This is the Trace Id: 8e0fe7fb1fb55b4868380b9829503f24
跳转至主内容 浏览 查看所有产品 (200+) Microsoft Foundry Azure Copilot GitHub Copilot Azure Kubernetes 服务 (AKS) Azure Cosmos DB Azure Database for PostgreSQL Azure Arc Microsoft Fabric Azure 上的 Linux 虚拟机 Foundry 模型 Foundry 智能体服务 Foundry IQ Foundry Tools Foundry Control Plane Foundry Control Plane 中的可观测性 Foundry 模型中的 Azure OpenAI Foundry Tools 中的 Azure 语音 Azure 机器学习 查看所有数据库 Azure Cosmos DB Azure DocumentDB Azure SQL Azure Database for PostgreSQL Azure 托管的 Redis Microsoft Fabric Azure Databricks Azure 上的 Linux 虚拟机 Azure 上的 Windows Server Azure Functions Azure 虚拟机规模集 Azure API 管理 Azure 容器应用 Azure Kubernetes 服务 (AKS) Azure Kubernetes 舰队管理器 Azure 容器注册表 Azure Red Hat OpenShift Azure 容器实例 Azure 容器存储 Azure Arc Azure Local Microsoft Defender for Cloud Azure Monitor Microsoft Sentinel Azure Migrate 查看所有解决方案 (40+) 适用于中小型企业的云解决方案 云迁移和现代化中心 AI 数据分析 Azure 数据库 AI 应用和智能体 Microsoft 市场 Microsoft Sovereign Cloud AI 应用和智能体 Azure 的负责任 AI AI 基础结构 AI 数据分析 机器学习运营 (MLOps) Azure 上的低代码应用程序开发 集成服务 无服务器计算 DevOps 迁移和现代化中心 .NET 应用迁移 Azure 上的数据库 Linux on Azure Azure 上的 Oracle Microsoft 云上的 SAP 自适应云 高性能计算 (HPC) 基础结构即服务 (IaaS) 复原能力 Azure Essentials 适用于 Azure 的 Frontier Accelerate Azure 上的 FinOps Microsoft 市场 Azure 定价概述 创建 Azure 帐户 免费 Azure 服务 灵活的购买选项 定价计算器 Azure 上的 FinOps 最大限度地提高 AI 的 ROI Azure 节省计划 Azure 预留 Azure 混合权益 虚拟机 Azure SQL Microsoft Foundry Microsoft Fabric Azure Kubernetes 服务 (AKS) Microsoft Defender for Cloud 查看更多 软件开发公司 Microsoft 市场 寻找合作伙伴 面向 Azure 合作伙伴的资源 开始使用 Azure 客户案例 分析师报告、白皮书和电子书 视频 详细了解云计算 文件 探索 Azure 门户 开发人员资源 快速启动模板 面向初创企业的资源 开发者社区 学生 面向合作伙伴的 Azure 部落格 活动与网络研讨会 了解 支援 连络销售人员 开始使用 Azure 登录

什么是 GPT?

了解基于生成式预训练转换器 (GPT) 构建的 AI 模型如何解释和创建类似于人类的内容。

GPT 在 AI 中的角色

GPT 代表生成式预训练转换器,是神经网络模型的一员,用于分析数据以及解释和生成类似于人类的文本、图像和声音。人员和组织使用 GPT 汇总长文本和会议、翻译语言、创建书面通信、编写代码、生成图像以及以对话语调回答问题。

要点

  • GPT 是一种深度学习神经网络,用于分析由自然语言、图像或声音组成的提示,以预测最佳响应。
  • 通过多次重复预测过程,GPT 能够创建类似于人类的内容并参与长对话。
  • GPT 基于转换器体系结构,该体系结构通过将单词、图像和声音转换为数学来解释内容的含义。

  • GPT 是有效的,因为它已针对大量数据集(包括大型文本语料库)进行训练。

  • 通过简化研究、减少耗时工作、加快编写字词和计算机代码的过程以及提高创造力,GPT 正在改变人们完成工作的方式。

  • 一些 GPT 用例包括聊天机器人、内容创建、情绪分析、计算机代码创建、数据分析和会议摘要。

  • OpenAI 将继续投资于 GPT,并且在将来,组织可以预期获得更好的输出、更高的透明度、更少的偏差和更高的准确性。

GPT 的概念和工作原理

GPT 是一种深度学习神经网络,用于分析由自然语言、图像或声音组成的提示,以基于其对输入的解释来预测可能的最佳响应。为此,它借助数千亿个参数使用大量数据集进行训练。GPT 引用该知识,对序列中不同组件的重要性进行加权,例如句子中的单词或图像或声音的一部分。权重允许它推断相关性和上下文,以便它可以生成具有提示意义的内容。

