嗑了仙丹的AI——ChatGPT
ChatGPT或GPT-3的使用者常常对这些模型能够生成的结果赞不绝口。这些模型能够以比人类快上10倍甚至20倍以上的速度生成文本，并且生成的文本质量高，令人印象深刻。这是因为GPT-3采用了Transformer架构，并在大量文本数据上预先进行了训练，因此能够处理广泛的自然语言任务，如语言翻译、总结、文本分类和问题回答等。
相比于其他语言模型，GPT-3具有更高的准确性和流畅性，这是由于它采用了一种全新的神经网络结构和更先进的学习算法。在GPT-3预训练的过程中，模型通过阅读大量的文本数据，从而学习了丰富的知识和文本生成技巧。
简单来说，GPT-3的架构就是通过喂入大量的范本，学习拆解这些范本并重新组合出新的结果。引擎设计者所喂入的数据越多，GPT-3获得的知识就越丰富。例如，OpenAI在GPT-3的预训练过程中喂入了超过570GB的文本数据。当GPT-3获得足够丰富的知识库时，其生成的结果也变得越来越精确。使用者只需要将自己的工作通过语意拆分成多个小任务，让GPT-3分别完成，再将结果组装起来，就能像有了10倍超能力的工作者一样高效地完成工作。
GPT对今日社会的广泛影响
一个人拥有10倍超能力是一件好事。但是当几百万人有了10倍超能力，那会发生什么事情就难以想象。因此，ChatGPT的推出可能成为当前科技史上影响最大的事件之一。当每个人都拥有超能力时，各行各业将会发生怎样的变化呢？
GPT的自然语言生成能力可用于重复性任务的自动化，如写作、内容创建和客户服务。乍看之下GPT的诞生似乎只影响文学界，实则不然，而是影响多个行业。因为各行各业的书面表达、交流、知识保存、创造都是以文本为基底，所以受影响可能是全方面的。
目前开放的GPT是一个通用引擎，不代表这个引擎未来不可能进化。事实上，它有可能加入专业知识库，进行数据训练和结果微调。许多我们认为不可能被颠覆的领域，如专业技术教育、医疗保健和金融等领域的工作岗位可能会受到影响。
白话解说GPT运作原理
当你询问GPT问题的时候，GPT也会拆解你的指令句／问句，去神经网络后面找到“最相近”的“词条群”（利用数学计算相似度），重新生成有意义的回答给你。
目前的GPT神经网络内收录了大量的“常识”，所以他能够回答你常识上的问题。或是用“常识”根据你的问题，“推论”出可能的结果。
使用精确的问句并不是我们人类说话上的习惯，也不符合我们平常思考的直觉。但我们可以做的是，下了一个命令句后去精修问句，加上下文、意图、目标等等。提示下得越精确，得到的结果会越好。
以角色扮演方式提高提示效率
为了最大限度发挥GPT的功用，使用精心设计的提示语很重要，让提示语给模型一个明确且具体的任务；以角色做提示，用特定角色改善GPT的输出。
GPT回答我们的问题，是按照一般人的角度来猜测与回答，它并没有角色的概念。然而，一个领域的专业人士去回答一个路人该专业上的问题，回答的水准就不是同一个概念与等级。我们可以利用这个区别，用特定角色提示提供GPT所需要的背景信息，以产生更准确和相关的输出。所以，你在使用ChatGPT时可以这么做：“扮演XXX职业，回答我的YYYY问题。”
1）扮演新闻主播，写一段关于〔GPT对未来教育的影响〕的新闻片段：
介绍：晚安，我是〔主播姓名〕，今晚我们将讨论一项正在革新教育领域的开创性技术，GPT。
PART❶：我们先来看看GPT的背景和历史，它与其他人工智能技术有什么不同。
PART❷：接下来，我们将探讨GPT在教育行业中使用的实例，从作文评分自动化到创建个性化的学习计划。
PART❸：我们还将听取该领域专家的意见，他们将对GPT对未来教育的潜在影响和必须解决的潜在挑战进行评价。
PART❹：最后，我们将让你看到GPT和教育的未来，这项技术将如何改变我们的学习方式。
结语：感谢大家收看我们对GPT和未来教育的特别报道。我是〔主播姓名〕，我们下次见。
2）写一个关于〔GPT对未来教育的影响〕的新闻片段：
PART❶：讨论GPT的背景和历史，以及它与其他AI技术的区别。
PART❷：探讨GPT在教育行业中使用的实例，从作文评分自动化到创建个性化的学习计划。
PART❸：分析GPT对未来教育的潜在影响和必须解决的潜在挑战。
PART❹：讨论GPT和教育的未来，这项技术将如何改变我们的学习方式。
结语：总结主要观点，并对GPT和教育的未来提出见解。
以上新闻主播为例：在第一个例子中，提示提供了一个明确的新闻主播的角色，这给GPT一个明确的方向，亦即如何安排片段的格式，如介绍和结论，也帮助GPT提供更详细和结构化的输出。第二个例子没有做新闻主播角色的提示，得出的结果比较笼统，没有专门针对新闻片段设计的格式，只是一份提纲，也不太详细。此外，它缺乏新闻主播的视角，而新闻主播的视角对观众来说更有吸引力和趣味。
本文出自：《都问AI吧！》／商周出版社
