(资料图片)

大模型，注重的便是大这个字，之前一直说过人脑从算力方面可以碾压现在的计算机，但这点正在打破，并不需要通过算力也能获得强大的智慧，也就是说并不是越快越聪明，而是知识越多越聪明，GPT从1-3，参数量由1.17亿 到 1750 亿，更别提3.5和4了；

和GPT沟通过变可以发现，无论出什么问题，即使是错的，它也能说得头头是道，这正是因为它的训练方式而成，GPT的训练方式非常粗暴，但在达到一定数量级后却非常有效；总结来说GPT读文本的方式和写文本的方式完全运用的就是推算，根据所有学过的内容不停的根据提问和上下文推算下一个字词，在具体训练中会有更加复杂的方式和纠正工作（标注）等，还有微调，这里就不做过于深入的分析了。

其中对于特定任务，还可以通过微调模型来适应特定的任务需求，进一步提高生成质量和准确性。

总的来说问GPT问题和问搜索引擎无疑，但GPT是学过大量数据的，它可以帮助我们不用从搜索结果中挨个排除无意义数据，找到我们真正需要的，但为了结果的准确性，问问题的时候也要适量的添加修饰词。GPT就像一个读过所有图书的学过所有知识的图书管理员，他可以找到这些知识并根据你的问题讲解出来，而且像对话一样，即使你要求它扮演角色，它也可以根据上下文以及所学过的"角色扮演《演员的自我修养》。。。"与你对话。

它的智能主要体现在文本的处理上，接入语音系统后它真的可以变成我们想象中的全知全能的机器人，它可以生成具体的操作步骤或指令，然后下达给具体的硬件再由硬件去实施即可。

但目前的缺点却是数据不够用了，GPT训练的数据当然是越优越好，提问的问题越是详细越好，最近谷歌的PaLM2也有了消息，训练的数据量也是同样惊人，达到3.6万亿，接近gpt3的20倍！而且大部分数据都是优质数据，可以期待一波了。

目前大模型AI主要受限还是成本和舆论，之前AI绘画从小有成就出现到爆发式增长也不到半年时间，其中主要时间还是在迭代直到突破出现的novelai，目前主要也就是nv、sd、mj还有一些其他的。

目前国内的GPT效果主要还是在中文训练数据较多，在中文上略有优势，但速度肯定是比不上GPT和PaLM的啦，所以目前来看在下一波技术突破到来前，大模型AI的运用还有一些时间，但技术就是这样，随时都有可能突破，从量的堆积到质的提升总要经过一个临界点。

关键词：