注册chatgpt,国内如何注册chat,如何注册chat

chatgpt鏄惁浼氬彇浠oogle鎼滃寮曟搸 python鎬庝箞璋冪敤chatgpt 鐨刟pi

chatgpt,chatgpt是什么意思,chatgpt官网,chatgpt中文

LLM | ChatGPT | Google

PPO | Open AI | LaMDA

随着深度学习、高性能计算、数据分析、数据挖掘、LLM、PPO、NLP等技术的快速发展，ChatGPT得到快速发展。ChatGPT是OpenAI开发的大型预训练语言模型，GPT-3模型的一个变体，经过训练可以在对话中生成类似人类的文本响应。

ChatGPT背后的算法基于Transformer架构，这是一种使用自注意力机制处理输入数据的深度神经网络。Transformer架构广泛应用于语言翻译、文本摘要、问答等自然语言处理任务等领域。ChatGPT可用于创建能与用户进行对话的聊天机器人。这对客户服务很有用，因为它提供了有用的信息。

ChatGPT作为一个智能对话系统，最近这两天火爆了。网上到处都在传ChatGPT相关的内容和测试实例，效果真的很震撼。记得上一次引起如此轰动的AI技术是两年半以前的事了，那时候人工智能如日中天；多模态领域是以DaLL E2、Stable Diffusion为代表的Diffusion Model，也就是最近一直流行的AIGC模型。关于AIGC这里就不多介绍了，如有感兴趣的可以看小编之前关于AIGC文章。

在整体技术路线上，ChatGPT引入了“手动标注数据+强化学习”(RLHF，从人的反馈进行强化学习)来不断Fine-tune预训练语言模型。主要目的是让LLM模型学会理解人类命令的含义(比如写一篇短文生成问题、知识回答问题、头脑风暴问题等不同类型的命令)，让LLM学会判断对于给定的提示输入指令(用户的问题)什么样的回答是优质的(富含信息、内容丰富、对用户有帮助、无害、不包含歧视信息等多种标准)。

在“人工标注数据+强化学习”的框架下，具体来说，ChatGPT的训练过程分为以下三个阶段:

以GPT 3.5本身来说，虽然强大，但是很难理解不同类型的人类不同指令中所包含的不同意图，也很难判断生成的内容是否是高质量的结果。为了让GPT 3.5初步理解指令中包含的意图，首先会随机抽取一批测试用户提交的prompt(即指令或问题)，由专业的标注者对指定的提示给出高质量的回答，然后专业人员标注的数据对GPT 3.5模型进行微调。通过这个过程，可以认为GPT 3.5初步具备了理解人类提示所包含的意图，并根据这种意图给出相对高质量答案的能力。

这个阶段的主要目的是通过人工标注训练数据来训练回报模型。具体是随机抽取一批用户提交的prompt(大部分与第一阶段相同)，使用第一阶段Fine-tune的冷启动模型。对于每个prompt，冷启动模型产生K个不同的答案，因此该模型产生<prompt,answer1>,<prompt,answer2>….<prompt,answerX>数据。之后，标注人员根据多种标准(上述的相关性、富含信息性、有害信息等诸多标准)对X个结果进行排序，给出X个结果的排名顺序，这就是这个阶段人工标注的数据。

接下来利用这个排序结果数据来训练回报模型。采用的训练模式其实就是通常用到的pair-wise learning to rank。对于X排序结果，两两组合形成一个训练数据对，ChatGPT采用pair-wise loss来训练Reward Model。RM模型接受一个输入<prompt,answer>，并给出一个奖励分数来评估答案的质量。对于一对训练数据，假设answer1排在answer2前面，那么Loss函数鼓励RM模型比其他的得分更高。

归纳下：在这个阶段里，首先由冷启动后的监督策略模型为每个prompt产生X个结果，人工根据结果质量由高到低排序，以此作为训练数据，通过pair-wise learning to rank模式来训练回报模型。对于学好的RM模型来说，输入<prompt,answer>，输出结果的质量得分，得分越高说明产生的回答质量越高。

本阶段不需要手动标注数据，而是使用前一阶段学习的RM模型，根据RM评分结果更新预训练模型的参数。具体来说，首先从用户提交的prompt中随机抽取一批新的命令(指不同于第一、第二阶段的新提示，实际上非常重要，对于提升LLM模型理解instruct指令的泛化能力很有帮助)，由冷启动模型初始化PPO模型的参数。然后对于随机选取的prompt，用PPO模型生成回答answer，用前一阶段训练好的RM模型给出answer质量评估的奖励分数，这是RM对整个答案(由词序列组成)给出的整体reward。有了单词序列的最终回报，每个单词可以视为一个时间步长，把reward由后往前依次传递，由此产生的策略梯度可以更新PPO模型参数。这是标准的强化学习过程，目的是训练LLM产生高reward的答案，也即是产生符合RM标准的高质量回答。

