精品软件与实用教程
ChatGPT 应用如何落地，人工智能只是开始，未来 ChatGPT发展方向
ChatGPT发展方向 web3 之所以很难落地，是因为很难找到web3落地应用的解决方案。而 ChatGPT 则不同，那些依托于 ChatGPT 强大语言模型的应用很快就会更新迭代，最终会到用户的手中使用，这可能就是 ChatGPT 聊天机器人爆火的原因。ChatGPT 具有随机性，不可预测性与创造力更是突出了 ChatGPT 的不同。
ChatGPT发展方向 ，结合人类无法做到的想法
如果说 ChatGPT 有什么惊人之处——并且明显优于人类——那就是将不同的想法无缝地组合成一个同质的整体。我说的是这样的事情：
这可以说是ChatGPT最突出的技能。它不仅是一个很好的工具，而且是唯一可以做到这一点的工具（与其他 LM 一起）。即使是人类——包括那些精通提示概念（例如冒泡排序算法和黑帮电影）的专家——也无法轻松做到这一点。
这是另一个例子。我要求 ChatGPT 写一首莎士比亚的十四行诗，用奇数诗句写早晨咖啡，用偶数诗句写巨嘴鸟，但感觉要有凝聚力和连贯性（出于好奇，莎士比亚于 1616 年去世，巨嘴鸟于 1776 年首次在分类学上被描述，这使得这这首诗在历史上是不可能的）。这是几次尝试后的结果（甚至押韵方案——ABAB CDCD EFEF GG——也近乎完美）：
ChatGPT 接受了大量文本数据的训练，因此预计它会了解大量主题——它们以某种方式在其数十亿个参数中表示。在某种程度上，我们的大脑以类似的方式工作。记忆召回与使用提示使 LM 输出某些特定内容没有什么不同（请注意，我不是在结构甚至功能上绘制并行性，而是在原则上）。
然而，无缝地混合任何两个或三个主题并不是人脑默认可以做到的。ChatGPT 的能力具有“异质性”（因为它出错的方式存在异质性）。它结合人们的写作风格、不同的主题或从未放在一起的想法来创造具有语义凝聚力的独特作品的方式令人印象深刻。对我来说，这体现了 LM 的创造性特质。相比之下，人类——即使是最熟练的——会发现很难始终如一 地创造出这样的混合物。我们的大脑不太适合这项任务，而 ChatGPT 很适合。
这种现象是概念在 ChatGPT 的潜在空间中如何表示的结果。提示允许我们以人类记忆无法访问的方式访问它（至少可以随意——如果我们可以像使用 ChatGPT 那样提示它，谁知道我们可以从一个人的头脑中得到什么）。
ChatGPT发展方向 ，修改您创建的内容
人类擅长深入探索想法，而这正是 ChatGPT 所面临的难题。这就是为什么我从不推荐它来写这样的文章，无论是电子邮件、推文还是一本书。
但是我愿意用它在这些格式之间进行转换。在例行的行政工作中，我发现了这个 ChatGPT 的唯一优势。
它的语言形式很棒，但连贯性却很糟糕（更不用说它的输出既不创新也不引人入胜）。它对于编辑已经存在的事物很有用，但对于创建需要与现实有最低程度关联的新事物却非常糟糕。
当我说“格式之间的转换”时，第一个想到的图像是这样的，我认为它的实用性和安全性很高：
如果我们将这个想法外推到其他所有事情，我们会发现 ChatGPT 非常适合用要点总结文章（我建议对你写的文章这样做），重写语法风格的段落（但不是从头开始写），或跨平台定制内容（例如，将 Substack 文章制作成 LinkedIn 帖子，然后是 Twitter 线程）。
这里的关键是完美的信息。当您编写或创建了某些内容时，您就会了解有关它的所有信息。ChatGPT 以某种方式修改内容是无害的，因为一旦一个想法或概念不符合您的初衷，您就会抓住它。当您是该主题的专家时，这也很有效（尽管在这种情况下，如果您发现错误，您会怀疑它是 ChatGPT 的还是人类作者的）。
如果您阅读了一篇文章并希望 ChatGPT 对其进行总结，您可能会成功，但您与内容（或知识）的距离越远，就越难发现其错误。就个人而言，我只会考虑用我自己写的东西来做（我还没有尝试过）。
ChatGPT发展方向 ，AI美术模型
你有没有注意到我的封面图片最近质量有所提高？ChatGPT 在探索 Midjourney 的潜在空间方面比我好得多。不是因为它了解如何制作好的提示，而是因为它擅长模式。所有纯深度学习模型都具有此功能（从根本上讲，这是它们唯一做的事情——模式识别），而提示工程就是关于模式的。
为了从 ChatGPT 获得良好的 Midjourney 提示（GPT-3 在另一个“满负荷”时同样有效......）我描述了任务，添加了几个示例（我从 Midjourney 社区提要中获取图像提示），然后指定我想要的主题。这是我目前正在使用的提示：
“为从文本创建图像的人工智能系统写一个好的提示（Midjourney）。该图片是一篇关于 [您选择的主题] 的文章的封面。
以下是三个典型的提示：
- “广阔的天空，各种闪闪发光的记忆串成巨大的北极光，像发光的树叶，白色，橙色，极其美丽，美丽的宇宙扭曲，美丽的夜幕降临，电影般的灯光，美丽的领域，高清，高质量，超细节。 ”
