GPT - 3是由著名的技术天才Elon Musk共同创立的创新公司OpenAI推出的GPT系列的第三代，它使用深度学习来生成文本。从2020年7月开始， OpenAI开始提供选择性的技术访问，以刺激使用GPT - 3构建基于语言的解决方案。

人工智能中的这种语言理解是在一个急需的时候到来的，我们中的许多人现在在一个完全不同的数字环境中运行。到2021年底， 80%的企业预计会有某种聊天机器人自动化，但迄今为止，用户对聊天机器人的体验一直很不稳定。

GPT - 3提供的对话上下文使机器人能够更好地理解用户意图，以更人性化的方式响应，并参与品牌个性。为了理解GPT - 3将如何通过聊天机器人重新想象客户体验，让我们分解GPT - 3是什么（没有炒作），以及它如何应用于聊天机器人。

GPT - 3的ABC

(g)生成模型：生成模型采用统计方法来理解培训数据集的真实数据分布，其目的是简单地估计、预测或生成给定某种输入的产出。生成模型近年来在无监督深度学习方面取得了显着进展。 GPT - 3将这种生成方法应用于它处理的1 750亿个开源内容语言内容的参数。

(p)预培训：有了这么多的知识，就不需要太多的投入，使GPT - 3 "预培训"并准备好使用。在最小的提示下，它可以从对话中分辨出联系和上下文。如果你愿意， GPT - 3听起来可能像莎士比亚或理查德·费曼-但问题是，它并不真正理解情感或内容。它只是理解单词如何在某个预定义的上下文中串在一起的细微细节。然而，它比任何其他人工智能都要好，导致我们不得不以最小的提示持续生成类似人类的散文。

(t)Transformer ： Transformer可以从句子中提取单词，然后根据特定单词在一起发生的频率计算单词的距离。它们通过将单词投影到多维空间或数学表示来实现这一点，这反过来又帮助它们预测哪些单词可以作为基于特定提示的相关响应串在一起。 GPT - 3进一步提升了这一能力，因为它不需要大量的培训数据来执行多种语言任务，从而使它可以立即操作。

为什么GPT - 3对聊天机器人或一般基于文本的人机交互很重要？

不久前，聊天机器人曾在与人类的对话中挣扎着保持自己的地位。例如，当一个人打电话到唿叫中心或求助热线时，他们通常得不到所需的帮助，因为他们被扔进了机器人说话的循环中。这是因为聊天机器人经常被严格地编写脚本。到目前为止，大多数聊天机器人在理解的单词和短语时，都有硬编码脚本，几乎没有回旋的空间。随着时间的推移，这种情况显着改善，由于机器学习（ML）和自然语言处理（NLP），聊天机器人越来越有能力处理边缘案件，但GPT - 3更进一步。

聊天机器人需要两个关键功能才能有用并提供更好的体验。首先，他们需要更好地理解用户的意图。这就是GPT - 3和自然语言理解（NLU）的结合，以帮助更好地理解会话交互中的意图。其次，聊天机器人需要能够以更有意义的方式进行响应。到目前为止，聊天机器人只限于脚本和模板，使它们不真实、机器人，最重要的是-往往没有帮助。 GPT - 3可以在人格、礼貌甚至领域的范围内提供更多的自由来做出响应- Heck ，如果你愿意，它甚至可以在交谈中进行实时数学!

还可以利用GPT - 3无限的容量来定制生成的响应，来微调聊天机器人的结构、风格和风格。向聊天机器人注入GPT - 3可以给它提供语言上下文超级大国。它可以感觉到上下文中何时有切换，信息可以帮助机器人加载与上下文相关的脚本，并像人一样管理会话。它可以使用基于用户配置文件的类比和相关示例，甚至可以镜像或模仿他们的风格或声音。超级语言模型可以使用您的输入作为提示，并在仍然遵循脚本的情况下生成适当的响应。即使聊天机器人是由脚本驱动的，也可以使用它来获得更好的自助体验，因为它可以与GPT - 3发现的知识和上下文进行叠加。