如果我们不断重复第二和第三阶段，很明显，每次迭代都使LLM模型越来越强大。因为在第二阶段，RM模型的能力通过人工标注数据来增强的，而在第三阶段，增强的RM模型对新prompt产生的回答进行更准确的评分，并使用强化学习来鼓励LLM模型学习新的高质量内容，这类似于使用伪标签来扩展高质量的训练数据，所以LLM模型得到进一步增强。显然，第二阶段和第三阶段是相互促进的，这就是为什么不断迭代会有不断增强的效果。

尽管如此，小编认为在第三阶段采用强化学习策略并不一定是ChatGPT模型效果特别好的主要原因。假设第三阶段不采用强化学习，取而代之的是以下方法：类似于第二阶段的做法，对于一个新的prompt，冷启动模型可以生成X个答案，分别由RM模型打分。我们选择得分最高的答案形成新的训练数据<prompt,answer>，并进入fine-tune LLM模型。假设换成这种模式，相信效果可能会比强化学习更好。虽然没那么精致，但效果不一定差很多。第三阶段无论采用哪种技术模式，本质上很可能都是利用第二阶段学会的RM，起到了扩充LLM模型高质量训练数据的作用。

以上是ChatGPT的训练过程，这是一个改进的instructGPT，改进点主要是标注数据收集方法上的一些差异。其他方面，包括模型结构和训练过程，基本遵循instructGPT。可以预见的是，这种Reinforcement Learning from Human Feedback技术将会迅速蔓延到其他内容生成方向，比如一个很容易想到的方向，类似“A machine translation model based on Reinforcement Learning from Human Feedback”等等。但个人认为在NLP的某个特定内容生成领域采用这种技术意义不大，因为ChatGPT本身可以处理各种类型的任务，基本涵盖了NLP生成的很多子领域。所以对于某个NLP子领域，单独采用这种技术的价值不大，因为其可行性可以认为已经被ChatGPT验证了。如果将这种技术应用于其他模式的生成，如图片、音频、视频等，可能是更值得探索的方向。也许很快就会看到类似“A XXX diffusion model based on Reinforcement Learning from Human Feedback”之类的东西。

ChatGPT因为操作简单，容易上手，所以能快速走红。打开后，在对话框中输入问题即可获得答案。而且像一个全能选手一样，经常能给人意想不到的答案。

ChatGPT轻松应对日常对话。它可以区分某些问题中的描述性错误，可以直接拒绝不合理、不道德的要求。

ChatGPT一个令人惊讶的表现在于可以创作文学。比如给ChatGPT一个话题，就能写出一个小说框架。ChatGPT以“AI改变世界”为主线写小说框架时，ChatGPT明确给出了故事背景、主人公、故事情节和结局。

ChatGPT 根据命题撰写小说框架

用户体验后评价“ChatGPT的语言组织能力、文字水平、逻辑能力可以说是令人惊叹”。有些用户甚至打算把日报、周报、总结、反思交给ChatGPT来辅助。

普通的文字创作只是最基础的，ChatGPT还可以发现程序员代码中的Bug。一些开发者在试用中表示，ChatGPT为他们的技术问题提供了非常详细的解决方案，比一些搜索软件的答案更可靠。美国代码托管平台Replit的Amjad Masad在推发文称，ChatGPT是一个优秀的“调试伙伴”。“它不仅解释错误，而且修复错误并解释修复方法”。

ChatGPT更有商业逻辑，不仅对自己的优势和劣势了如指掌，还能分析竞品，撰写营销报告。甚至对世界经济形势也“了如指掌”，能说出自己的见解。

有人把ChatGPT比作“搜索引擎+社交软件”的组合，可以在实时交互的过程中得到问题的答案。很多用户抱着好玩的心态与ChatGPT互动，但随着体验的深入，也会担心自己有一天会不会因为AI而失业。

国盛证券区块链研究所在研究报告中表示，ChatGPT在寻找答案和解决问题的效率上已经部分超越了当今的搜索引擎。ChatGPT可能会改变我们未来获取信息和输出内容的方式，AIGC有望成为数字经济时代驱动需求爆炸的杀手级应用。

