两周前，OpenAI又放了个大招：GPT3突然放出，其参数量达到1750亿，相当于1600个GPT1的大小，光把它用fp16半精度载入内存都得300GB，这还不包括实际训练中需要存储地梯度等中间变量。因此这也导致它训练起来非常昂贵，大概要花1200万美金，按现在汇率折合成人民币相当于8500多万元！！！
今天还有博客称，GPT-3可以看作是研究神经网络缩放律的一次尝试。就是说，从一个好的神经网络开始，把它增大十倍，它能变更聪明吗？聪明多少？会聪明十倍吗？能一直这样做下去，直到它变得无限智慧、或是把所有电脑都用上？”
博客链接👇
https://slatestarcodex.com/2020/06/10/the-obligatory-gpt-3-post/
这么好的东西当然是大家一起用才好。Open AI 官方刚刚宣布，发布针对GPT-3的API接口，让开发人员可以在日常英文工作中直接调用GPT-3，上手友好度+1。
官网指路：
https://openai.com/blog/openai-api/
基本上，该项工作是建立在理解英语单词的基础上。OpenAI希望能帮助用户实现自动化。GPT-3系列自然语言理解模型的各种功能可供开发人员使用。
例如，你可以依靠它快速浏览大量文本的能力，来回答有关文章的问题或找到相关部分。
在一个简短的演示视频中，OpenAI演示了它的工作原理-在Wikipedia的“面包“词条上询问“为什么面包那么蓬松”，就会返回文章中有关面包配方及其制作方法的部分。
比如在GPT-2基础上的著名文字冒险游戏AI Dungeon，现在用GPT-3的API接口，就能更轻松的实现。AI可以给出很多D＆D原始资料和冒险经历，并在此基础上根据玩家的输入为玩家改进旅程。实质上这是在本地运行模型的一个版本，以前这需要用到一些笨拙的方法来完成，而现在只需通过API提交输入。
基本上，这是一种访问GPT-3广泛的语言理解和生成功能的更简单的方法，不过目前的呈现只是简单的文本输入和输出。
OpenAI在博客中回答了用户最关心的问题，为什么OpenAI选择发布API而不是开源模型？
OpenAI表示这样做有三个主要原因。
首先，将技术商业化有助于为正在进行的AI研究、安全和政策工作付费。
其次，API的许多基础模型非常庞大，需要大量的专业知识来进行开发和部署，并且运行起来非常昂贵。这使得除了大公司以外的任何人都很难从基础技术中受益。
第三，API模型可以更轻松地应对技术滥用。由于很难预测我们模型的下游用例，因此通过API释放它们并随着时间的推移扩展访问范围，本来就更安全，而不是发布一个开源模型，因为如果发现该模型存在有害的应用程序，则该模型无法进行访问调整。
“我们希望API能够大大降低生产有益的AI驱动产品的障碍，从而创造出今天难以想象的工具和服务。”
到目前为止，OpenAI已经与十几家公司合作，在更广泛地提供API之前对其进行测试。聊天机器人、教学辅助工具、法律研究——这类东西的应用永无止境，因为语言被用来定义和记录我们所做的几乎所有事情。然而，要想找到像这样的人工智能代理真正有用的地方，需要进行一些实验。
