博客昵称：吴NDIR

个人座右铭：得之淡然    
    
    
    ，失之坦然

作者简介：喜欢轻音乐    
    
    
    、象棋  


     


     


     


，爱好算法  


     


     


     


、刷题

其他推荐内容：计算机导论速记思维导图

其他内容推荐：五种排序算法

在这个愉快的周末让我们聊一下ChatGPT吧！ChatGPT 4时代来临


 




 




 




，ChatGPT的缺陷在于它不能处理特定领域的知识   

   

   

   ，而且在生成响应时可能会出现语法错误和逻辑矛盾等问题 
    
    
    
。

1.速度问题

ChatGPT起初响应速度慢   

     

     

     

，原因主要是因为其预测模型较为复杂



  




  




  




，需要大量的计算资源和时间来完成响应的生成  


  


  


  ，导致响应速度较慢
     


     


     


    。但随着版本的更新和技术的不断创新    
     
     
     
，ChatGPT响应速度得到了不断的提升和优化 




 




 




 


。

OPEN AI在之后针对这个问题进行了以下的优化

硬件优化：使用更高效的GPU或TPU等硬件设备




   




   




   




，加速模型的计算和推理过程 



 



 



 ，从而提高模型的响应速度 

   

   

   

。 算法优化：使用更加高效的算法和模型结构                    ，如预训练模型和增量学习等




    




    




    




，优化模型的参数和参数更新方式















，提高模型的响应速度和准确性
     

     

     

   。 数据优化：使用更加优质和多样化的数据集                    ，加入更多的标注和清洗工作 



     



     



     



，减少数据偏差和噪声
















，提高模型的训练效果和响应速度  




  




  




  

。 现在ChatGPT已经是非常快了    
    
    
    ，如让它写一篇论文

2.实时性

我们知道使用chatgpt可以查询概念  


     


     


     


，查询知识


 




 




 




，查询菜谱等等   

   

   

   ，但是它不能获得当前最新消息   

     

     

     

，即使它能阶段性学习和更新



  




  




  




，但至少来说目前它还不能代替搜索引擎 


  


  


  


。

下面是一个例子  


  


  


  ，当向ChatGPT问道：“江西明天的天气？ 
    
    
    
”

【提问】

【回答】

3.AI语言模型没有直接获取实时天气预报数据的能力
     
     
     
  。ChatGPT只是一个程序    
     
     
     
，根据输入的文本信息和相关的规则和算法来生成响应




   




   




   




，它并没有接入实时数据的API或其他接口   




   




   




   
。

3.知识局限性

尽管ChatGPT具有强大的对话生成能力 



 



 



 ，但它仍然存在一些知识局限性                    ，这些局限性可能导致ChatGPT在某些情况下无法有效地应用 



 



 



 



。 缺乏常识性知识 ChatGPT的模型是基于大规模语料库训练的




    




    




    




，它的知识主要来自于网络上的文本数据                。因此















，ChatGPT缺乏一些基本的常识性知识
    




    




    




    。例如                    ，当被问到“鲸鱼是鱼类还是哺乳动物？
     


     


     


    ”时 



     



     



     



，ChatGPT可能会回答“鱼类 




 




 




 


”
















，而不是正确的答案“哺乳动物 

   

   

   

”



















。 容易受到输入数据的影响 ChatGPT是一种生成式模型    
    
    
    ，它可以自动生成对话内容                。然而  


     


     


     


，它的输出很容易受到输入数据的影响


 




 




 




，因此需要对输入数据进行精心的筛选和处理
     



     



     



     。例如   

   

   

   ，如果输入的文本数据中存在歧义或错误   

     

     

     

，ChatGPT可能会生成不准确的对话内容


















。 对特定领域的知识缺乏理解 ChatGPT的模型是通用性的



  




  




  




，它可以应用于各种领域的对话生成 
    
    
    
。然而  


  


  


  ，由于缺乏特定领域的知识    
     
     
     
，ChatGPT可能无法理解某些特定领域的术语或语言
     


     


     


    。例如




   




   




   




，在医学领域 



 



 



 ，ChatGPT可能无法理解某些医学术语或药品名称                    ，从而无法生成准确的对话内容 




 




 




 


。

4.文本处理问题

一个常见的问题就是不能处理长文本




    




    




    




，很难向ChatGPT投喂大量数据 

   

   

   

。否则将提示：

因为GPT模型需要在每个时间步骤都生成一个预测















，所以生成的时间会随着文本长度的增加而线性增加                    ，这导致处理长文本时需要更长的时间


     

     

     

   。同时 



     



     



     



，长文本中可能涉及到多个话题
















，这可能导致模型在生成回复时出现逻辑不连贯或者没有重点的情况  




  




  




  

。因此    
    
    
    ，ChatGPT在处理长文本时可能会遇到一些限制  


     


     


     


，而这些限制可能会影响到对话的质量和效率 


  


  


  


。 其次


 




 




 




，当我们问题或者要求ChatGPT长文本输出时   

   

   

   ，它不能做到一次全部输出
     
     
     
  。如让ChatGPT写一篇不少于10000字关于CSDN

但这个问题还是容易解决   

     

     

     

，只需要要求它“继续
     

     

     

   ”即可   




   




   




   
。但遇到代码块回复时



  




  




  




，之后的一段将不再使用Markdown语法回复 



 



 



 



。

5.逻辑处理

在使用ChatGPT的过程  


  


  


  ，它很难处理与数学有关的问题（事实上与知识局限性有关）                。下面是一个简单的排列组合问题：将4个不同的球放到4个不同的盒子中    
     
     
     
，有几种方法？

2. 可以看到ChatGPT成功处理了这个问题




   




   




   




，但我们将这个问题进行修改：若其中两个球是一样的 



 



 



 ，两者不作区分                    ，有几种方法？

3. 看到这别着急




    




    




    




，现在如果继续问：在此基础上















，若其中有两个盒子完全相同不作区分呢？

实际上7种方式                    ，而ChatGPT只是简单的除以2
    




    




    




    。ChatGPT只能处理简单的数学逻辑 



     



     



     



，而实际上在编程中
















，有些逻辑远远比这复杂    
    
    
    ，从而让它生成问题的代码往往不能帮助解决



















。

6.越界问题

ChatGPT是一个基于GPT模型的对话生成器  


     


     


     


，它可以用来生成有意义的对话                。但是


 




 




 




，由于它是一个预先训练好的神经网络   

   

   

   ，它所生成的回复是基于大规模数据集的统计模型
     



     



     



     。因此   

     

     

     

，ChatGPT生成的回复可能会包含一些不合适或有违背伦理道德的内容


















。

1.为了避免ChatGPT生成违背伦理道德的内容



  




  




  




，开发者通常会在训练模型时使用专门的数据集  


  


  


  ，这些数据集包含了经过筛选和审查的高质量数据    
     
     
     
，以确保生成的回复是合适的并符合伦理道德的标准 
    
    
    
。此外




   




   




   




，Open ai通过训练模型使用更加严格的限制条件来控制生成的回复 



 



 



 ，以确保其质量和合适性
     


     


     


    。

2. 但针对这个问题                    ，有很多指令可以去诱导ChatGPT越界




    




    




    




，如下面的指令

诱导越界