大模型

ChatGPT是一种大模型。所谓大模型，本质上是机器学习模型或深度学习模型。模型的参数规模非常大，生成大模型依赖于非常庞大的数据资源和算力。

大模型是一种面向通用人工智能的技术方案。海量的数据资源保证了数据模型的泛化性，蕴含了大量的通用业务知识，保证模型可以通过简单的场景适配应对不同的智能业务应用场景。

在产业界使用大模型时，采用了“预训练”的数据建模机制。构建一个大模型的成本是非常高昂的，只有头部技术企业可以承担的起。因此大多数企业只关注如何“用”大模型，而非如何“造”大模型。

在产业应用侧，不用从头构建大模型，只需要对大模型进行二次开发即可 —— 把预训练好的大模型直接"拿来"，通过少量数据的训练进行微调，使其能够应对具体的业务场景。

ChatGPT的技术路径

ChatGPT不是一个突然出现的全新技术产物，而是有长期技术积累，不断演化的高科技AI数字产品。

ChatGPT的根源在于名为Transformer的自然语言处理AI基础模型。Transformer主要用于对文本数据进行理解和特征表示，基于Transformer的数据模型广泛应用于各种文本分析与挖掘任务中。

基于Transformer的大模型有两个比较有名，一个是BERT，另一个是GPT。ChatGPT是GPT的一个进化版本。

BERT及其演化模型主要用于对文本进行分析；GPT及其演化模型主要用于对文本进行合成。

按照技术版本的发布顺序，GPT序列的数据模型主要有GPT-1，GPT-2，GPT-3, GPT-3.5，InstructGPT, ChatGPT，GPT-4。

新版本的GPT模型，不仅模型更加复杂，参数规模更大，同时引入了有监督的学习机制，可以在人工的指导下学习到更加“精准”的机器应答反馈能力。

在ChatGPT的模型训练过程中，除了传统的深度学习建模技术，还使用了强化学习技术，让算法模型可以更好地满足人们的对话偏好。

ChatGPT的使用方式

ChatGPT可以直接为C端用户提供“交互服务”，提供趣味性。当然，这并不体现更多商业价值，如果和一些服务类软件应用进行集成，以“智能客服”的形式出现，则可以提供非常好的用户粘性，产生更强的品牌效应。

ChatGPT还可以作为智能搜索引擎来应用，主要为了提高数据资源的应用效率。基于ChatGPT的数据检索应用提供更加人性化的交互接口，极大地降低数据查询和检索的门槛。这类应用不仅可以面向C端，也可以面向B端，满足企业数字化转型中，为企业用户对内部数据的调取和分析提供服务支撑。

ChatGPT的能力边界

既可以解决信息要素识别的感知类问题，也可以应对部分复杂逻辑推理的认知类问题。更高级的“智能”特征不断涌现，拓宽了人们对智能的想象力。这一切都依赖于海量数据资源的充分挖掘。

未来，亟待研发更加高效的计算架构和算法模型，不断提升数据资源的利用效率。同时，数据资产的管理水平，数据应用的合规性，以及数据合作的广泛性，都需要不断强化和提升，为更高阶的数据智能应用成果产出提供可靠保障。

欢迎关注微信公众号：大话数字化转型（dataminingxmz）了解更多数据应用前沿技术、方法与实践。