Anthropic
推出划时代的Claude 3.7 Sonnet——全球首个混合推理模型
ChatGPT（全名：Chat Generative Pre-trained Transformer），基于GPT系统大模型构建，是OpenAI采用“从人类反馈中强化学习”(RLHF)训练方式，ChatGPT的本质是提高人脑对各种信息资料进行收集、整理、计算、分析等能力的智能工具，是为人脑”观念建构”提供丰富、精准的方案、图式等资料或条件等的工具体系。
2022年11月30日发布的能够对话的GPT-3.5版本。
2023年3月14日，OpenAI推出GPT-4 ；2023年5月、7月、8月、11月，2024年1月、5月、12月，OpenAI先后推出iOS版、安卓版、企业版、自定义版本、团队版、教育版ChatGPT应用；2025年2月27日，OpenAI推出GPT-4.5。
ChatGPT是一款聊天机器人程序，能够基于在预训练阶段所见的模式和统计规律生成回答，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流。
它强大的自然语言处理能力和多模态转化能力使之可用于多个场景和领域。
它可用来开发聊天机器人，编写和调试计算机程序，撰写邮件，进行媒体、文学相关领域的创作，包括创作音乐、视频脚本、文案、童话故事、诗歌和歌词等。它还可以用作自动客服、语音识别、机器翻译、情感分析、信息检索等。
ChatGPT由谁开发
ChatGPT人工智能聊天机器人是由OpenAI开发和拥有的，Elon Musk和Sam Altman在2015年将其作为一家非营利性公司创立。2018年，马斯克从OpenAI中撤出，不再拥有OpenAI的股份。起初，该公司从硅谷风险资本家那里获得了10亿美元，以启动构建神经网络。
2019年，OpenAI从微软那里筹集了10亿美元的第二轮资金。他们开始使用Azure超级计算机来构建这些大型语言模型。快进到2023年，微软向OpenAI投资了100亿美元，使其总股份达到49%。其他投资者，包括Khosla Ventures，又占了49%，而OpenAI只保留了2%的股权。
ChatGPT是如何工作的
在ChatGPT之前，人工智能聊天机器人就已经出现了，但由于它们不是对话式的，所以并未引起人们的普遍关注。而在2017年，谷歌在他们的论文《Attention is All You Need》中介绍了一个名为The Transformer的神经网络架构，这创造了一个训练大型语言模型（LLM）的范式转变。
与其他神经网络相比，循环神经网络（RNN）和长短期记忆网络（LSTM）都比不上Transformer网络。RNN在长期依赖性方面存在问题，而LSTM无法专注于长句中的正确单词以获得正确的输出。
而Transformer网络改变了语言模型的训练方式，Transformer不像RNN那样一次处理一个词，而是可以一次注入整个输入。此外，Transformer允许平行运行多个输入，减少计算成本，训练速度更快。
意识到Transformer的潜力后，OpenAI决定利用Transformer网络，并按照其架构进行数据训练。这些模型的训练过程主要包括三个步骤：生成式预训练（Generative pre-training）、监督微调（Supervised fine-tuning）、基于人类反馈的强化学习（RLHF）。
如何使用ChatGPT
ChatGPT有一个基础版本，可以免费使用，要使用ChatGPT，你只需要访问他们的官方网站，无需下载，去ChatGPT页面登录即可，你可以选择邮箱注册或用你的谷歌或微软账户登录。
ChatGPT的网页界面对所有用户来说都很容易使用，显示界面包括一个供用户输入查询的文本框和一个显示结果的区域。输入你的文字提示后，然后你就会收到ChatGPT返回的回应信息。
理论基础