ChatGPT能实现当前的交互，离不开OpenAI在AI预训练大模型领域的积累。OpenAI是微软投资的AI实验室，也是全球AI领域领先的AI实验室之一。

自2018年以来，OpenAI一直在发布生成式预训练语言模型GPT（Generative Pre-trained Transformer），可用于生成文章、代码、机器翻译、问答等各类内容。在当时，参数数量只有1.17亿。

接下来，OpenAI每一代GPT模型的参数都出现了爆炸式增长，2019年2月发布的GPT-2参数量为15亿，2020年5月的GPT-3参数量达到1750亿，直接带动了前训练大模型成为近两年AI领域的发展趋势，掀起了一场拼参数、拼算力的军备竞赛。

GPT-4 还未到来，此次发布的ChatGPT被视为基于GPT-3的微调版本，即GPT-3.5。

据 OpenAI 介绍，ChatGPT采用的模型采用“利用人类反馈强化学习（RLHF）”的训练方式，包括：人类提问机器答，机器提问人类回答，并且不断迭代，使模型逐渐具备判断生成答案的能力。与GPT-3相比，ChatGPT的主要改进在于记忆能力，可以实现连续对话，在对话的交互方式上大大提升了用户体验。

ChatGPT并不总能带来惊喜。不可否认，它还是有很多局限性的。当要求ChatGPT创作时，它可以自由发挥。然而，当你的目标是寻求正确的答案时，ChatGPT有时可能无法达到预期。

比如让 ChatGPT 做一道小学数学题，它看似写出了一长串计算过程，给出的却是错误答案。

ChatGPT 对于部分题无法给出正确答案

深入体验后，会发现ChatGPT在一些文化常识问题和数学计算问题上并不是很擅长。而且ChatGPT的回答往往是大段大段，过于冗长，看似逻辑自洽，但有时是在一本正经“忽悠人”。仔细想想，会发现一些漏洞。如果非专业人士不能分辨ChatGPT答案的准确性，很有可能会被严重误导。

Stack Overflow因此决定暂时禁止它。据悉，ChatGPT出现后，该模型生成的大量答案很快出现在Stack Overflow上。这些答案通常需要有一些专业知识的人详细阅读才能分辨出他们是错的。

这种情况影响了堆栈溢出的质量管理。ChatGPT还表示：“由于AI生成的答案并不总是准确或相关的，因此可能会导致Stack Overflow上错误答案的混乱，并误导正在寻求帮助的用户。”并且还声明:“Stack Overflow禁止使用AI生成答案是合理的。”

OpenAI还提到，ChatGPT有时会给出看似合理但不正确的答案。对于这个问题，Sam Altman表示:“试图阻止ChatGPT随机捏造，在现阶段与现有技术保持平衡是很棘手的。随着时间的推移，会根据用户反馈进行改进。”

所以有些用户把ChatGPT定位为聊天解闷的好朋友。当你遇到困境或者需要寻找意义时，ChatGPT可以给出类似“命运之书”的答案。有些用户把ChatGPT当成效率工具，在文案或者一些专业问题上寻找参考。

2022年12月，人工智能聊天机器人ChatGPT刷爆网络，网友们争先恐后去领略它的超高情商和巨大威力。参加高考、修改代码、构思小说......它在广大网友的“鞭策”下不断突破自我，甚至可以用一整段程序，拼接出一只小狗。那么，ChatGPT是如何炼成的？是否意味着AI已具有人类智能呢？

chatGPT的程序小狗

ChatGPT是GPT（或生成式预训练转换器）文本生成AI系列的最新发展，根据从互联网上获取的大量文本样本来进行训练。

一经发布，ChatGPT便在网友的疯狂“检测”和“调戏”中表现出各种惊人的能力。OpenAI首席执行官Sam Altman表示，自11月30日至12月5日，ChatGPT的用户数量已突破100万，需求大于预期。

在广大网友的不懈努力下，ChatGPT短短几天之内完成了：

1、参加了美国高校的入学资格考试（SAT），成绩为中等学生水平；

2、用《坎特伯雷故事集》风格改写了90年代热门歌曲《Baby Got Back》；

3、用《老友记》主角口吻创作了剧本对白；

4、构思了简短的侦探小说；

5、简要阐释了经济学理论；

6、给出了消除经济不平等的六点计划；

7、与人类进行“心理战”，猜想人类实际上想让计算机做什么；

8、规划了如何毁灭世界；

9、生成关键词指导AI作画；

10、扮演OpenAI，在系统内构建了ChatGPT套娃，相当于“我”生了一个“我”

