chatgpt对企业到底意味着什么 chatgpt底层逻辑
随想专栏
・2022/12/06・
ChatGPT 是近日 OpenAI 发布的对话模型，功能强大，目前处于免费公测阶段（尽管国区 ip 无法注册）。下面是一个对话的例子：
虽然如此，ChatGPT 训练过程中的数据标注，后续的运营都有巨大的开销，其功能的变现有助于后续的研究和发展。笔者试图借鉴国内互联网的几种商业模式，对其落地方式和商业化前景进行严肃思考。
模式一：微信小程序模式
为 ChatGPT 的打开界面设置时长为 10s 的广告，需观看后才能和 ChatGPT 进行对话，如果注册 OpenAI 黄金会员可以跳过。
模式二：百度搜索模式
对商业相关的词语进行竞价排名，付费的商家能在相关问答中植入广告，或者提高自家产品的词频，降低竞品的词频。
模式三：拼多多模式
每个用户每日只能和 ChatGPT 交互三次，之后需要将 ChatGPT 的问答链接分享给十个好友，邀请其为你的问答助力。再和 ChatGPT 问答五次后，你需要在 OpenAI 抽奖大转盘上进行抽奖，有 99.99% 的概率抽到五次免费问答唬但需要转发给 20 位好友进行解锁。
模式四：百度云盘模式
人为增大 ChatGPT 回答的时延，例如回答第一个问题需要 30s，回答第二个问题就需要 1min，给出一种它在沉思的错觉，充值 SVIP 即可为 ChatGPT “加速”。同时每个用户每月拥有一次 SVIP 的体验机会。
模式五：ChatGPT 自己的方案
欢迎本文读者将这些商业模式推荐给 OpenAI 相关方，让中国方案为 ChatGPT 的发展提供不竭动力。（也欢迎有创业想法的伙伴后台私信本人（狗头））
ChatGPT“克星”：用 AI 识别 AI 生成的文本，英语论文阅读笔记都能测出
chatgpt是什么意思,chatgpt怎么下载,chatgpt账号,chatgpt怎么用报价宝 02月09日综合消息ChatGPT“克星”：用 AI 识别 AI 生成的文本，英语论文阅读笔记都能测出
ChatGPT 的出现，让不少人看到了交期末大作业的曙光（手动狗头）。
无论是英语论文、还是阅读笔记，只要在 ChatGPT 的知识范围内，都可以拜托它帮忙完成，写出来的内容也有理有据。
不过，有没有想过你的老师也准备用"AI 文本检测器"一类的东西来防止你作弊？
像这样输入一段看起来没毛病的笔记，经过它一番检测，认为这段文字"由 AI 编写"（Fake）的可能性为 99.98%！
换个数学论文试试？ChatGPT 的输出看起来没啥问题，却仍然被它准确识破了：
这可不是靠瞎蒙或猜测，毕竟对方同样是个 AI，还是个训练有素的 AI。
看到这有网友调侃：用魔法打败魔法？
这个 AI 检测器名叫 GPT-2 Output Detector，是 OpenAI 联合哈佛大学等高校和机构一起打造的。（没错，OpenAI 自家做的）
输入 50 个以上字符（tokens）就能较准确地识别 AI 生成的文本。
但即便是专门检测 GPT-2 的模型，用来检测其他 AI 生成文本效果也同样不错。
作者们先是发布了一个"GPT-2 生成内容"和 WebText（专门从国外贴吧 Reddit 上扒下来的）数据集，让 AI 理解"AI 语言"和"人话"之间的差异。
随后，用这个数据集对 RoBERTa 模型进行微调，就得到了这个 AI 检测器。
RoBERTa（Robustly Optimized BERT approach）是 BERT 的改进版。原始的 BERT 使用了 13GB 大小的数据集，但 RoBERTa 使用了包含 6300 万条英文新闻的 160GB 数据集。
其中，人话一律被识别为 True，AI 生成的内容则一律被识别为 Fake。
例如这是一段从 Medium 英文博客上复制的内容。从识别结果来看，很显然作者是亲自写的（手动狗头）：
当然，这个检测器也并非 100% 准确。
AI 模型参数量越大，生成的内容越不容易被识别，例如 1.24 亿参数量的模型"被抓包"的概率就比 15 亿参数更高。
同时，模型生成结果随机性越高，AI 生成内容被检测出来的概率也会更低。
但即便将模型调整到生成随机性最高（Temperature=1，越接近 0 生成随机性越低），1.24 亿参数模型被检测出的概率仍然是 88%，15 亿参数模型被检测出的概率仍然有 74%。
这是 OpenAI 两年前发布的模型，当时对 GPT-2 生成的内容就"一打一个准"。
现在面对升级版的 ChatGPT，检测英文生成内容的效果依旧能打。
