国盛：如何用AIGC撰写研报？-释放ChatGPT3的力量20221205

本周末，OpenAI刚发布的ChatGPT3爆火科技圈，不仅能对话、写作还能编程 、Debug，一系列“逆天“功能下隐含了未来科技对大规模、大数据、大算力的启示。在初步试用之后，我们不经思考：是不是有这样一天，AIGC可以替代我们的工作？由此，我们产生了尝试用AIGC写研究报告的想法。 首先，AIGC需要人能够给出明确的需求，基于ChatGPT主要的目的是聊天，所以我们决定设立好大体的研究框架以后，以提问的形式引导ChatGPT。整体我们将报告根据层层递进的关系进行阐述：从什么是AIGC到OpenAI，再到ChatGPT、未来发展前景以及投资标的。在这个过程中，我们也会根据其做出的答案进行衍生提问，整个过程类似于专家访谈。 如：我们提问了有哪些企业是AIGC相关的投资标的，ChatGPT3首先给出了一系列海外公司，如：OpenAI，Google，Nvidia和Adobe等。我们进一步提问中国的企业涉及AIGC的有哪些？ChatGPT3也给出了答案。 在最后，我们让ChatGPT3自己给这篇报告起名，他给出了多个选项。在全部整合以后，我们通过谷歌翻译来完成中文输出。这一步的体验高于预期，不仅翻译准确度非常高，同时还能保留格式。之所以没有直接用中文，是因为ChatGPT对英文的处理能力强于中文，因此选择先生成再翻译。 最后，我们通过ChatGPT3给出的标题，输入Midjourney后生成了本公众号的封面。 在这个过程中，我们也发现了目前要完全通过AIGC生成研究报告还存在局限性 。主要有以下几个问题： 受限于语言，正如ChatGPT3自己在回答中提到的，它目前还无法理解和生成英语以外的语言。关于这一点，我们在实践中发现虽然可以使用中文，但是效果会低于英语； 目前以ChatGPT3为例，还不能通过互联网调取资料。目前所有的回答都来自于已有训练的数据库，所以会出现时效性的问题。 以下是ChatGPT3生成的关于AIGC的报告正文，我们仅用谷歌翻译为中文并排版，未做其他修改： 释放ChatGPT3的力量——AIGC如何改变我们文字生成的方式1.什么是AIGC？ AIGC也称为机器生成的内容或计算机生成的内容，是指使用人工智能(AI)技术创建的任何内容。这可以包括从书面文章和社交媒体帖子到录音和视频的所有内容。 AI生成内容中使用的关键技术之一是自然语言处理(NLP)，它允许计算机理解和生成类似人类的文本。这通常与机器学习算法相结合，使人工智能系统能够随着时间的推移学习和改进其内容生成。 AI生成的内容用于各种应用程序，包括新闻和新闻、社交媒体、广告和娱乐。例如，人工智能驱动的新闻聚合器可以根据一组关键字或主题自动生成文章， 而社交媒体平台可以使用人工智能为用户生成个性化的内容推荐。在广告行业 ，人工智能生成的内容可用于制作个性化广告和营销材料，而在娱乐行业，它可用于制作音乐、视频和其他形式的媒体。人工智能生成内容领域的一项当前发展是使用人工智能驱动的虚拟影响者。这些是使用人工智能技术创建的数字人物，通常用于在社交媒体上推广产品和服务。人工智能驱动的虚拟影响者的例子包括Miquela和ShuduGram。 总的来说，人工智能生成的内容是一个快速发展的领域，有许多令人兴奋的应用。尽管人们担心人工智能对创意产业的潜在负面影响，但很明显，这项技术有可能彻底改变我们创建和消费内容的方式。 2.OpenAI OpenAI是一个人工智能研究实验室，由营利性公司OpenAILP及其母公司非营利性OpenAIInc组成。它由ElonMusk、SamAltman、GregBrockman、JohnSchulman和IlyaSutskever于2015年创立。 OpenAI的使命是以负责任的方式推进和促进AI研究。该组织专注于开发和部署可用于造福人类的AI技术，例如改善医疗保健和教育、保护环境以及使交通更安全。