HAI:ChatGPT的崛起_dashcarchain

近期，OpenAI發布了ChatGPT，是一個可以對話的方式進行交互的模型，因為它的智能化，得到了很多用戶的歡迎。ChatGPT也是OpenAI之前發布的InstructGPT的親戚，ChatGPT模型的訓練是使用RLHF也許ChatGPT的到來，也是OpenAI的GPT-4正式推出之前的序章。

一、什么是GPT?

GenerativePre-trainedTransformer(GPT)，是一種基于互聯網可用數據訓練的文本生成深度學習模型。它用于問答、文本摘要生成、機器翻譯、分類、代碼生成和對話AI。

2018年，NLP的預訓練模型元年，GPT-1誕生，此時的GPT-1僅是一個語言理解工具而非對話式AI。2019年GPT-2采用更多的網絡參數與更大的數據集進行訓練，此時的GPT-2展現出普世且較強的能力，并在多個特定的語言建模任務上實現了彼時的最佳性能。隨后，GPT-3出現，作為一個無監督模型，幾乎可以完成自然語言處理的絕大部分任務，例如面向問題的搜索、閱讀理解、語義推斷、機器翻譯、文章生成和自動問答等等。GPT-3的出現使人們看到了通用人工智能的希望。

倫敦設計師Charli Cohen將發布Genesis Digi Fizzy ERC-1155 NFT:數字時尚拍賣交易平臺DIGITALAX宣布倫敦設計師Charli Cohen合作，Cohen將在DIGITALAX鏈上圖書館發布Genesis Digi Fizzy ERC-1155。Charli將開放其源代碼，未來的設計師可以根據部分版稅分配將它運用到其服裝中。[2021/3/20 19:03:21]

ChatGPT的到來，也被視為文本生成器GPT-3的下一個迭代，為GPT-4到來拉開序幕。

ChatGPT是一種大型語言模型，通過大量在線信息進行訓練并創建其響應。注冊ChatGPT后，用戶可以要求人工智能系統回答一系列問題，這些問題包括開放性問題：例“生命的意義是什么？”加密貨幣值得投資“？”“什么是HackerMovement”等。

知名區塊鏈安全公司派盾、慢霧科技宣布參加HBTC Chain主網節點競選:1月6日，據霍比特HBTC官方消息，知名區塊鏈安全公司派盾、慢霧科技宣布參加HBTC Chain主網節點競選，投票均已超過50萬HBC，其中派盾節點名稱PeckShield；慢霧科技節點名稱SlowMist Zone。

截止至今日18:00，HBTC Chain主網節點投票競選上線10天，成功競選主網節點數量達16個，HBC總投票數量為6457124.38，HBC總投票質押率30.75%，質押價值已近2500萬USDT。

HBTC Chain基于DPoS共識算法，精選優質節點作為HBTC Chain主網區塊驗證者。HBTC Chain將對競選節點進行篩選及管理，意欲參選的項目方及個人可通過HBTC Chain節點競選投票頁面進行申請操作。更多詳情請點擊原文鏈接。[2021/1/6 16:34:50]

二、ChatGPT如何工作？

動態 | 上海三方聯合團隊發布專用環保垃圾袋 應用復旦大學自行研發的Flex-Chain柔性區塊鏈技術:據新華社上海報道，記者近日在上海復旦大學舉行的“中瑞城市綠色生態環境研討會”上獲悉，由復旦大學新農村發展研究院牽頭的三方聯合團隊發布了可24小時快速降解的專用環保垃圾袋，為使得垃圾分類質量可控過程可信，復旦大學團隊與德國博世集團聯合研制了指紋碼追溯技術，給予每一個垃圾袋打印一個不可克隆不可復印的唯一身份信息，從而讓垃圾分類的質量可控制、全流程過程可追溯。目前，此項技術已應用在復旦大學各個小區和食堂的大大小小處理設備組成的物聯網絡系統，結合復旦大學自行研發的Flex-Chain柔性區塊鏈技術，實現濕垃圾源頭的網格式布點和就地化處理，分布式記賬和可信數據交易，同時也實現了對分布式垃圾處理系統的智能化管理。[2019/12/15]

