chat ai 与chat gpt区别

来源：雪球App，作者： 每天悟道十八次，（https://xueqiu.com/2957528867/241251591）

chatGPT概念梳理――缘起

前言

A股市场或是中国最大的知识付费平台。做过美股的都知道，关注GDP、非农就业、物价指数、美联储议息几个数据，基本就八九不离十了。但在A股，从能繁母猪的产后护理到人口饱和生育率，从7纳米光刻机到高铁齿轮传动系统，从光伏产业链博弈到刀片电池黑科技，从机器人技术分解到大宗商品周期，从外卖骑手数量到电单车需求变化，从医药集采到国际海运价格，从国际冲突到国内政策，啥玩意你都得学，都得懂。最后钱多半是赚不到的，但至少落得了满身才华:张口宏观大势闭口十年国运，左手人口走势右手景气空间，上知天文下至地理--而你在股市亏的钱，就是为学这些知识而付的费。

――格隆博士 (格隆汇创始人)

A股的chatGPT暂时退潮，让我们来简单梳理一下这个大题材。话题太大，欢迎补充。

人工智能主要分三大学派，分别是符号主义学派、连接主义学派和行为主义学派。符号主义走过了启发式算法――专家系统――知识工程的发展道路。IBM超级计算机击败卡斯帕罗夫，本质上就是符号主义在博弈领域的成果。连接主义，又称仿生学派或生理学派，是一种基于神经网络和网络间的连接机制与学习算法的智能模拟方法。再坐了多年的冷板凳后，人类进入互联网和大数据的时代，深度学习理论取得了系列的突破，算法、算力、数据三要素齐备，连接主义学派大放光彩。大家熟知的AlphaGo、Alphafold都是代表性成果。行为主义，又称进化主义或控制论学派，原理为控制论以及感知――动作型控制系统，波士顿动力就属于行为主义学派。当前我们讨论的人工智能其实是一种弱人工智能，基本特指机器学习，是一种实现人工智能的方法，也有人将其分为五大流派：符号主义、贝叶斯、联结主义、进化主义、行为类推主义。

这些学派的理论互相交织，共同促进了人工智能的发展，比如很多成果依赖强化学习，而其属于行为主义。当前连接主义学派不断取得突破性成果，信奉大力出奇迹。其主要应用有数据分析、视觉和自然语言处理（NLP）。后者正是我们今天话题的主角。

早在1950年代，自然语言处理就已经成为了计算机科学的一个研究领域。到了1980年代末期，机器学习的崛起为NLP引入了新的思路。机械的文字处理规则被柔性的、以概率为基础的统计模型所替代。当前的NLP指以计算机为工具解决一系列现实中和自然语言相关的问题，机器学习、深度学习是解决这些问题的具体手段。

常见的 NLP 任务有分词、词嵌入、新词发现、拼写提示、词性标注、实体抽取、关系抽取、事件抽取、实体消歧、公指消解、文本分类、机器翻译、自动摘要、阅读理解等等。针对这些任务，NLP研究人员探索出了很多方法，这些方法又对应于不同类型的技术。

概括起来，NLP有2大核心任务，自然语言理解（NLU）和自然语言生成（NLG）。理解语言对机器来说是很困难的事情，所有语言的鲁棒性都是导致自然语言理解的主要难点，其中包括：语言的多样性、歧义性、知识依赖、上下文关系等。

以前人们通常通过经验主义，即特征工程或统计信息的方式来解决NLP问题，文本的表征是简单的词袋表示（Bag-of-Words），这种方式使得文本丢失了序列信息以及背景依赖信息等。

从2001年的嵌入式词向量表示到2013年的word2vec，研究已经逐步解决传统词袋表征方式的无序性，并进一步丰富了表征向量的表达能力。

2013到2014年，各种神经网络模型在NLP上的应用逐渐增多，其中应用最广泛的是：卷积神经网络（CNN）、循环神经网络（RNN）和结构递归神经网络（recursive neural networks）。

因为文本是有序的，而RNN的序列性结构使其成为了最贴合文本输入的网络模型，是大量研究工作的首选基础框架。为了解决RNN模型梯度消失和爆炸的问题，经典的长短期记忆网络（LSTM）以及其改进版本门控循环单元（GRU）开始被广泛应用。

2014 年提出的序列到序列学习即是用神经网络将一个序列映射到另一个序列的框架模式。编码器将输入文本转换为表示向量，解码器将向量转化为输出文本序列。这个结构一经提出便迅速被应用到机器翻译，并逐步取代了基于短语的整句机器翻译模型。但编码器需要将输入序列整合成固定大小的向量，使得很多输入信息被忽略甚至丢失，导致解码效果不佳，因此提出了注意力机制（attention model）。