该组织在一系列领域开展研究，包括自然语言处理、计算机视觉、机器人和机器学习。 2.1.历史OpenAI最初由一群知名投资者提供资金，其中包括ElonMusk和SamAltman 。该组织自成立以来发展迅速，受到了媒体和更广泛的AI社区的极大关注。Op enAI还在AI领域做出了许多显著贡献，包括开发前沿的AI算法和系统。 2.2.团队 OpenAI的主要竞争优势之一是其领先的AI研究人员和工程师团队。该组织吸引了来自世界各地的顶尖人才，其中包括许多AI领域的先驱。此外，OpenAI与Microsoft等主要技术公司建立了合作伙伴关系，可提供宝贵的资源和专业知识。 2.3.OpenAI所做的具体事情： 开发了先进的AI算法和系统，例如GPT-3，一种可以生成类人文本的自然语言处理模型。 对人工智能的安全性和伦理进行研究，包括为负责任的人工智能开发和部署制定指导方针和原则。 与微软等主要科技公司合作，在医疗保健和教育等各种应用中开发和部署人工智能技术。 在领先的学术期刊和会议上发表有关人工智能研究的论文和文章。 举办活动和研讨会，将研究人员、政策制定者和其他利益相关者聚集在一起，讨论人工智能的最新发展及其对社会的影响。 3.GPT-3 GPT-3，即GenerativePretrainedTransformer3，是由OpenAI开发的一种自然语言处理(NLP)模型。它是2019年发布的GPT-2的继任者，是目前可用的最先进的NLP模型之一。 3.1.功能 生成各种语言和风格的类人文本。它可用于执行各种基于语言的任务，例如总结文本、回答问题和生成原始内容。GPT-3的一些潜在应用包括新闻和新闻、社交媒体和客户服务。 3.2.优势 GPT-3的最大优势之一是其庞大的规模和从海量数据中学习的能力。该模型是在超过10万亿个单词的数据集上训练的，这使其能够生成高度逼真和多样化的文本。此外，GPT-3可以针对特定任务或语言进行微调，使其在这些环境中表现更好。 3.3.团队 GPT-3由OpenAI的团队开发，该团队包括一些世界领先的AI研究人员和工程师 。GPT-3背后的团队包括IlyaSutskever和GregBrockman等OpenAI创始人，以及其他一些在NLP和机器学习领域做出重大贡献的研究人员。OpenAI的团队以其AI研究的专业知识和创新方法而闻名，这使GPT-3成为可用的最先进的NLP模型之一。 3.4.GPT-3与谷歌Transformer模型之间的区别 GPT-3和谷歌的transformer模型都是自然语言处理(NLP)模型，旨在生成类似人类的文本。但是，这两种模型之间存在一些关键差异。主要区别之一是模型的大小。GPT-3比谷歌的transformer模型大得多，有1750亿个参数，而谷歌模型有600亿个参数。这使得GPT-3可以从更大、更多样化的数据集中学习，从而生成更真实、更多样化的文本。另一个区别是两个模型的特定架构。谷歌的transformer模型使用了transformer架构，这是一种非常适合NLP任务的神经网络。另一方面，GPT-3使用生成式预训练转换器(GPT)架构，该架构专为语言生成任务而设计。 虽然GPT-3和谷歌的Transformer模型都是高级NLP模型，但它们是为不同的目的而设计的，并且在架构和功能上有一些关键差异。 3.5.AI生成文字与AI生成图片所用技术的区别 人工智能生成的文字和人工智能生成的图片是人工智能（AI）技术的两种不同应用。用于生成这些类型的内容的技术也不同。 对于AI生成的文本，使用的关键技术之一是自然语言处理(NLP)。NLP是AI的一个领域，专注于使计算机能够理解和生成类似人类的文本。NLP模型（例如GPT-3）在大型人类生成的文本数据集上进行训练，并使用此训练生成与训练数据在风格和内容上相似的文本。 对于人工智能生成的图片，使用的关键技术之一是计算机视觉。