- “跪着的猫骑士，肖像，精致的盔甲，复杂的设计，银色，丝绸，电影灯光，4k。”
- “超锐利获奖水下自然摄影，女性骑着闪闪发光的渐变海马，背光，景深，海底，茂密的植被，粒子，太阳光线，珊瑚，金鱼，水下时尚摄影，女性骑着海马，超锐利的获奖摄影作品。”
您可以使用不同的词或概念。只写一个提示。”
现在让我们看一些图像。为了便于说明，我将使用我喜欢的音乐专辑的名称作为主题（几乎任何东西都可以替代“主题”占位符）：
疯狂背后的美丽 The Weeknd
“代表疯狂的颜色和图案的混乱漩涡汇聚成一只美丽而复杂的蝴蝶，象征着它背后的美丽，戏剧性的灯光，高分辨率，抽象表现主义。” — 第 4 节
Back in Black 滚石乐队
“一幅黑白风格的插图，描绘了一名吉他手站在放大器墙前，烟雾在他们身后升起，就好像他们正在地下俱乐部演奏音乐会一样。演奏者的服装和吉他应该时尚而时尚，而放大器又大又气势，营造出一种原始力量感。使用线条画和阴影的组合来创建图形小说风格的图像，并在吉他上使用流行的鲜红色来增加重点。”— 第 4 节
感受一下 Jaymes Young
“这幅抽象画通过混合暖色和冷色、强烈的笔触以及有机和几何形状来捕捉‘感受某物'的感觉。焦点在中心，感觉最强烈，背景模糊而梦幻。高分辨率，充满活力，发人深省。” — 第 4 节
设计的可能性是无限的。您不必绞尽脑汁寻找提示。如果您处于探索模式，ChatGPT 可以提供有趣的想法，您可以随时调整这些想法以符合您的意图。
ChatGPT发展方向 ，在文字领域的协助创作
ChatGPT 本质上是不可预测的。在聊天机器人完成之前，您无法知道它会输出什么。而且，因为它也是不可靠的（默认情况下它并不是设计成真实的——只是被强化为真实），这意味着你不知道它什么时候会产生疯狂的东西。
哈佛博士 学生卡里姆·卡尔 (Kareem Carr) 在推特上发了一些推文，从正面看待这场争论。我同意他的看法：
在这种情况下，“想法探索”意味着它不必是真实的（因为它可能不受支配我们世界的法律的约束）并且是无限的（即任何事情都会发生）。
我愿意使用 ChatGPT 的一些例子（还没有）包括集思广益文章主题、标题，甚至大纲，以及推荐属于我可以评估真实性的类别的东西（例如 X 金额的礼物清单美元或接下来要阅读的书籍清单（考虑到我最近的历史）。
其他人也发现 ChatGPT 对创意灵感很有用。漫画家 Chaz Sutton 用它来创作有趣的漫画，然后他画了这些漫画（本月 Medium 上的另一篇热门帖子）。Guy Parsons 在 Twitter 上探索 AI 艺术模型，他用它来编写恐怖电影的概要和人物描述，然后他将其输入到 Midjourney 中。詹妮弗·莱普 (Jennifer Lepp) 为 Kindle 撰写关于“超自然悬疑子类型”的电子书，她将其用于“标题和情节”。
另一个问题是，当涉及到让 ChatGPT 进行创造性工作时，在何处划清对与错的界限。如果它提出了一个吸引人的标题，那么使用它是可以的，但是写一段不是吗？这取决于我们每个人来决定我们想如何使用人工智能——我会认真地并在完全公开的情况下这样做（至少直到我们达到一个点——如果有的话——默认情况下假设 ChatGPT 参与了这个过程，比如 Grammarly . 然后我会决定我是否要继续使用它）。
ChatGPT发展方向 ，进一步探索语言模型
使用 ChatGPT 来了解它的工作原理是一个关键的应用程序，它会间接影响所有其他应用程序——尽管我不得不承认它对普通用户来说没有那么有趣。
就像AI 艺术模型不像相机一样，ChatGPT 也不像计算器。原因之一是大型深度学习模型固有的“不可解释性”。没有手册可以让用户准确地知道如何做。使用 ChatGPT，我们只能通过演绎经验主义收集行为见解（我们看到它如何表现并得出结论的例子）。
使用 ChatGPT 来了解它本身是一个非常独特的应用程序——我不知道有任何其他消费产品属于这一类别（出于必要，而不是选择）。作案手法是运行一组实验来测试模型的能力，并提出一个心智模型，说明它在哪里工作正常，哪里坏了（Gary Marcus 和其他人正在用 ChatGPT 的错误编译文档）。
我的测试并不十分严格，但我发现它是向您展示 LM 局限性的重要灵感来源。我使用 GPT-3 写了一篇文章，只是在最后披露了它，我让GPT-3 和 J1-Jumbo 交换了输出，看看在没有我干预的情况下对话会进行到哪里，我与 Lex 共同写了一篇文章来强调它的无能提出与我一致的论点。
据我所知，在这个领域做更多公共工作的人是Riley Goodside，他探索了 GPT-3、ChatGPT 和最近的 Claude，可能比 OpenAI 和 Anthropic 以外的任何人都多。他是第一批发现 ChatGPT 安全过滤器失效的方法的局外人之一，并提出了及时的注入方法，虽然可能有害，但可以为拥有模型的公司提供解决缺陷的见解，否则这些缺陷可能会被忽视。这些类型的测试是我们可以用来更好地了解生成 AI 模型内部发生的事情的少数测试之一。