注意力机制使得解码器有针对性的对编码序列进行解读，在输入序列上引入注意权重，以优先考虑存在相关信息的输入位置信息，以生成下一个输出。注意力机制被广泛应用到机器翻译、阅读理解等任务。

受图像学习的影响，预训练语言模型在2015 年被首次提出，以Transformer和BERT为代表的预训练语言模型，被证实在大量NLP任务上卓有成效。

这些预训练语言模型均是无监督形式，使得模型能够从无标注语料中获得通用的语言建模能力。而后模型可以根据少量的标注数据进行任务导向的微调，使得模型不需要大量的训练数据也能够达到不错的效果，可很大程度缓解低资源任务对大量标注数据的需求。

在google提出BERT之前，openAI先发布了GPT，GPT的底层架构也是transformer，是由pre-training和fine-tuning两部分构成的。GPT没有BERT引人瞩目，但2019年openAI推出了GPT-2，去掉了fine-tuning层，增加了数据集和网络参数并调整了transformer架构。GPT-2在GPT基础上的创新不大，都是用transformer单向建预研模型，只不过是规模要大很多。因此效果甚至超过了BERT。

2020年openAI再接再厉发布了GPT-3，其显著特点是参数很多，是一个巨型模型，还是在GPT-2上进行微调。随着参数量的增加，准确率升高，在NLP的任务中也表现相当卓越，优于其他先进技术。

ChatGPT本身并没有论文，大部分理论基于InstructGPT。InstructGPT的初衷是通过校正大语言模型使其更好地理解人的指示。通过三个步骤：1、强监督学习训练预训练GPT-3模型；2、通过人对几个模型输出回答的排序数据，来训练强化学习中的奖励函数。3、通过强化学习PPO算法，来优化第一步中强监督学习得到的模型，使得第二步骤得到的奖励函数极大化。其设计的精妙之处在于整合强化学习来巩固人工智能对齐（AI alignment，即要求AI系统的目标和人类的价值观与意图保持一致）。

chatgpt为何能火爆出圈 ChatGPT 概念什么时候提起来的

来源：雪球App，作者： 白鸭鸭，（https://xueqiu.com/6075298575/241404689）

近日，chatGPT火爆出圈。上线仅仅两个月，ChatGPT便已经在全球范围内火得一塌糊涂。有媒体评论称，ChatGPT已经成为有史以来成长最快的应用，它在短短两个月内斩获逾亿用户，日独立用户访问量达到令人吃惊的1300万之巨。

那么，chatGPT到底是什么呢？

首先，chat意为聊天，GPT为Generative Pre-training Transformer（预训练生成模型）。ChatGPT是由OpenAI开发的一个人工智能聊天机器人程序，于2022年11月30日推出。

从chat出发，当然就是可以日常的聊天了。它能够模拟人类的语言行为，与用户进行自然的交互。它的名称来源于它所使用的技术―― GPT-3架构，即生成式语言模型的第3代。

chatGPT的核心技术是 GPT-3 架构。它通过使用大量的训练数据来模拟人类的语言行为，并通过语法和语义分析，生成人类可以理解的文本。它可以根据上下文和语境，提供准确和恰当的回答，并模拟多种情绪和语气。这样，就可以让用户在与机器交互时，感受到更加真实和自然的对话体验。

总之就是，如果你不想在微信上聊，也不想在脸书上互动，就可以去找ChatGPT谈谈心啦。

但是chatGPT的功能可远远不止聊天这么简单！

它不仅能聊天，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。简单理解，你可以把ChatGPT看成是一位拥有“智商更高”的AI机器人。

ChatGPT在国外已被广泛应用，百度宣布三月份推出国产版。

世界首富比尔盖茨这样评价ChatGPT：它的诞生的历史意义丝毫不亚于PC或互联网诞生。

2023年2月4日，以色列总统艾萨克・赫尔佐格(Isaac Herzog)周三发表了部分由人工智能(AI)撰写的演讲，成为首位公开使用ChatGPT的世界领导人。

另据一项调查显示，截止2023年1月，美国89%的大学生都是用ChatGPT做作业。

可以说，chatGPT在国外异常火爆。一个新的时代似乎正在拉开序幕。

$中欧医疗健康混合A(F003095)$ $易方达消费行业(F110022)$ $交银优势行业混合(F519697)$