但面对 ChatGPT 生成的中文，它的识别能力就不那么好了。例如让 ChatGPT 来一段作文：
AI 检测器给出是人写的概率为 99.96%……
当然话说回来，ChatGPT 也能检测自己生成的文本。
所以，不排除老师将你的作业直接交给 ChatGPT 来识别：
值得一提的是，ChatGPT 表示自己并不能访问互联网来搜索信息。
显然，它还意识不到 GPT-2 Output Detector 这个 AI 检测器的存在：
所以能不能像网友所说，让 ChatGPT 生成一段"不被 AI 检测器测出来的"内容呢？
很遗憾不能：
所以大作业还是自己写吧……
参考链接：
[1]https://weibo.com/1402400261/Mj7QtwRoH
[2]https://github.com/openai/gpt-2-output-dataset/tree/master/detector
[3]https://chat.openai.com/
[4]https://medium.com/user-experience-design-1/how-chatgpt-is-blowing-google-out-of-the-water-a-ux-breakdown-784340c25d57
本文来自微信公众号：量子位 （ID：QbitAI），作者：萧箫
2022-12-21 12:00:17chatgpt机器人怎么用 chatgpt人工智能聊天机器人
Tx机器人(相关资料图)
最近一段时间，似乎人人都在讨论最新AI项目ChatGPT，反应或是兴奋、或是恐惧。事实上，ChatGPT已经成为一种文化现象，其网站目前正超负荷运转，甚至无法随时正常访问。整个使用体验如同打客服热线，对方会先留下你的电话号码，表示有空闲座席时会发出短信通知。
与此同时，AI技术也已经在影响各个行业，特别是给体育行业带来深远的、甚至是颠覆式的冲击。理由很简单：结果预测在体育运动中具有重大意义，在此之上作出的实时决策往往能够扭转战局。这种基于数据分析的预测思路并不新鲜，奥克兰运动家队及其总经理比利・比恩 (Billy Beane)所能调动的总薪资只有4400万美元，但却依靠数学计算与薪资总额高达1.25亿美元的洋基队等顶尖队伍打了个有来有回。布拉德・皮特出演的《点球成金》一片就是以此为原型。 《点球成金》的理论基础就是统计分析，例如重击率和上垒率。比恩认为这种预测方法要比传统的商业直觉更加稳定可靠。当时，奥克兰运动家队的老板卢・沃尔夫押下一笔重注，决定在比恩这套理论未经充分验证之时就给他个机会。沃尔夫坦言，“当时，人们觉得我这种让比恩靠统计数据、而非棒球专家做判断的行为完全是疯了。”
而时至今日，所有主要体育联盟都已经将AI引入自身运营体系，特别是球迷参与的各个层面。 NFL就借助亚马逊之力收集AI洞见。他们推出了一款包含7套AI模型的AI工具，可用于在传球之前预测本次决策的价值，进而评估四分卫的传球表现。NBA也将AI整合至参与工具当中，帮助球迷们在能够想到的几乎所有角度对球队表现做深入分析。
虽然ChatGPT目前还不涉及预测分析，但它的强大表现已经证明AI完全可以通过收集大量数据以输出高质量决策。这些决策可以与球员和比赛进程密切相关，同时给球探、教练和俱乐部经理等可能左右赛事结果的重要人物以支持和影响。
无论是该不该换人，还是开场首发抑或中后期登场，这些赛场上的传统难题都将在AI的分析之下迎刃而解。
在棒球比赛中，最重要的决策无疑就是替补何时上场、何时选择代打。同样的替补选择与上场时机问题也出现在篮球和足球赛场上。比赛的各个阶段都各有不同，每场比赛会生成海量统计数据。借助AI的力量，我们可以实时检查数百万个数据点，由此得出的结论自然要比比恩单凭重击率和基础百分比的粗糙预测可靠得多。如此一来，运动员是否首发、何时登场，甚至是整个职业生涯的预期表现和受伤几率，都将成为AI能够预测的一项指标。
但这样的发展趋势，也着实有些令人生畏。湖人队就是个好例子，他们正在努力为勒布朗・詹姆斯寻找合适的搭档。有了先进的AI，球队不必再依靠球探报告或者纯直觉，数据会直接给出适配度最高的人选。由此看来，职业经理人和球探恐怕都将被机器学习所淘汰。 教练恐怕也难以幸免。预测分析会提示队伍何时需要换人，当前的最优对抗策略是什么。想象一下，机器人教练将快速绘制出数据图表，在比赛结束之前就基本拿捏整个过程。可AI能跟詹姆斯这样的超级巨星和谐相处吗？如果运动员跟机器人观念不一致，比赛又该如何进行？ 总有人觉得AI的全面普及必将造就一个反乌托邦的世界。我觉得不一定，毕竟一切都只是猜测。詹姆斯，这事你怎么看？
