课程: 学习生成式人工智能与提示工程

ChatGPT

课程: 学习生成式人工智能与提示工程

ChatGPT

“

OpenAI 推出的 ChatGPT， 无疑是引人注目的。 它极大地推动了 人们对大语言模型功能的认知。 ChatGPT 的独到之处， 在于其对话性质。 这种特性使得输入方式更为直观易用。 让我们来一起体验一下。 在本课程中，我将使用 Azure OpenAI Studio 中的 ChatGPT 模型来进行演示。 ChatGPT 可以回答很多问题。 如用简单的语言解释量子计算， 和为软件开发部门设计一次团建活动。 不过，目前 ChatGPT 的训练数据， 截至 2023 年。 因此，其知识在某种程度上， 被锁定在了那个时间点。 尽管有多种方法可以解决这一问题， 但重要的是， 认识到许多大语言模型， 都存在此类时间冻结现象， 即它们所接受的全部训练数据， 通常都截止到某一个时间点。 让我们通过一个实例，来进一步说明。 尝试让 ChatGPT 为软件开发部门， 设计一次团建活动。 这种通过指令来提示语言模型， 而不提供任何例子的做法， 通常被称为零样本学习。 ChatGPT 给出了新的建议。 如组织技术分享会或研讨会， 或者是组织编程比赛或黑客马拉松。 这种方法， 与在搜狗或 Bing 等搜索引擎上 搜索信息截然不同。 从某种意义上来说， 这些文字很可能是刚刚由模型生成的， 而不是预先存在于某个网页中， 这听起来令人难以置信， 但在接下来的视频中， 我们将深入探讨其实现原理。 现在我们再来试试其他功能。 我们可以要求 ChatGPT 将这些信息以电子表格的形式呈现吗？ 然而，它告诉我无法创建电子表格。 不过， ChatGPT 帮助我们 将这些内容进行了格式化， 以便将它们粘贴到电子表格中。 我们还可以发出新的指令， 让 ChatGPT 以 CSV， 也就是逗号分格符的形式导出这些内容。 这个例子很好地展示了，如何通过微调指令， 将 ChatGPT 无法完成的任务， 转化为可以完成的任务。 最后，让我们尝试一个更具挑战性的任务。 让 ChatGPT 编写 一个 Python 程序， 从上述创意里随机选择一个。 事实上， 许多这类模型已经在大量代码上进行了训练， 因此，它们能够执行此类任务。 在这个例子中， ChatGPT 创建了一个创意列表， 并使用 Random 模块， 随机选择一个想法， 并将其打印到控制台。 这确实让人印象深刻。 你可以去试探一下 ChatGPT 的极限在哪里。 这是探索这些模型能力的一种好方法。 如果您发现了一个特别出色的用例， 可以尝试在其他模型上运行它， 看看它们之间的区别。

内容