让AI生成AI绘画提示词，OpenAI最新成果ChatGPT被网友玩 ...

胡本達

关注“FightingCV”公众号
回复“AI”即可获得超100G人工智能的教程
点击进入→FightingCV交流群
From 量子位一款新的聊天AI被网友们玩疯了。
能直接生成代码、会自动修复bug、在线问诊、模仿莎士比亚风格写作……各种话题都能hold住，它就是OpenAI刚刚推出的——ChatGPT。
有脑洞大开的网友甚至用它来设计游戏：先用ChatGPT生成游戏设定，再用Midjourney出图，简直是AI生产力一条龙了。



有人还将ChatGPT的回复与谷歌搜索结果对比，惊讶地发现ChatGPT在实用性上强太多：谷歌这是要凉啊。



甚至有人预言如果谷歌不做出改变很快就会被淘汰，到时候自己愿意每月花15-20美元使用ChatGPT。



不过好消息是，目前ChatGPT正处于免费试用阶段，有条件的小伙伴可以赶紧试试。（链接放在文末）
ChatGPT有多神奇？

有网友分别问谷歌和ChatGPT“如何使用Latex表示微分结果”，相较于谷歌中规中矩的回答：



ChatGPT则是一下给出了直接可用的代码，你只需动动手复制粘贴即可：



还有人让ChatGPT给出冒泡排序的最坏时间复杂度，并且要求它用“19世纪40年代黑帮电影中讲话很快的聪明人”口吻说出来，也被ChatGPT轻松拿捏：



直接问下面代码的bug是啥，ChatGPT也能给你说得明明白白：



除了计算机，ChatGPT在其他领域表现也很出色，比如它还能AI在线问诊。
当你告诉它自己得了皮疹，并且呼吸困难，感觉很虚弱时，ChatGPT会像医生一样为你分析病因，并建议你比起吃药，更需要戒烟、多锻炼。
与搜索引擎里需要小心分辨的医疗广告对比，可以说很贴心了。



还有许多机智的网友，像上文提到的那样，用ChatGPT来搞设计。
比如这位网友让ChatGPT给自己设计卧室，然后用它给出的文字做提示词，去MidJourney生成图像，连请设计公司的钱都省了。



那么，介绍了这么多，ChatGPT背后原理究竟是什么？
背后原理

顾名思义，ChatGPT是在GPT-3.5系列中的一个模型上进行微调而成，该系列已在2022年初完成了训练。
它以对话方式进行交互，既能够做到回答问题，也能承认错误、质疑不正确的前提以及拒绝不恰当的请求。
与OpenAI今年初发布的InstructGPT一样，ChatGPT也是使用强化学习进行训练，但在数据收集设置上有所区别。
在模型训练中，OpenAI使用监督微调：训练者提供对话样本，扮演对话的双方，即用户和AI助手。
除此之外，训练者还可以访问模型编写的建议，帮助他们撰写答案。
为了创建强化学习的奖励模型，研究团队需要收集比较数据，为此，他们随机选择模型编写的信息，对替代结果进行抽样，再让训练者对样本进行排名。
通过上述的奖励模型和近端策略优化对模型进行微调，并执行了此过程的多次迭代，最后得出了该模型。



不过别看它在许多方面表现都很出色，研究人员也承认现阶段ChatGPT还存在一些bug。
举个例子，有网友在多次尝试后就指出，ChatGPT经常会过度使用某些短语，比如反复重申“自己是由OpenAI训练的语言模型”。
除此之外，有时候ChatGPT的回答过于冗长，甚至当网友告诉它自己需要更短一点的回答时，它反而说的更多了。



还有理性的网友指出，ChatGPT想要替代谷歌也没那么容易。
一位在Alphabet工作的网友就现身说法，谷歌也不是没有考虑过在搜索引擎中引用大模型，但最大的问题是成本太高了。
如果要对用户收费的话，价格很可能高达150~200美元每月，恐怕没有几个人愿意支付这笔钱。



不过，OpenAI的CEO萨姆·阿尔特曼（Sam Altman）对ChatGPT的未来发展表示很有信心：
他表示，语言接口将是未来的一个发展方向，而ChatGPT就是为大家先打了个样，相信很快大家就能用上能跟自己聊天、回答问题并提供建议的AI助手了。



话说回来，你还想到了ChatGPT哪些好玩的用途？
有条件的小伙伴赶紧戳下面链接试试吧～
指路链接：
https://chat.openai.com/
参考链接：
[1]https://twitter.com/sama/status/1598038818472759297
[2]https://news.ycombinator.com/item?id=33817682
[3]https://twitter.com/jdjkelly/status/1598021488795586561
往期回顾

基础知识
【CV知识点汇总与解析】|损失函数篇

【CV知识点汇总与解析】|激活函数篇

【CV知识点汇总与解析】| optimizer和学习率篇

【CV知识点汇总与解析】| 正则化篇
【CV知识点汇总与解析】| 参数初始化篇

【CV知识点汇总与解析】| 卷积和池化篇 （超多图警告）


最新论文解析
ECCV2022 Oral | 微软提出UNICORN，统一文本生成与边框预测任务
NeurIPS 2022 | VideoMAE：南大&腾讯联合提出第一个视频版MAE框架，遮盖率达到90%
NeurIPS 2022 | 清华大学提出OrdinalCLIP，基于序数提示学习的语言引导有序回归

SlowFast Network：用于计算机视觉视频理解的双模CNN
WACV2022 | 一张图片只值五句话吗？UAB提出图像-文本匹配语义的新视角！
CVPR2022 | Attention机制是为了找最相关的item？中科大团队反其道而行之！
ECCV2022 Oral | SeqTR：一个简单而通用的 Visual Grounding网络
如何训练用于图像检索的Vision Transformer？Facebook研究员解决了这个问题！
ICLR22 Workshop | 用两个模型解决一个任务，意大利学者提出维基百科上的高效检索模型

See Finer, See More！腾讯&上交提出IVT，越看越精细，进行精细全面的跨模态对比！
MM2022｜兼具低级和高级表征，百度提出利用显式高级语义增强视频文本检索
MM2022 | 用StyleGAN进行数据增强，真的太好用了

MM2022 | 在特征空间中的多模态数据增强方法

ECCV2022|港中文MM Lab证明Frozen的CLIP 模型是高效视频学习者

ECCV2022｜只能11%的参数就能优于Swin，微软提出快速预训练蒸馏方法TinyViT

CVPR2022|比VinVL快一万倍！人大提出交互协同的双流视觉语言预训练模型COTS，又快又好！

CVPR2022 Oral｜通过多尺度token聚合分流自注意力，代码已开源

CVPR Oral | 谷歌&斯坦福（李飞飞组）提出TIRG，用组合的文本和图像来进行图像检索

木林水

查看图片

落蕊重芳

ChatGPT的背后是OpenAI，那么请问OpenAI的背后是？[飙泪笑]