ChatGPT的网络界面

讨论AI是否具有真正的“智能”是人类的游戏。图灵测试（The Turing test）已经成为人工智能领域的核心目标之一。它由艾伦・麦席森・图灵提出，被公认为人工智能崛起的标志。图灵测试人为地将“思想能力”定义在功能和实用的范畴内，为“智力”设置了条件。

图灵测试到底是什么意思？简单来说，就是把机器关在小黑屋里，让它和人类聊天对话，然后在小黑屋里分辨回答问题的是机器还是人类。如果不能分辨，说明机器和人的智能水平一样，通过了测试。

到目前为止，还没有、AI模型能真正通过图灵测试。

谈到GPT-4将如何优化，ChatGPT给出了以下答案:

GPT-4是一个大型语言模型，也是人工智能领域最先进的技术之一。在大量训练数据的基础上，可以模拟人类的语言表达能力，用相似的语言回答问题。目前GPT-4还在优化中，可能在以下几个方面有一些改进:

1、增加更多的训练数据，以提高其知识和准确性；

2、增加更复杂的算法来提高其性能和处理能力；

3、增加更多的功能，如语音合成和图像识别，以提高其应用能力；

4、增加更多的输入和输出接口，如聊天机器人、问答系统等，以提高其便利性。

未来，AI真的能拥有人类的智能吗？众说纷纭。也许奇点已然临近，也可能还只是空中楼阁。但不可否认的是，ChatGPT必将引领人工智能领域的先锋革命。

ChatGPT能做游戏？

ChatGPT这种新模型的火爆程度不用多说，因为它的用处实在太广泛，这两天服务器直接被挤爆了。当然，怎么会没人尝试用它做游戏呢？结合一些开发者和自己的尝试，虽然ChatGPT目前还不能达到完美的辅助效果，但是它的表现一定会超出你的预期。

从最简单的文字游戏开始ChatGPT就表现地很好。最幸福的应该是跑团的玩家(桌上角色扮演游戏)。现在，他们不需要再去煞费苦心地找场地，聚集玩家，找有经验的演职人员。只需给AI输入一些世界观信息，就可以开启一段自由度很高的冒险，因为AI会根据输入灵活地生成结果。

有一些熟练的玩家甚至总结出了训练AI的运行模板，可以将游戏分成不同的模式，并提供完整的查询、暂停等完整的系统功能。另外，GitHub现在已经有了将ChatGPT连接到群机器人的代码，很多群聊都变成了联机AI跑群。

当然，这只是基于AI本身展开的互动文字游戏，可能与我们认知中的“做游戏”有所不同。但是，用代码写一个可运行的游戏，也根本难不倒ChatGPT，简单到几乎唾手可得。举个最简单的例子，输入用xx语言实现猜拳、贪吃蛇、俄罗斯方块等简单游戏的要求，就会自己完善规则，输出代码。

把完整的代码复制保存，通常几乎一行都不用改，游戏就能顺利运行。而且随时可以改变需求，它也会自动补全规则、生成新的代码。只能说以后计算机系学生的作业，可能大半都要被它包圆了。

这对游戏开发小白来说绝对是大大的福利，在B站上，就已经有人在零基础的情况下，靠ChatGPT做出了一款完整的Unity打砖块游戏，同样没有改过代码。

为什么说是小白福利呢？因为它不止能写代码，还会相当人性化地回复你。当然，它不能完全替代教程，但比起漫无目的地寻找零散资源，问AI显然快多了。更别说它连这么口语化的表述都能理解――

也有UP主尝试用它来写《植物大战僵尸》，结果也发现模块功能完全不用改代码，直接就能用。由于受到字符长度限制，完整的项目代码没办法一步到位，但这不算大问题。

2D能做，3D行不行？当然可以！至少已经有人用它在

chatgpt是什么软件 chatgpt是什么意思

chatgpt,chatgpt国内能用吗,chatgpt中文,chatgpt入口

2022 年，人工智能（AI）在很多领域发挥了威力。相信你也已经看到或听到不少新闻了。例如说绘画，现在这样的图片，人工智能都能根据你的要求绘制出来。

图片来源：t.ly/8VUL

很多插画师总是抱怨自己要失业了。据我所知，有的艺术院校已经允许甚至鼓励学生以人工智能生成绘图结果作为初稿，然后进行调整和后续加工。这也是与时俱进的气象。

我也给大家介绍过人工智能的其他应用，例写文章、解释论文、剪视频……总体而言，这一年 AI 已经算是风光无限了。时近岁末，似乎也该见好就收了吧？

不，11 月 30 日（也就是本文写作的 2 天前），OpenAI 又发布了一个「新玩具」，一石激起千层浪，这个周末开始很多人都加入了对它的热烈讨论当中。就连马斯克也在谈论这个事儿。