大模型，通常指的是拥有巨大参数量的机器学习模型。这些模型基于预训练方式，通过NLP理解和学习人类语言，以人机对话方式，完成信息检索、机器翻译、文本摘要、代码编写等内容生成任务。大模型的由来可以追溯到20世纪的AI研究初期，当时的研究主要集中在逻辑推理和专家系统上。随着机器学习、深度学习技术的出现和硬件能力的提升，大规模数据集和复杂神经网络模型的训练成为可能，从而催生了大模型的时代。
2017年，谷歌推出的Transformer模型结构通过引入自注意力机制，极大地提升了序列建模的能力。此后，预训练语言模型(PLM)的理念逐渐成为主流。PLM在大规模文本数据集上进行预训练，捕捉语言的通用模式，然后针对特定任务进行微调来适应特定的下游任务。其中，OpenAI的GPT系列模型是生成式预训练模型的典范。
ChatGPT是基于GPT系统大模型构建的 。
OpenAI采用“从人类反馈中强化学习”(Reinforcement Learning from Human Feedback，RLHF)的训练方式对ChatGPT进行了训练。在训练原始模型的时候，OpenAI让人类训练师扮演对话的双方提供对话作为学习资料，通过理解人类语言本身，形成相符合的逻辑依据和理解链条。
在人类扮演聊天机器人的时候，OpenAI也会让模型生成一些建议来帮助训练师撰写自己的回复。
除此之外，ChatGPT还采用了注重道德水平的训练方式，按照预先设计的道德准则，对不怀好意的提问和请求“说不”。
一旦发现用户给出的文字提示里面含有恶意，包括但不限于暴力、歧视、犯罪等意图，都会拒绝提供有效答案。
基础功能
ChatGPT是为人脑”观念建构”提供丰富、精准的方案、图式等资料或条件等的工具体系，本质是提高人脑对各种信息资料进行收集、整理、计算、分析等能力的智工具。
它具有强大的自然语言处理能力，能进行内容创作、提升内容生产效率与丰富度。
它生成的内容十分智能，是一种“基于自身机器语言规制的再创造”；在学习人类知识的基础上作出判断，具有一定的逻辑性和创新性；拥有一定的归纳演绎和自主学习的能力，可以存储极丰富的知识等，并从这些知识中发现规律。
ChatGPT强大的自然语言处理能力和多模态转化能力使之可用于社交、电商、医疗、金融、教育、旅游、政府服务等多个场景和领域，提高用户的工作效率。
它可用来开发聊天机器人，编写和调试计算机程序，撰写邮件，进行媒体、文学相关领域的创作，包括创作音乐、视频脚本、文案、童话故事、诗歌和歌词等。
]它还可以用作自动客服、语音识别、机器翻译、情感分析、信息检索等，在某些测试情境下，ChatGPT在教育、考试、回答测试问题方面的表现甚至优于普通人类测试者。
结合ChatGPT的底层技术逻辑，有媒体曾列出了中短期内ChatGPT的潜在产业化方向：归纳性的文字类工作、代码开发相关工作、图像生成领域、智能客服类工作。
局限性
ChatGPT的使用上还有局限性，模型仍有优化空间。ChatGPT模型的能力上限是由奖励模型决定，该模型需要巨量的语料来拟合真实世界，对标注员的工作量以及综合素质要求较高。ChatGPT可能会出现创造不存在的知识，或者主观猜测提问者的意图等问题，模型的优化将是一个持续的过程。若AI技术迭代不及预期，NLP模型优化受限，则相关产业发展进度会受到影响。
此外，ChatGPT盈利模式尚处于探索阶段，后续商业化落地进展有待观察。
社会影响
-
人工智能技术的质变
ChatGPT是人工智能技术“量变”引发“质变”的代表，标志了机器学习大模型、大训练数据和大算力能够到达的新高度。ChatGPT模型越来越顺应人类的思考逻辑，更加符合人类认知和习惯，是工程实现上的重要创新。
ChatGPT的成功不仅是一个新一代聊天机器人的突破，它将为人工智能乃至整个信息产业带来革命。
ChatGPT正在演变成新一代操作系统平台和生态，用户将能直接用日常语音或者文字与人工智能进行交互，大部分计算负荷由大模型为核心的新一代信息基础设施接管。
数据统计
相关导航
