2022年11月30日一定是一个载入人类AI发展史的一天，这一天第一个版本的Chat GPT（全称：Chat Generative Pre-trained Transforme）发布了。毫不夸张地说，chatGPT的发布和用户体验，将整个AI话题推上了一个前作未有的高度（包括最早的深蓝，AlphaGo，Boston Dynamics 等产品）。这是利用大语言模型（LLM：Large Language Model）完成人类和计算机的类人的模糊交流。包括比尔-盖茨，老黄等众多科技大佬为之点赞，整个科技界都为之狂欢，甚至都逼的Google大佬亲自上阵调教自家Bert来应对ChatGPT的挑战
ChatGPT 飓风
从ChatGPT发布到第一个一亿用户，只用了短短两个月，这个绝对是前无古人，后鲜有来者的数据。
互联网指数级的增长在这里得到了充分的体现，只要产品过影，火星人马丁叔叔都可能会成为你的忠粉
就在本月，连续三个有关AI的产品发布依次降临：
- 2023年3月15日 OpenAI 发布ChatGPT4
- 2023年3月16日 微软发布基于ChatGPT4引擎的Office 365 Copilot
- 2023年3月16日 百度才发布“文心一言”
前两个发布应该都是安排好的，微软是OpenAI的大股东，在ChatGPT3.5发布的时候就有过传言，微软正在全面整合ChatGPT到微软的产品中，第一个整合ChatGPT的微软产品就是新必应（New Bing，2023年2月7号发布），在过去的一个来月，Google的搜索量应声下降了2%！所以整合ChatGPT4的office Copilot就显得水到渠成了。有兴趣的小伙伴可以看一下Office 365 Copilot的发布会，相当震撼。office的体验简直丝滑到没有摩擦力了，半分钟word，10秒PPT，估计以后小朋友都可以直接玩转office了。此外，OpenAI的所有硬件都是运行在微软的Azure云服务器矩阵上的，OpenAI只生成创新，并不买服务器。但是大家要知道，最早的OpenAI可是选择Google的云服务器的。以上种种，可以看到微软这个48岁的老江湖，依然走在真个科技的最前沿，依然意气风发。
第三个发布的百度的文心一言，这里确实要点赞一下！对于世界AI的崛起，中国绝对不能默不作声。虽然当前的文心一言还有很多不足的地方（有up主做过一些测试，有兴趣的小伙伴可以关注一下），但是这不是主要问题，先站出来迎战，才有可能形成挑战！
ChatGPT4的提升
ChatGPT4 相较于前版本GPT3.5有了更为强大的提升：
可以读取文字和图片混合模式的输入：可以读图生成网站的前端JS代码，或者理解一幅图的内容
提问：请问图片中有什么不寻常的地方
回答：这个图片有点奇怪，一个男的固定在一辆正在行驶中的出租车的车顶，并且在一个熨烫板上熨衣服。
通用考试中，更高的考试成绩
比如，在统一律师考试（ Uniform Bar Exam ）中，GPT-4 可以超过 90% 的人类考生，而老版本只能超过 10% 的人类考生，相当于一个是考第一名，一个是考倒数第一名。
在 GRE 数学考试中 GPT-4 可以考 163 分（ 170 分满 ）超过 80% 的考生，老版本只能超过 25% 的考生。
在 GRE 语文（ 阅读与填空 ）考试中 GPT-4 可以考 169 分（ 170 分满 ）超过 99% 的考生，而老版本只能超过 63% 的考生。
单从这两门的分数来看，GPT-4 到了可以申请哈佛、麻省理工、斯坦福大学的水平。
更大的训练模型
汽车已经发动起来了，速度提升只是时间问题，下图展示了ChatGPT4和ChatGPT3训练参数数量的区别
ChatGPT的原理
这么厉害的东东，他是怎么工作的呢？这里一起来看看它的工作原理
首先ChatGPT是一个单字生成迭代器。利用每一个输入的文字（注意是字不是词也不是句子），产生下一个字，中间产生的的过程也会有迭代。可以看到GPT的迭代是单向的，Google都Bert是双向的，这个其实会比较复杂，也会有算力的代价。笔者理解，人类的思维应该是更偏向于ChatGPT的单向迭代，当然如果Bert可以成功，那就会说出超语言（super-word）。
如果需要模型生成单字，就要训练他，就像对小朋友训练类似，不断地训练，小朋友可以表述的字和句子就会越来越丰富。这个还是沿用了传统的教育，引导，奖惩的机制。计算机的算法模型也是可以契合这种训练方式的，这个在上世纪80年代的AI训练中就有提及，这一点一直都没有发生变化，模型训练的简单步骤
- 第一阶段：训练监督策略模型：对模型提供问题和正确答案的模板，供AI学习
- 第二阶段：训练奖励模型：让AI尝试回答人类问题，人类对问题的答案进行打分，给出AI指引，这一过程类似于教练或老师辅导。引导AI在未来回答得分较高的答案
- 第三阶段：使用离线模式强化训练：利用PPO（Proximal Policy Optimization）生成回答，并用第二阶段奖励模型进行打分，再次对AI进行打分迭代，从而强化PPO的模型参数和精准度
不断重复第二和第三阶段，通过迭代，这样会训练出更高质量的ChatGPT模型。
ChatGPT算力和成本
硬件预览
ChatGPT 可以实现和人类对话的前提是有一个及其庞大的硬件运算体系，据估算，ChatGPT的总算力消耗约为3640PF-days (即假如每秒计算一千万亿次，需要计算3640天)。微软使用了一万片NV的A100 超高性能GPU芯片，单颗显卡售价唱过5万人民币，如果是基于A100的小型服务器，售价更是高达100万人民币！微软单在Azure的·A100的运算架构，就给OpenAI投入了上亿美元的云端设备。微软已经在评估NV最新的H100，算力提升明显，NV给出的评估是相较于A100，H100的算力会提高10倍，相信不久的未来ChatGPT的输出就出自H100的运算结果。当然，H100的售价更是超过了惊人的20万人民币（3+万US$，图示为日元报价）.
据估算，OpenAI需要的初始硬件成本高达：10亿美金，约合65亿人民币
运算和运营成本
GPT-3训练成本约为140万美元；对于一些更大的LLM模型，训练成本约达到1120万美元。单日应对13M访客的电费就超过4.7万美金，基于数据的增长，每三到四个月就需要运算一次。一年下来，投入在训练和日常运营的成本就高达：2260万美金, 折合人民币约1.5亿。这个对于一般公司确实是一个不小的开支文章来源：https://www.toymoban.com/news/detail-435811.html
参考资料
架构师技术联盟 ChatGPT发展历程、原理、技术架构详解和产业未来
国盛计算机 ChatGPT需要多少算力
Hassan Mujtaba *** NVIDIA H100 80 GB PCIe Accelerator With Hopper GPU Is Priced Over $30,000 US In Japan***
OpenAI *** GPT-4 Technical Report ***文章来源地址https://www.toymoban.com/news/detail-435811.html
到了这里，关于芯片工程师的ChatGPT初体验（上）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