这个东西叫做 ChatGPT。

看名字实在有些平淡。Chat 是什么，聊天机器人？谁没见过似的。至于 GPT，很多人更是耳熟能详。咱们前面介绍的很多应用背后都是它在发挥作用嘛。两个并不算新奇的概念结合在一起能有什么令人兴奋的？

我抽时间尝试了一下 ChatGPT，然后立即在朋友圈发了个感慨：

AI 快要成精了！

ChatGPT 能做什么

我觉得自己这不算大惊小怪，咱们不妨先看看 ChatGPT 都能做什么吧。

平时遇到新问题，你一般会怎么找寻答案？很多人的选择主要是问答网站，或者干脆利用自己的社交网络吧？而现在你可以先用 AI 来查查看了。

好比说你考研通过了初试并收到了复试通知，这时你自然想了解一下复试的时候该怎么介绍自己、需要去上个专门的培训班吗？以前也许吧，但是现在你可以把这个问题抛给 ChatGPT，告诉它：

写一个考研复试的自我介绍材料。

ChatGPT 会这样回答你：

怎么样，这答案还很像样子吧？有意思的是我在问题中提到过「评委」的事儿吗？没有啊，这称谓它怎么学会的？怪哉。

假设你靠着 ChatGPT 的帮助，顺利通过了复试并且拿到了录取通知书。下面该联系导师了，怎么给导师写第一封信呢？还是直接问 ChatGPT 吧，这次它会这样答：

我看了以后实在有些绷不住想笑――今年收到联系邮件里，有好几封好像还没到这个水平呢。看来人类不够用心的时候，AI 还是有机会超越的。

这些内容是不是就是传说中的「模板」呢？如果是搜来的模板直接填好像也没啥了不起――但事实并不是这样，ChatGPT 在运行的时候模型是完全靠着自己掌握的知识来解答的，并非从网上临时去搜索现成答案。因此为了消除你的疑虑，咱们还是来问点儿有技术含量的问题吧：假如你想学习视频剪辑但周围没有从事过相关行业的朋友怎么办？

你可以这样问问 ChatGPT ：

作为一名 B 站订阅人数超过 3 万的 UP 主，我觉得这答案没毛病。你可能想要了解某些行业的现状，例如视频网站哪家强。那你也可以问 ChatGPT ：

回答足够客观而全面，鼓掌。

不过这里我需要提醒你注意，ChatGPT 底层用到的语言资料训练集，时效性截止到 2022 年 3 月，而且语料里面中文数据比英文少许多。所以 ChatGPT 提供的答案未必都与现状相符。如果有过时信息，或者太新的、没有见过的概念，都是在所难免的。使用的时候需要注意甄别，且不必过于苛求。

ChatGPT 的扩展用途

老同学看了我的朋友圈，于是问我 ChatGPT 能不能回答专业性强的问题？例如说他在环境科学部门工作，这个模型知道「生态文明」吗，可否在撰稿的时候给他「扩展一下思路」？

这问题…… 试试呗。

这个答案你觉得怎么样？我不是专业人士不好妄加评断，但我觉得能回答「为什么」的问题固然好，可要是能回答「怎么办」就更厉害了。

于是我继续问了下面的这个问题：

我把这两个答案发给老同学，他两眼放光，表示自己要抓紧试一试。

一开始，我觉得这个模型无非是一问一答聊天，每轮问答都是独立的。 ChatGPT 提供的答案虽然比起原先的 AI 问答应用精彩，但还不够亮眼。但是我想错了――你可以要求 ChatGPT 对于前面答案中的某一部分进一步扩展阐释，也就是「不断追问」。

