近期，OpenAI发布了ChatGPT，是一个可以对话的方式进行交互的模型，因为它的智能化，得到了很多用户的欢迎。ChatGPT也是OpenAI之前发布的InstructGPT的亲戚，ChatGPT模型的训练是使用RLHF也许ChatGPT的到来，也是OpenAI的GPT-4正式推出之前的序章。
一、什么是GPT?
GenerativePre-trainedTransformer(GPT)，是一种基于互联网可用数据训练的文本生成深度学习模型。它用于问答、文本摘要生成、机器翻译、分类、代码生成和对话AI。
2018年，NLP的预训练模型元年，GPT-1诞生，此时的GPT-1仅是一个语言理解工具而非对话式AI。2019年GPT-2采用更多的网络参数与更大的数据集进行训练，此时的GPT-2展现出普世且较强的能力，并在多个特定的语言建模任务上实现了彼时的最佳性能。随后，GPT-3出现，作为一个无监督模型，几乎可以完成自然语言处理的绝大部分任务，例如面向问题的搜索、阅读理解、语义推断、机器翻译、文章生成和自动问答等等。GPT-3的出现使人们看到了通用人工智能的希望。
Michael Burry在Aevo上买入1000万美元的比特币和以太坊看跌期权:金色财经报道，链上结构化产品Ribbon Finance联合创始人Julian Koh在社交媒体X上称，电影《大空头》原型基金经理Michael Burry买入了16亿美元的交易基金看跌期权，他还在衍生品交易平台Aevo上买入了1000万美元的比特币和以太坊看跌期权。[2023/8/15 21:25:16]
ChatGPT的到来，也被视为文本生成器GPT-3的下一个迭代，为GPT-4到来拉开序幕。
ChatGPT是一种大型语言模型，通过大量在线信息进行训练并创建其响应。注册ChatGPT后，用户可以要求人工智能系统回答一系列问题，这些问题包括开放性问题：例“生命的意义是什么？”加密货币值得投资“？”“什么是HackerMovement”等。
Curve创始人Michael：去中心化应用也具有先发效应，除非优势很大，否则很难出头:10月27日至28日，火币“无限未来——2020年区块链大航海时代”行业峰会暨火币集团七周年线上峰会正式举行。在峰会“同风而起，区块链应用的发展探索与风险应对”板块，Curve Finance创始人Michael Egorov表示，比特币或以太坊有先发优势，新链很难挑战核心地位，至少在应用层面上。例如，以太坊在很难在价值储存的角色上挑战比特币，比特币是第一个在这个角色上被接受的。尽管以太坊的用处很多。以太坊从另一方面看，是第一个通过有效方式编写智能合约的平台，其他链仍然不能挑战以太坊在智能合约中扮演主要角色。去中心化应用也具有先发效应，除非优势很大，否则很难出头。[2020/10/28]
二、ChatGPT如何工作？
Quantum Economics创始人：个人eToro投资账户内的资金已全额购买BTC:Quantum Economics创始人、前eToro加密货币分析师Mati Greenspan发推称：“我的eToro投资账户资金已全部用来购买BTC了。”[2020/5/1]
谈到ChatGPT的算法模型，其前身InstructGPT仍值得关注。
2022年初，OpenAI发布了InstructGPT。开发人员通过结合监督学习+人类反馈强化学习，提高GPT-3的输出质量。在这种学习中，人类对模型的潜在输出进行排序，强化学习算法则对产生类似于高级输出材料的模型进行奖励。
Huobi Global开通AAVE、UNI等五种锚定代币在HECO网络充值、提现业务:据官方公告，2月9日，Huobi Global宣布正式开放 AAVE，BETH，SKM，SNX，UNI的HECO网络锚定Token的充币和提币业务。火币生态链Heco现已上线Heco-Peg AAVE Token，Heco-Peg BETH Token，Heco-Peg SKM Token，Heco-Peg SNX Token，Heco-Peg UNI Token。
需要注意的是，Heco-Peg AAVE Token，Heco-Peg BETH Token，Heco-Peg SKM Token，Heco-Peg SNX Token，Heco-Peg UNI Token为Heco网络代币，暂不支持与其他网络互转。
用户在充提上述五种锚定Token时，务必选择正确链名称“ HECO”，以免造成充值、提现不上账的情况。
据悉，火币生态链Heco目前已支持HT、HUSD、BTC、ETH、BCH、BSV、LTC、XTZ、DOT、FIL、HPT、USDTHECO、AAVE、BETH、SKM、SNX和UNI共17个资产，Huobi Global已开放以上资产（基于HECO）的充币和提币业务。[2021/2/9 19:21:05]
训练数据集以创建提示开始，其中一些提示是基于GPT-3用户的输入，比如“解释什么是HackerMovement”或“给一个小学生解释Hacker”。
开发人员将提示分为三个部分，并以不同的方式为每个部分创建响应：
1.人类作家会对第一组提示做出响应。开发人员微调了一个经过训练的GPT-3，将它变成InstructGPT以生成每个提示的现有响应。
2.下一步是训练一个模型，使其对更好的响应做出更高的奖励。对于第二组提示，经过优化的模型会生成多个响应。人工评分者会对每个回复进行排名。在给出一个提示和两个响应后，一个奖励模型学会了为评分高的响应计算更高的奖励，为评分低的回答计算更低的奖励。
3.开发人员使用第三组提示和强化学习方法近端策略优化进一步微调了语言模型。给出提示后，语言模型会生成响应，而奖励模型会给予相应奖励。PPO使用奖励来更新语言模型。
与其他AI聊天机器人不同，本着构建更加负责任的强人工智能原则，ChatGPT可以回答后续问题、承认错误、挑战不正确的问题并拒绝不适当的请求。
三、ChatGPT等AIGC工具对内容生态的挑战
不可置疑的是AIGC对很多领域产生了积极的影响。如，文本创作、音乐创作、游戏文本生成等。随着AIGC工具的成熟，其甚至可自主编程、拼接生成新的协议。
但，此类工具向内容生态提出一个全新的问题即：如何应对AIGC的真实性。以ChatGPT为例：
1.在训练的强化学习阶段，对于问题，并没有真相和问题标准答案的具体来源。
2.训练模型更加谨慎，可能会拒绝回答。
3.监督训练可能会误导/偏向模型倾向于知道理想的答案，而不是模型生成一组随机的响应并且只有人类评论者选择好的/排名靠前的响应。
人工智能生成的答案有数千个，而这些答案通常需要具有专业知识的人详细阅读，才能确定答案实际上是错误的，这些错误信息很容易破坏以志愿者为基础的高质量问答社区。
纸质新闻时代，每个事实都必须包含权威的一手或二手资料来源，但现在已经很少有出版物有事实核查员，这就把责任推给了记者和编辑。信息爆炸时代，以人为媒介传播的虚假信息尚且让审核机制“头疼”，很难想象当人工智能开始传播虚假信息，所带来的挑战。尤其是在这个舆论时常反转的时代，只要一个消息听起来合理，许多人就会认为这是正确的。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。