本篇文章给大家带来了关于最近大火的chatgpt的相关知识，其中主要介绍了大佬是如何一步步教你使用chatgpt，感兴趣的朋友下面一起来看一下吧，希望对大家有帮助。

正文如下：

最近OpenAI又整了个新活儿，ChatGPT，效果惊艳的对话模型，已经快被脑洞大开的网友们玩儿坏了！闲聊、问答、写代码，你能想到的它都会！甚至有国外的网友表示，Google is done！

这里我为大家准备了一份ChatGPT的实践指南，手把手教你Chat with ChatGPT!

先说结论，个人感觉生成模型+RLHF或许能为我们带来文本生成实用化的曙光，让我们拭目以待！

本文脉络：首先简单介绍一下原理，然后手把手教大家如何注册OpenAI账号并开始与ChatGPT交流，随后会提供笔者在十个领域上与ChatGPT交流的示例，最后进行总结与展望。一起迎接AIGC的时代吧！

注：文章较长，建议选择性阅读，只想看ChatGPT效果的请直接跳转第3章，只想看注册教程的请直接跳转第2章，只想直接体验ChatGPT效果的请跳转第2章之万能的淘宝。

前两天还在有关扩散模型的帖子下面讨论着能不能将扩散模型的思想用到NLG领域（可能得做些改造或者与其他技术结合）来提升其实用性水平？

没想到2号OpenAI又给大家整了个新活儿，ChatGPT，一个对话生成模型，效果看上去比较令人惊艳，已经被大家玩儿坏了。生成模型+Reinforcement Learning From Human Feedback (RLHF)，这路子感觉就很合理，人类对话基本就是这个路子啊（基于对方的反馈来对话）。我一直觉得，文本生成不仅需要新的强大的生成模型，还需要人类的反馈参与其中（尤其是对话这种交互式场景）。因为个人感觉文本生成与图像生成的最大的差异在于文本为人类专属，不具有自然界的对照，在生成效果上更难以评价，没有人类反馈的参与，无论是GAN、VAE，还是现在的扩散模型，或者是各种扩散模型的结合，再强大的生成模型在文本领域都会水土不服，只能是无根浮萍。

于是昨晚和朋友感叹到今年或许真是AIGC元年，AIGC开始从实验室水平走向实用水平，标志性的事件就是扩散模型将AI绘画带到了一个新的实用化的高度。而文本领域也开始有了像ChatGPT这样的曙光，我更加期待即将到来的GPT4了，也更加期待文本生成的实用化！

文本生成，道阻且长，大佬们赶紧卷起来啊QAQ！

20230203更新：刚写这篇文章时，我可能对RLHF的作用有所高估，目前根据网上的一些讨论来看ChatGPT惊艳的效果应该主要还是来自于背后强大的GPT3.5系列强大的语言模型（基础的生成能力），其次是SFT（），再然后才是RLHF，而RLHF可能起到的作用更多的是学习人类的偏好，约束模型的行为。

我已经迫不及待的想要先来看看ChatGPT到底表现如何了，但是openAI的服务不支持中国，GAN（一个模型）！

官网：

第三步，绕开OpenAI服务不支持的问题。

OpenAI服务不支持的问题，即OpenAI's services are not available in your country可能是目前大家使用ChatGPT的最大障碍之一。下面教大家三个方法来绕开这个问题：

这里给大家准备了一份超棒的提问模板，助你轻松拿捏ChatGPT。

下面具体带大家体验一下ChatGPT强大的对话和生成能力。

注册成功之后，我们回到chatgpt的测试页面：

所以，多多试用，为chatgpt提供反馈吧，这样基于人类反馈的强化学习才能帮助GPT系列越来越强！

咱先来点儿哲学问题：

再来点儿世界杯问题：

偶尔会遇到生成内容戛然而止的情况。

惊到我了！

以经典的求平方根为例：

我承认，我就是来找茬儿的QAQ。

• 整体效果惊艳，感觉带来了文本生成实用化的曙光
• 流畅性非常不错：对话、续写、敲代码~
• 多轮对话的能力有较大的提升
• 学会了拒绝
• 允许用户提供后续修正

缺点：

• 生成不正确或有害的信息：文本生成的老大难问题了
• 受限的知识：使用的是2021年之前的数据训练，无法对之后的情况进行很好的处理；部分领域表现一般，尤其是小众领域
• 生成结果偶尔会戛然而止
• 没有聚合搜索引擎：这个不算缺点其实，但我感觉可以结合

展望：

从扩散模型将AI绘画带入实用化水平开始，到各种扩散模型遍地开花，再到今年最后一个月突然冒头的ChatGPT为我们带来了文本实用化的曙光，这不得不让人感叹技术发展之快，或许今年真的是AIGC的元年！让我们拭目以待！

关于文本生成未来的方向：

个人感觉，主要是：更强的生成模型+更好的人类反馈机制+更多更好的数据+更好的评价指标，另外还要着重补短板。

更强的生成模型：

• 新的生成模型：VAE/GAN/扩散模型都更适合图像，NLG领域目前似乎就GPT系列最能打，能否更好的结合创造出一些复合模型或者全新的文本生成模型出来？
• 人类反馈：对话场景天生适合人类反馈，但像小说、摘要等场景如何更好的收集用户反馈？批注、弹幕或许是个不错的选择，但感觉远远不够。
• 更多更好的数据：OpenAI的数据向来是又多又好，羡煞旁人啊。
• 更好的评价指标：目前文本生成领域的很多评价指标还是偏字符成面的，像流畅性、合理性、正确性、逻辑性等指标是很难量化的，评价指标基本还是完全掌握在人类手里，这也是为何需要人类反馈的原因。
• 补短板：事实性错误、有害信息如何减少？

除此之外，当然还有很多事情可以做，一个很有想象空间的事情就是和传统的搜索引擎结合，生成模型+搜索引擎！前面我们在尝试的过程中，ChatGPT也说了自己不是搜索引擎，没有联网搜索的能力，但是这个真可以有！

这俩不是矛盾关系，而是可以相互结合相互促进的。华为前不久就发布了全球首个多语种权威知识检索生成模型——WebBrain。

生成模型+搜索引擎，或许可以实现所搜即所得。

当AIGC的实用性开始提升，其潜在的商业价值自然就会水涨船高，也许我们很快就将看到AIGC应用到各个领域并产生巨大的商业价值！

Let's play with AIGC!

Let's chat with ChatGPT!

本文首次发布时就曾经谈到过ChatGPT+搜索引擎将会是一个非常有想象空间的方向，果然相关问题很快就在全网引发了热议。

至于是否会取代？答案是当然不会，二者不是竞争关系，但可以结合。

ChatGPT vs 搜索引擎：no！

ChatGPT + 搜索引擎：yes！

现在已经出现了ChatGPT+Google的扩展：

我们以第一个为例，展示一下此类扩展的使用指南：

20221217更新：经评论区提醒，中国信通院对ChatGPT做了一个比较全面的评测～

20230130更新：ChatGPT新版提升了数学和事实性能力。

20230203更新：重新梳理了一下第2章的注册流程，现在更加清晰明了，大家可以根据自己的需求选择合适的方式来体验ChatGPT强大的能力。

20230206更新：补充了一份提问模板。