GPT - 3可以从结构化和非结构化对话中以意图、实体、相关性等形式收集上下文和知识-帮助创建丰富的知识图。更丰富的知识图可以帮助创建嵌入上下文的更好的模型，反过来又有助于进一步丰富知识图。这是一个良性循环，将使组织内知识的收集、组织和重用成倍地更好。 GPT - 3与其他模型和企业知识图一起工作，将为下一代认知代理提供动力。

GPT - 3聊天机器人功能

在聊天机器人中使用GPT - 3可以实现的"啊哈"时刻是，与交互式伪人类人格（BOT）进行公民和有意义的聊天变得容易多了。因此，聊天机器人渴望恢复社交和创建用户参与。

GPT - 3通过三个主要特性来实现这一点：参与闲逛、自定义操作和机器阅读理解。

参与Hangout使机器人能够在用户预定数量的消息后消失，以避免尴尬的"死空气" 。 GPT - 3有一个机器学习模型，以衡量避免"死空气"情况的最佳时间。

自定义操作允许与聊天机器人进行更动态的接触。聊天机器人可以存储您的响应，并在未来的对话中使用它们。

机器阅读理解是GPT - 3预测用户下一步键入内容的能力。例如，如果用户说"第六街"有交通，聊天机器人可以为避免交通提出短期或长期的解决方案。

聊天机器人越来越受欢迎。虽然大多数聊天机器人使用的会话上下文并不非常人性化，但GPT - 3可以帮助增加用户参与、自定义操作和机器阅读理解的可能性。

更大并不一定意味着更好

然而，对于人类所取得的任何进步，都会有可衡量的成本。

GPT - 3的关键是，它并不真正知道和理解它说了什么-它只是从它通过算法构建的信息和上下文中重新生成。这意味着它可以反映固有的偏见，而不理解它是这样做的。它只能以特定的风格将单词串在一起，并不真正欣赏诗歌可以激发的情感。归根结底，它只是一个语言模型，它管理着它在多维向量空间中看到的一切-更不用说了。

GPT - 3是关于1750亿可用内容参数的预培训-给它提供了上下文的世界观，但除非它最近得到更新，否则它的观点仅限于上次更新之前发生的一切。例如，如果它的上一次更新是在2019年10月之前的世界，它可能仍然认为唐纳德-特朗普是美国总统。根据它所看到的信息进行推断， GPT - 3是在其编程方式的方向中规定的。然而，规则需要上下文，因为有一件事可以有多种含义。

许多人类的偏见和观点，不管是最左边还是最右边，都可能已经出现在GPT - 3中，因为它在创建时几乎已经看到并处理了所有可用的内容。这不一定是算法的错，它是关于它所吃的东西。 GPT - 3也看到了一些可鄙的内容，如果你不限制它的礼貌，它可以很容易地用攻击性的内容来回应。这就像一个婴儿使用咒骂的话-婴儿会捡起周围发生的事情，母亲和父亲在说什么，周围的人在做什么-并模仿它。

DeepMind的首席科学家和联合创始人肖恩·莱格(Shane Legg)解释说，人工智能致力于"一个算法" ，而不是人类的"一个大脑"通用性。一个算法通用性非常有用，但并不像一个大脑那样有趣。他说： "当我们改变任务时，你和我不需要交换大脑；我们不会让我们的国际象棋大脑参与象棋游戏。 "

即使是随着它的发展，人工智能所使用的这种"一种算法"也意味着它隔离了信息，限制了它连接不一致数据点的能力。换句话说，它不能批判性地思考-当一个问题出现时，通常是人类解决问题的最强能力。这很可能在聊天机器人中看到，因为就像我们在和另一个人在线聊天一样，实际上我们不是"来自堪萨斯州的朱迪· B "(Judy B .)-这个事实可能会以多种方式出现。

GPT - 3的未来

机器可以有无限的内存和闪电般的快速回忆。想象一下，将其与派生意图和上下文的通用语言模型结合起来。我们有下一代聊天机器人，由GPT - 3和知识图驱动，可以复制类似人类的响应，并产生新的用户体验水平。

这使得智能的强大组合将破坏客户和员工聊天体验的构建。了解机器背后的齿轮，可能卡住的潜在齿轮，以及如何将机器应用于日常业务中的语言，是将人工智能的这一新进化融入我们现在生活的智能世界的第一步。