談到ChatGPT的算法模型，其前身InstructGPT仍值得關注。

聲音 | ChainUP John Kim：泰國區塊鏈發展在合規方向較為先進也相對嚴格:泰國區塊鏈周進行至第四天，12月1日晚，ChainUP與當地區塊鏈組織聯合主辦了區塊鏈影響力機構聚會，泰國證券交易委員會（SEC）出席，來賓多為泰國及東南亞區塊鏈企業高管。ChainUP海外商務負責人John Kim表示，泰國區塊鏈發展在合規方向較為先進也相對嚴格，ChainUP將結合全球化經驗與區塊鏈技術，與多家監管機構和持牌機構積極合作，共促發展。[2019/12/1]

2022年初，OpenAI發布了InstructGPT。開發人員通過結合監督學習+人類反饋強化學習，提高GPT-3的輸出質量。在這種學習中，人類對模型的潛在輸出進行排序，強化學習算法則對產生類似于高級輸出材料的模型進行獎勵。

訓練數據集以創建提示開始，其中一些提示是基于GPT-3用戶的輸入，比如“解釋什么是HackerMovement”或“給一個小學生解釋Hacker”。

開發人員將提示分為三個部分，并以不同的方式為每個部分創建響應：

1.人類作家會對第一組提示做出響應。開發人員微調了一個經過訓練的GPT-3，將它變成InstructGPT以生成每個提示的現有響應。

2.下一步是訓練一個模型，使其對更好的響應做出更高的獎勵。對于第二組提示，經過優化的模型會生成多個響應。人工評分者會對每個回復進行排名。在給出一個提示和兩個響應后，一個獎勵模型學會了為評分高的響應計算更高的獎勵，為評分低的回答計算更低的獎勵。

3.開發人員使用第三組提示和強化學習方法近端策略優化進一步微調了語言模型。給出提示后，語言模型會生成響應，而獎勵模型會給予相應獎勵。PPO使用獎勵來更新語言模型。

與其他AI聊天機器人不同，本著構建更加負責任的強人工智能原則，ChatGPT可以回答后續問題、承認錯誤、挑戰不正確的問題并拒絕不適當的請求。

三、ChatGPT等AIGC工具對內容生態的挑戰

不可置疑的是AIGC對很多領域產生了積極的影響。如，文本創作、音樂創作、游戲文本生成等。隨著AIGC工具的成熟，其甚至可自主編程、拼接生成新的協議。

但，此類工具向內容生態提出一個全新的問題即：如何應對AIGC的真實性。以ChatGPT為例：

1.在訓練的強化學習階段，對于問題，并沒有真相和問題標準答案的具體來源。

2.訓練模型更加謹慎，可能會拒絕回答。

3.監督訓練可能會誤導/偏向模型傾向于知道理想的答案，而不是模型生成一組隨機的響應并且只有人類評論者選擇好的/排名靠前的響應。

人工智能生成的答案有數千個，而這些答案通常需要具有專業知識的人詳細閱讀，才能確定答案實際上是錯誤的，這些錯誤信息很容易破壞以志愿者為基礎的高質量問答社區。

紙質新聞時代，每個事實都必須包含權威的一手或二手資料來源，但現在已經很少有出版物有事實核查員，這就把責任推給了記者和編輯。信息爆炸時代，以人為媒介傳播的虛假信息尚且讓審核機制“頭疼”，很難想象當人工智能開始傳播虛假信息，所帶來的挑戰。尤其是在這個輿論時常反轉的時代，只要一個消息聽起來合理，許多人就會認為這是正確的。

Tags：GPTCHAAINHAIBGPTdashcarchainfmchainioTools Chain

幣贏