有時候會想，如果chatGPT是人，它會是一個怎樣的人呢？下麵是我的推測過程。 首先，她應該是女人 會推測而不會計算 你問它： 3457 * 43216 = ，它回答 149261912 （這是錯的。正確結果是 149397712）。 之所以結果的 2 是對的，僅僅因為它讀了太多的文字資料以後，隱約 ...
有時候會想，如果chatGPT是人，它會是一個怎樣的人呢？下麵是我的推測過程。
首先，她應該是女人
會推測而不會計算
你問它： 3457 * 43216 = ，它回答 149261912 （這是錯的。正確結果是 149397712）。
之所以結果的 2 是對的，僅僅因為它讀了太多的文字資料以後，隱約感覺到 7 結尾的文字，乘號，6 結尾的文字，和 2 結尾的文字比較「押韻」從語感上比較像一首詩。
所以它就學會了這樣的文字，而不是學會了計算。
感性而不理性
有沒有覺得，當自己跟老婆吵架時，你講什麼正確的道理都是徒勞，她不在乎對錯而在於你有沒有顧及她的感受。這印證《男人來自火星，女人來自金星》中說到的一個觀點：男人和女人在思維理解上有本質的不同，男人註重理性，女人註重感性。
沒錯，chatGPT不擅長理性計算，在背誦了一堆堆文字資料後，她覺得”順口”就認為是對的答案，就是這麼任性就是這麼感性。
所以,ChatGPT肯定是記憶力超強，天生對數字邏輯一竅不通的女人。
其次，她有工作經驗且善解人意
預訓練：增加工作經驗
舉個慄子：家裡請阿姨，來你家之前阿姨會接受家政公司的崗前培訓，怎麼拖地，怎麼弄飯，包括怎麼帶小孩，這樣保證了阿姨到雇主家可直接幹活。
ChatGPT一開始就知道客觀既定的自然規律，比如蘋果是水果而不是石頭。原因是在被使用之前它經過了崗前培訓，也就是GPT中的P(Pre-trained 預訓練和微調)，保證它可以直接上手就乾，而不是磨磨唧唧等你教完它所有之後才會幹活。
預訓練是給ChatGPT提供基礎技能，讓其有工作經驗，直接上手就乾，節約使用者成本。
微調：讓她善解人意
舉個慄子：還是上面那個阿姨。
上崗後，阿姨的技能和習慣可能跟雇主的不一樣，比如雇主要減肥，做飯就不做三菜一湯了，全部變青菜，不要白米飯要西藍花，OK , 三菜一湯是預訓練的標配結果，全部青菜是根據雇主習慣進行的微調。微調讓chatGPT更加符合自己口味了。
再比如：如果你要問chatGPT 你公司年假多少？他肯定回答不出來。
但是如果給他錄入你公司考勤制度信息之後，它就知道你公司年假多少了。這個過程就是微調。
微調是給模型提供使用者個性化信息，讓其與使用者更加同頻，給使用者感覺是，它知我，知己也！
再次，她是語言學家
當你用不同語言時，她知道用對應語言你。
當你覺得文字太長，她可以幫你變短。
當你想要她翻譯成別的語言，她可以翻譯成外語。
這其中歸功於GPT中的T:Transformer轉換器。該模塊作用類似電源轉換器: 220v進12v出
轉換器模塊工作流程：轉換器依據預訓練中的經驗，將輸入轉換成向量表示，該向量中包含了上下文，輸入含義等信息（類似二維碼）。向量可以看做GPT可識別的數據結構，當使用者提出不同需求時，轉換器根據該向量變換生成新的輸出。
如圖中，輸入經過Encoder編碼成向量，向量根據用戶需求Decoder成不同長度，語言的輸出。
轉換器實現將固定輸入轉換成各種不同輸出的功能。
最後
本文結合生活中的例子推測 ChatGPT 是怎樣的人。ChatGPT 中實際過程比這個複雜得多，其過程可能不嚴謹，但旨在對 ChatGPT 中 G P T 含義進行通俗化解釋，希望各位大佬喜歡。
彩蛋
參考鏈接
Transformers Models in Machine Learning: Self-Attention to the Rescue