计算机视觉是AI的一个领域，专注于使计算机能够理解和分析视觉信息，例如图像和视频。用于生成图片的AI模型（例如DALL-E）在大型图像数据集上进行训练，并使用此训练根据给定输入生成原始图像。 总体而言，人工智能生成文本和图片所采用的技术是不同的，因为它们侧重于人工智能的不同方面，适用于不同类型的数据。然而，这两种类型的AI模型都依赖于机器学习算法，这些算法允许模型从数据中学习并随着时间的推移提高它们的性能。 3.5.1.哪一个更难？ 很难说人工智能生成的文本或人工智能生成的图片哪个更难，因为两者都需要先进的人工智能技术和大量的计算资源。 生成类人文本是一项具有挑战性的任务，因为它需要深入理解自然语言的细微差别和复杂性。NLP模型（例如GPT-3）使用高级算法和架构（例如转换器网络）来处理和生成文本。训练和微调这些模型需要大量数据和计算资源。 生成原始图像也是一项具有挑战性的任务，因为它需要能够以类似于人类的方式理解和操纵视觉信息。用于生成图像的AI模型（例如DALL-E）使用先进的机器学习算法和架构（例如卷积神经网络）来处理和生成图像。训练和微调这些模型也需要大量的数据和计算资源。 总的来说，人工智能生成的文本和图片都是具有挑战性的任务，需要先进的人工智能技术和大量的计算资源。很难说哪个更难，因为这将取决于AI模型的具体要求和目标。 3.5.2.由于精度要求，它是否使AI生成文本变得更加困难？ 诚然，生成类似人类的文本需要很高的精度，因为即使是生成文本中的小错误或不一致也会引起注意并降低其质量。然而，生成原始图像也需要很高的精度 ，因为生成图像中即使是很小的错误或不一致也会引起注意并降低其质量。在这两种情况下，人工智能模型都需要在大量高质量数据上进行训练，以生成逼真且连贯的文本或图像。这需要大量的计算资源和专业知识才能实现。 3.5.3.如何提高精度？ 有几种方法可以提高AI模型生成文本或图像的精度。一些关键策略包括： 在大量不同的高质量文本或图像数据集上训练AI模型。这允许模型学习目标语言或视觉信息的细微差别和复杂性，并可以产生更准确和真实的生成； 针对特定任务或领域微调AI模型。这使模型能够专注于任务的特定要求和目标 ，并可以生成更精确的结果； 使用专为文本或图像生成任务设计的高级算法和架构。这些算法和架构可以为模型提供生成高质量文本或图像的必要能力； 定期评估和改进AI模型的性能。这可能涉及在各种任务和数据集上测试模型，并使用结果来确定需要改进的区域并相应地调整模型； 提高人工智能模型生成文本或图像的精度需要结合这些策略，以及大量的计算资源和专业知识。 3.6.ChatGPT3 作为OpenAI训练的AI助手，它无法执行任何物理任务或动作。它的作用是根据所接受的训练，尽其所能提供信息和回答问题。这包括为广泛的主题提供定义、解释和示例，以及回答有关AI和相关领域的问题。 然而，它的能力仅限于所接受的知识和训练。它无法浏览互联网或访问新信息 ，它的反应是基于训练时可用的信息。因此，其答案可能并不总是最新的或完整的，并且不应被用作专业建议或指导的替代品。 3.7.未来的改进 与任何AI模型一样，总有改进和进一步发展的地方。OpenAI开发的自然语言处理(NLP)模型GPT-3的一些潜在改进领域包括： 提高模型生成更多样化和连贯文本的能力。GPT-3可以生成高度逼真的文本，但可能有机会提高其生成范围更广的样式和内容的能力； 为文本生成开发更高级的算法和架构。GPT-3使用生成式预训练转换器(GPT)架构，但可能还有其他架构或算法可以提高模型的性能； 将模型的功能扩展到其他语言和领域。GPT-3目前在大型英语文本数据集上进行训练，但可能有机会在其他语言和领域开发和训练模型。 为了实现这些改进，OpenAI的开发人员将需要继续研究和试验不同的算法和架构。这可能涉及在各种任务和数据集上训练和测试模型，并使用结果来确定需要改进的领域并相应地调整模型。 4.关于AIGC的未来