例如刚刚我们问到了「怎么办」的问题，ChatGPT 给出了包含 5 个条目的答案列表。那么，我让它「扩展一下其中第三点」：

我看着答案一行行写出的时候，对着屏幕愣了许久。

前面咱们问的还都是比较现实的问题。其实 ChatGPT 这工具对于语义的理解已经超越了「现实」这个层次，你可以假设前提进行提问。比如我问了这样一个假设问题：

如果李白 2022 年来到中国，会做一首什么样的诗？

这是 ChatGPT 想象之后，给出的答案：

哦对了，如果你对回答结果不满意希望换一个，可以点击答案下方的「再试一次」（Try Again）按钮，就能获取新的答案。同样的问题，这次「李白」是这样作诗的：

你对这俩答案感受如何？我觉得真正好玩儿的地方，不在于诗做得怎么样（确实不怎么样），而是它一直在顺着刚才的上下文来讨论。我根本没有指明这首诗跟「生态文明」有关。但既然刚才我俩还在聊这事儿，ChatGPT 也就按照这个思路继续思考和答复了，因此诗都与这个主题相关。

看到这儿，你可能会把 ChatGPT 当成一个新鲜的玩具打算把玩。作为一个样例程序，它确实给用户建立了良好的第一印象。大家心态比较放松时，对答案结果也不用太当真，享受一下答案中时而出现欢乐（乃至爆笑）挺好的。

可是我得提醒你，ChatGPT 根本就不是个简单的玩具。它在某些方面甚至可以作为你的个性化私人教练：假设你是个编程初学者，导师布置了任务让你周末学好 Python 之后写个分类模型来处理实验数据，你该怎么办？

很多同学想到的就是上网查资料或者去翻书，这样没问题，就是效率低了些。现在你多了一个选择――直接问 ChatGPT：

如何用 Python 写一个简单分类模型？

它立即回复你：

看到这些，你已经能了解到基本的处理步骤了。原本对于一个辅助问答系统而言，已经算是合格了。但是你以为 ChatGPT 说完了？没有。它一鼓作气，把示例源代码一股脑写了出来：

ChatGPT 的回答中不仅有代码，还加了中文注释。看到上图里面那个红色框的按钮吗？按一下你就可以拷贝代码出来，直接运行。

我看完后心里一阵翻江倒海。计算机专业的学生，以后还有必要去背函数吗？我当初读本科的时候为啥没这东西呢？

不仅如此，ChatGPT 还能帮你给程序报错找到问题，甚至给出足够靠谱的解决方案。不过考虑到这部分内容比较专业，咱们这里就不展开了。

ChatGPT 背后的原理

这么有趣的新应用，它的实现原理是什么呢？举了这么多例子我也学乖了，干脆直接问 ChatGPT：

你是如何工作的？

这是 ChatGPT 答复：

哈哈这回解释得并不好，我不满意，于是我还是查看了一下官方资料。ChatGPT 这个模型建立在 GPT3.5 版本之上，使用了人工参与的增强学习。对于实现机理，OpenAI 官方给出了个图作为介绍。

我帮你简单转述一下，这种「人工参与的增强学习」包括了：人来提问机器答、机器提问人来答（这个过程机器会帮助给出辅助参考答案）……由此不断迭代，模型逐渐有了对生成答案的评判能力（你可以理解成「品味」），展现出来就是现在这个样子。

如果你对上面的简单转述觉得不过瘾，那还是等正式的论文发布后认真钻研吧。

如何上手使用

我知道你迫不及待打算使用了。

目前 OpenAI 提供了 ChatGPT 的演示应用，不需要你安装任何东西，也不必准备硬件运行环境（例如 GPU），你只需要到?https://chat.openai.com/auth/login?直接运行即可。

使用该应用唯一的前提条件是你需要注册 OpenAI?账号。不少人在注册的时候会遇到一些小障碍，可以借助这个网站来解决：https://sms-activate.org/cn。

当你完成注册第一次开启 ChatGPT 时，会注意到这里有一些提示，是关于该应用数据采集和隐私保护的说明。

弹出的提示有 3 页，我觉得总结起来两句话最为重要：

不要用它来从事违法或者违反公序良俗的事儿；

不要在问问题的时候，暴露你个人的隐私信息。

把握好这两点，你就可以高高兴兴尝鲜了。

小结

本文给你介绍了 OpenAI 最新发布的 ChatGPT 这样一款新模型和样例应用。希望它提供的新功能，可以帮助你更高效解决一些日常生活、学习和工作中的问题。

不过请注意你才是自己决策和行动的「第一责任人」，对 AI 给出的答案要做好甄别工作。被人类骗子骗了固然很可恼，但想想要是被机器误导了，你可能都不好意思跟别人诉苦。那可就太憋屈了。

https://sspai.com/post/77081?utm_source=wechat&utm_medium=social

作者：玉树芝兰

责编：克莱德