發生什麼事？
ChatGPT 為美國公司 OpenAI 於 2022 年 11 月推出的聊天機器人，推出五天內即累積一百萬用戶，以真人的口吻與使用者對話、完成各種任務，如寫程式碼、節目腳本、文章、歌詞、廣告文案等。（Insider）
- OpenAI 於 2015 年成立，致力於研究通用人工智慧（Artificial General Intelligence，AGI），希望建立出高度自治、比人類優化的系統，旗下有文字生成圖像的 DALL·E 2、將語音轉譯為文本的 Whisper 等系統。（OpenAI）
- 2018 年 OpenAI 釋出 Generative Pre-trained Transformer（GPT，生成式預先訓練變換器）的概念，受到人腦結構與功能所啟發，此機器學習模型用大量的人類生成文本訓練而成。（Taskade）
- OpenAI 團隊使用 1.17 億個參數，訓練出第一個模型 GPT-1，而後用八百萬個網頁、15 億個參數訓練，演變成 GPT-2，可聊天、閱讀摘要等。（數位時代）
- 因訓練規模、數據運力增加，微軟在 2019 年投入 10 億美金並提供運算資源。GPT-3 於 2020 年推出，使用 1,750 億個參數，可理解上下文並依照對話內容調整答案。GPT-4 正在研發中，外界推測將用 100 萬億個參數訓練，能力將更上一階。
GPT-4 將會使用比 GPT-3 大上好幾倍的參數資料。（圖片來源：OpenAI）
GPT 是如何被訓練的？
- 台大電機工程學系副教授李宏毅分析，其訓練模組可分為四個階段。（INSIDE）
- 學習文字接龍：在大量文本的學習下，GPT 知道特定字詞後該如何接龍，以生成完整句子，例如「你好」後面，GPT 會接上「美」，生成「你好美」的句子，但因可能性多樣，每次輸出結果都會不同。
- 人類引導文字接龍方向：藉由人工給出答案、人力標注出「好的對話內容」，讓 GPT 學習何謂「有用的答案」。
- 模仿人類喜好：訓練出另一組 AI「老師模型」，此模型以人類的評分標準，對 GPT 的答案評分，用分數高低讓其了解人類偏好的回覆。
- 用增強式學習向模擬老師學習：GPT 不斷生成答案並丟給「老師模型」得到分數，若較為低分會調整參數，試圖達到高分。
- 網友利用回饋強化學習的功能，要求 ChatGPT 叫自己「寶寶」，並在收到回應後要説「寶寶在這裡」，成功將其「訓練」為虛擬男友。
ChatGPT 的應用？
雖 ChatGPT 能力佳、應用廣，但若未給予精確的指令，仍無法生成最佳答案，因此坊間出現各種「ChatGPT 咒語大全、指令大全」，幫助使用者準確與之溝通。
- 軟體工程師開發出「ChatGPT 指令大全」，分成寫報告、準備面試、程式開發、履歷與自傳等使用情境，使用者只要複製文字並稍作修改，就能引導系統給出精準結果。（ExplainThis）
- 舉例來說，若要「撰寫標題」，可複製此指令並加以修改：「寫出（數字）個有關（主題）的（社群平台）風格標題，要遵守以下規則：（規則 1、規則 2、...）」。
- 參考範例為「寫出 5 個有關日本迪士尼旅遊心得的 Instagram 風格標題，要遵守以下規則：標題不超過 20 字、標題要加上適當表情符號」。
人工智慧發展下，有人拭目以待、有人恐懼自己的工作被取代，我們該如何看待 ChatGPT 的出現？透過台大資工系副教授陳縕儂的訪談，來了解 ChatGPT 的開發歷程、特殊性，並學習如何更有效、更精準的使用此工具。