GPT 的历史记录

2018 年,OpenAI 发布了第一代 GPT,它基于该体系结构构建,GPT-1 基于超过 15 亿个参数进行训练,可以生成文本、回答问题、翻译语言和汇总文本,但它很难理解上下文和较长的文本。 

此后每隔几年,OpenAI 就会发布一个新版本的 GPT,每个 GPT 都针对更大的数据集进行训练。在每个版本中,该技术改进了其理解上下文和流畅且一致编写的能力。它继续添加新技能,例如创建计算机代码、执行具有很少或没有示例的任务,以及分析大量数据。 

培训概述

若要生效,GPT 必须能够分析和解释大量提示和请求。它通过使用非监督式深度学习(机器学习子集)训练大型数据集(包括大型文本语料库)来为此做好准备。在非监督式学习中,模型会自行讲解如何在没有人类指导的情况下查找未标记数据中的模式。GPT 使用计算机视觉来识别和理解图像中的对象和人员。

还可以针对非常具体的方案(例如银行或法律等行业)训练 GPT。在这些实例中,使用监督式学习,这意味着训练数据由人类标记。

基本 GPT 体系结构

GPT 基于转换器体系结构构建,该体系结构使用自我关注机制分析提示的不同组件及其彼此之间的关系来解释上下文和含义。例如,“云””一词可以指天空中的凝结蒸气,也可以像在云计算(一种技术平台)中一样。人员和 GPT 通过评估句子或段落中某个词周围词语的含义来确定哪个版本的词适用。

转换器体系结构可以通过将词及其含义转换为数学来实现此目标。它将文本、图像和声音分解为更小的部分,称为令牌。为令牌分配一个矢量,用于为含义编码。然后,编码后的矢量(称为嵌入)通过一个注意块发送,它们在其中交换信息,并根据需要对矢量进行更新。GPT 确定提示的含义后,它将以概率分布的形式生成预测,并建议序列中的下一个词、图像或声音。通过不断重复此过程,它可以写入长段落或进行对话。

关键组件

该体系结构由两部分组成:

  • 编码器。编码器是将文本、图像和声音分解为数学嵌入的系统的一部分。为每个嵌入分配一个权重,告知它与上下文和含义的相关性。然后,使用自我关注机制将嵌入内容彼此进行比较,以进一步优化其含义。

  • 解码器。解码器使用矢量和权重来确定可能的输出并预测最佳输出。由于 GPT 的最新版本已针对大量数据进行了训练,因此它们已非常擅长使用此过程来编写流畅且一致的文本。 

GPT 的优势和挑战

GPT 有可能改变你和你的组织的工作方式,帮助你节省时间和金钱。但是,在不小心保护的情况下使用此技术也存在风险。请务必始终仔细审查从 GPT 或任何其他 AI 系统获取的信息,以确认其准确且合乎道德。

优势

 
  • 简化研究。GPT 可以对 Internet 和/或其他数据源进行搜索,并提供所找到内容和源(如果请求)的摘要。

  • 增强计算机代码。开发人员使用 GPT 来帮助他们编写新代码或简化已编写的内容。

  • 更快速地编写。使用 GPT 的最常用方式之一是将其用作编写工具。它可以快速合成大量信息并开发报表、博客文章、电子邮件和其他书面材料。

  • 减少耗时工作。GPT 可以执行汇总会议、翻译语言和回答问题等操作,使你能够将更多时间花在更具影响力的任务上。

  • 提高创造力。除了写作,GPT 还可以快速生成许多不同的想法,使其成为一个用于集思广益的绝佳工具。 

  • 根据你的企业自定义。可以训练 GPT 以满足不同组织和行业的独特需求。

挑战

 
  • 偏差。与依赖于人工创建的数据的所有 AI 模型一样,该数据中固有的偏差可能会使其成为 GPT 输出。例如,AI 模型可能假定社会中的某些角色(如科学家)仅由男性担当,因为大多数历史数据都是关于男性科学家的。 

  • 不准确。由于 GPT 基于预测生成输出,因此它并不总是正确的。要求其引用已知材料或在组织的知识库上对其进行训练可能会有所帮助,但人类应始终查看相关工作以获得准确性。

