ChatGPT的工作原理
从该图可以看出，InstructGPT是基于GPT-3模型训练出来的，具体步骤如下：
步骤1.）从GPT-3的输入语句数据集中采样部分输入，基于这些输入，采用人工标注完成希望得到输出结果与行为，然后利用这些标注数据进行GPT-3有监督的训练。该模型即作为指令式GPT的冷启动模型。
步骤2.）在采样的输入语句中，进行前向推理获得多个模型输出结果，通过人工标注进行这些输出结果的排序打标。最终这些标注数据用来训练reward反馈模型。
步骤3.）采样新的输入语句，policy策略网络生成输出结果，然后通过reward反馈模型计算反馈，该反馈回过头来作用于policy策略网络。以此反复，这里就是标准的reinforcement learning强化学习的训练框架了。
所以总结起来ChatGPT（对话GPT）其实就是InstructGPT（指令式GPT）的同源模型，然后指令式GPT就是基于GPT-3，先通过人工标注方式训练出强化学习的冷启动模型与reward反馈模型，最后通过强化学习的方式学习出对话友好型的ChatGPT模型。如下是论文中相应对话友好型的定量结果（其中PPO-ptx曲线就是InstructGPT模型），可以看到在回答友好型上InstructGPT是远超原始GPT的：
ChatGPT它非常擅长对话、情感分析、文本生成、摘要提取等，有了这些直接打开了更广阔的应用面。可想而知，如若在垂直领域做定向训练，它将会发挥出更极致的性能，即可作咨询用途，同时也可以辅助创作（这将颠覆很多行业的工作方式）等等。
效果是非常惊艳的，使用完之后的体感是这应该能辅助到各行各业中，应用空间无限大，这类技术可能会成为未来AI系统的基石应用之一。
其实这个ChatGPT还是挺实用的，特别是找一些小代码，经典的模型，哪怕不熟悉的也能找到，所以作为一个搜索引擎来用也是不错的，再也不用搜索百度，然后跳出清一色的CSDN一模一样的文章了，哪怕是无聊了来个游戏也很有意思，这个模型是基于强化学习做的，真的太厉害了，正如马斯克所说，确实有在接近电影里恐怖Ai的趋势了，不过感觉OpenAi对这个模型还是做了很多限制，比如一些预测性的东西如足球预测，也不能生成图片什么的（这个我感觉他们加进来还是很轻松的），而且还支持中文提问，这个就很赞，后面基于它做一个小程序，开发一些搜索框，聊天机器人，感觉还是很有意思的。
ChatGPT客户端截图
软件地址
