你以爲ChatGPT只會寫文章嗎？
看完這篇文章，你就知道 ChatGPT 實際比你想象得更厲害、更有用，也更恐怖…
最近 AI 話題又被炒得很熱，話題主要圍繞 OpenAI 團隊開發的 Chat GPT。如果你還不知道什麽是 ChatGPT，這篇文章就是為你而寫的。就算你已經聽説過 ChatGPT，也一定要繼續看下去，因爲我肯定這篇文章能給你更多啓發，可能很多例子你都沒有聽過，甚至從未想象過 ChatGPT 能做到！
ChatGPT 爲什麽這麽厲害？
ChatGPT 是一種基於深度學習（Deep Learning）的自然語言處理技術（Natural Language Processing，又簡稱NLP），可以生成自然流暢的對話，並在多種應用場景中得到廣泛的應用。
ChatGPT 的在2022年11月由 OpenAI 團隊推出。它是基於神經網絡的NLP技術，可以自動從大量的文本數據（text data）中學習語言模型（Language Model），進而生成自然流暢的對話（Dialog）。當中用到 InstructGPT 和强化學習透過指導和反饋來提升其回答問題的準確性和流暢性。
InstructGPT 可以利用樣本對ChatGPT進行微調和指導，使語言模型更能跟從指示（這個又稱為 Alignment 機制）。通過強化學習對 ChatGPT 與用戶交互的歷史記錄進行分析和反饋，從而讓ChatGPT能夠更好地理解用戶的需求並提供更加貼切的回答。
而所謂的”自然語言”是指人類平時使用的日常語言，例如中文、英語、日文等。它們是由人類在日常生活中自然產生和發展出來的語言，與人工創造的語言不同。自然語言是很複雜的，有很多不同的詞彙、語法和語義規則（例如你自小在學校語文課學的 Grammar），並且經常存在歧義（ambiguity）和多義性（polysemy）。
歧義和多義性是指語言中某些詞語或句子有多種不同的解釋或含義。歧義指的是一個詞語或句子有兩個或多個不同的解釋，而多義性則指一個詞語本身就有多種不同的含義。例如，“我喜歡吃火雞三明治和薯條。”講不清楚薯條是和火雞三明治一起吃的，還是獨立吃的，這就算是歧義；而“梅子有點酸”中的“酸”可以指味道上的酸，也可以指成分上的酸，這就是多義性。歧義和多義性使得自然語言處理中的文本理解和信息提取變得更加困難，需要更加複雜的算法和技術來解決，因此對於計算機來說，理解和生成自然語言是一個非常具有挑戰性的問題。
ChatGPT 的原理是通過學習一個大型語言模型（Large Language Model, LLM），來預測下一個單詞或詞組的出現概率。語言模型是自然語言處理中的一個基礎概念，它是一種統計模型（statistical model），用於對語言的結構進行建模（modeling）和預測（prediction）。語言模型通常是基於一定的語料庫數據，學習單詞或單詞序列在語言中出現的概率分布，從而可以預測句子或文本序列的下一個詞或詞序列。
在生成對話文本時，ChatGPT 會利用已經學習到的 LLM（這個模型又被稱為 GPT-3.5，之後我會在其他文章會介紹GPT模型），預測下一個單詞的出現概率，並根據這個概率生成下一個單詞。通過不斷重復這個過程，ChatGPT 可以生成自然流暢的對話文本，與真實的對話非常相似。
ChatGPT 的應用場景非常廣泛，其中最常見的應用就是在聊天機器人（Chatbot）中。通過 ChatGPT 生成的對話文本，Chatbot 可以與用戶進行流暢自然的對話，解決用戶的問題和需求，就像跟真人對話一樣。
此外，ChatGPT 還可以應用於自然語言生成（Natural Language Generation）、語言翻譯（Language Translation）、智能客服（Intelligent Customer Service）、文本摘要（Text Summarization）和分類（Text Classification）等領域。例如，在自然語言生成中，ChatGPT 可以生成自然流暢的文章和摘要，大大提高了生成文章和摘要的質量和效率。由於訓練 GPT 的輸入數據還包括了大量在 Github 的編程語言數據，所以 ChatGPT 甚至會編寫代碼（coding）！
你可以將 ChatGPT 想象成一個能理解和讀過超大量書籍的大師傅、專家，你可以用人類的語言（而且是不限語言！連難度極高的廣東話他也能理解！）請教與他，他就會把他所理解的告訴你！
ChatGPT 真的會寫代碼嗎？
我就隨便考 ChatGPT 一下：“如何用Python來自動爬取Wikipedia的文章”