  • 网络安全。不良参与者正在使用 GPT 和其他 AI 模型创建具有说服力的网络钓鱼电子邮件、开发恶意软件以及分析组织是否存在漏洞。培训员工识别网络钓鱼电子邮件有助于降低组织的风险。实现可检测异常并阻止恶意软件的网络安全解决方案也很重要。

  • 侵犯知识产权。GPT 的输出可能包括由其他人或组织创建的图像或副本。发布 AI 创建的任何内容之前,请确认你的组织有权访问内容,并适当地使用引文。

  • 无效提示。从 GPT 获取良好的输出需要有结构良好的提示。可能需要训练、试错才能制定一个提示,以获取你希望得到的结果。

  • 不可测知。由于 GPT 是使用深度学习模型生成的,因此很难知道它是如何响应的,这也是在使用它之前仔细查看其输出的另一个原因。

常见 GPT 用例

GPT 模型可以执行各种任务,组织将继续查找在其组织中使用它们的新方法。以下是一些可尝试的事项:

内容创建。使用 GPT 帮助你编写副本、生成模因和生成图像。

聊天机器人和对话代理。由于 GPT 可以理解和响应自然语言,因此它是一个适合聊天机器人的绝佳工具。 

语言翻译。GPT 可以很好地翻译语言,但在将语言发布到网站或其他公共空间之前,最好先与母语者确认准确性。

情绪分析。GPT 可帮助分析客户评论、社交媒体帖子或其他文本,以了解用户对你的品牌、产品和服务的感受。

建议。在开始长途旅行之前,请考虑让 GPT 推荐餐厅、酒店和旅游景点。借助正确的参数,它可以帮助你开发一系列不错的选项。

研究。由于 GPT 非常适合汇总信息,因此它也是一个很好的研究工具。它可以帮助减少需要查看的网站、报表和其他文档的数量,以查找要查找的内容。只需确保提供源,便可验证获取的信息。

会议和文档摘要。GPT 可以通过提供会议或长文档的摘要来节省大量时间。

代码创建。GPT 知道许多计算机语言,并且可以生成相关代码片段,或使用对话语言解释代码的行为。

数据分析。借助 GPT,发现大型数据集中的趋势和关键见解。

GPT 的未来

OpenAI 继续对 GPT 进行大量投资。GPT-4o 于 2024 年发布。名称中的“o”代表 omni,因为模型可以处理和生成音频、文本和视觉对象。GPT-4o mini 是支持文本和音频的较小模型。它比以前的 GPT 模型(如 GPT-3.5)性能更好,更具成本效益。

并且可以继续预期模型效率和功能的改进,例如:
 
  • 性能更好的更大模型。将来的 GPT 迭代可能会更大,并针对更多参数进行训练,从而能够理解和生成更细微且更复杂的上下文。

  • 更精细的优化和自定义。可以使用更高级的技术将模型微调到特定领域或行业,从而提高其生成针对特定字段定制的相关准确内容的能力。个人还可以根据自己的需求自定义模型。

  • 更好的上下文理解。理解和管理长期依赖关系方面取得了进步,这将有助于模型提供更精确且上下文更适用的响应。

  • 更高级的多模式功能。模型将基于各种输入(如文本、图像和音频)更好地理解和生成内容。

  • 增强的可解释性。将努力使 GPT 模型的决策过程更加透明,从而深入了解它们如何生成响应及其输出背后的理由。

  • 道德和负责任 AI 开发。正在进行的研究和开发将侧重于减少 GPT 模型中的偏差,以确保获得更多公平合理的输出。用于检测和缓解有害内容、错误信息和不当输出的增强方法,将成为确保负责任地使用该技术的工作中的优先事项。

常见问题解答

  • GPT 是一种生成式 AI 模型,它使用深度学习来解释和生成类似于人类的文本、图像和声音。
  • 转换器体系结构是一种深度学习神经网络,它允许 GPT 等 AI 模型解释自然语言并生成原始文本、图像和声音。它通过分析输入的不同组件及其彼此之间的关系来对上下文和含义进行编码来实现此操作。这允许它预测文本块、图像或声音中接下来要出现的内容。
  • GPT 是一种 AI 模型,它使用深度学习来解释类似于人类的文本、图像和声音,以便生成新内容、提供数据分析或汇总信息。它有效地执行这些任务和其他任务,因为它借助数千亿个参数使用大量数据集进行训练。预训练意味着在向公众发布之前已对此数据进行训练。