他居然真的給我詳細的教學和代碼，還會推薦用什麽庫（Library）、給出完整代碼示例、教你如何安裝，而代碼還加上了注釋 Comment？！ 坦白説，我自己寫的code 也有時候懶得寫 comment… 我問這個問題之前其實也還未聽過 wikipedia-api 這個庫呢！
爲了測試他寫的代碼是否真的能跑，我立即去開了個 Google Colab 來測試，結果真的跑通了！！！太神奇了吧？看來程序猿都要失業了… Poor Coder… （其實也不用太悲觀，其實 ChatGPT 只是“熟讀唐詩三百首，不會吟詩也會吟”，還未能夠寫很複雜的程序，哈哈）
會寫 Code 就很厲害了嗎？還不算吧… ChatGPT還有更厲害、更神奇的用法？！
最高等級的編程 — 用自然語言來讓 ChatGPT 執行的程序！
試試幻想一下，我給你一個學識淵博、學貫中西的萬能專家，可以做你專用的工人，你會讓他幫你做什麽呢？現在 ChatGPT 不單是你的導師、管家，他就是你上面幻想中的萬能專屬工人，你是可以讓他幫你完成很多工作，而你可以不費吹灰之力，只需要給出準確的命令！
自從像 GPT 的大型語言模型出現之後，就開始有人研究如何設計合適的文本提示（prompt）來指導模型生成符合特定任務要求的文本，這個研究方向叫做提示工程（Prompt Engineering）。這是在 GPT-3 等大型語言模型中被廣泛使用的一種技術，可以通過調整提示文本的方式來控制模型的輸出結果，從而實現更加精細的文本生成。
在 prompt engineering 中，設計良好的提示可以為模型提供有關要生成的文本類型、樣式和內容的信息，幫助模型生成更加符合實際應用場景的文本。例如，在文本摘要任務中，可以使用提示文本來指導模型生成一個簡短的摘要；在問答系統中，可以使用提示文本來指導模型生成答案。
ChatGPT 玩角色扮演？
只要合適的提示，就能夠將 ChatGPT 由回答問題，變成提問問題的角色！我嘗試讓他扮演面試官，我是面試數據工程師工作的候選人，然後他真的變成一個面試官問我問題！他的問題是根據我的答案而變化，我測試過幾次，每次的問題都不一樣，而且那些問題也不容易回答，很有面試時的壓迫感…
ChatGPT是通用的萬能學習器嗎？
ChatGPT表現出超強的語義理解（semantic understanding）能力，可能比一般人理解更強、更準確，而且他對上下文（context）的掌握也很準確，能夠保留前幾輪對話的記憶。有了這個記憶力和理解了，其實就已經是一個能學習的個體了。
最近我跟身邊還在研究AI的朋友在討論，是否可以用無 code 的方法，純粹用自然語言來建立任何以前需要寫代碼才能完成的任務。我個人是傾向無 code 的，畢竟人和人溝通也是用自然語言已經能夠創造文明，而自然語言不但能給出指令足夠完成任務，而其中更有機會發揮更大創意，有更多的創作發揮空間。人類文明的進步不是只靠科學，其實文學、繪畫等藝術和哲學也佔有很重要的部分，人與人溝通所用的語言雖然本質上有產生歧義的可能性，但恰巧就是這種可能性，帶來了很多歷史上的偉大思想和藝術作品。
現在的 ChatGPT 似乎已經有能力從大量文本裏學到裏面的内容，甚至有分析能力（儘管數學能力還很低，有時候數數目也會出錯…），假如把最新的科學論文都給他看一遍，也許就能夠成爲科研專家，撰寫研究計劃書，更進一步可以提議新的研究方向指導人類研究員…
未來還有什麽可能性？
總之，ChatGPT 是一種非常有前途的自然語言處理技術，已經在多個應用場景中得到了廣泛的應用。隨著技術的不斷改進和發展，我們相信 ChatGPT 將會在未來的自然語言處理領域中發揮更加重要的作用。可以預見 ChatGPT 將在以下幾個方面發揮更大的作用：【以下是ChatGPT自己提出的】
- 提高聊天機器人的自然度和準確性：ChatGPT 可以透過學習大量的對話語料，生成更加自然流暢、貼近人類語言的對話文本，進而提高聊天機器人的準確性和自然度。
- 改善自然語言生成的質量：ChatGPT 可以生成高質量的自然語言文本，可用於自動生成文章、摘要等，進而大大提高語言生成的質量和效率。
- 提高語言翻譯的準確性：ChatGPT 可以利用語言模型預測下一個單詞或詞組的出現概率，進而提高語言翻譯的準確性。
- 改善智能客服的體驗：ChatGPT 可以透過對話模型生成自然流暢的對話文本，進而提高智能客服的體驗，減少客戶等待時間和提高客戶滿意度。
- 改進文本分類和分析：ChatGPT 可以將大量文本數據進行分析和分類，進而幫助企業和機構進行智能化決策，提高效率和準確性。
另外，可定制化的 ChatGPT 會在個人和中小企業中應用，將會為各行各業產生不少創新應用。未來 ChatGPT 的應用前景非常廣闊，我們可以期待 ChatGPT 在更多領域的發展和應用。