5 分鐘掃盲 ChatGPT 與 OpenAI 編程

一、chatGPT 與 OpenAI

ChatGPT 是 OpenAI 公司的一個技術產品，chatGPT 使用了 GPT（Generative Pre-trained Transformer）技術，是一個用於對話生成的預訓練語言模型，OpenAI 還有很多其他模型。

(來自：chatGPT 的解釋)

OpenAI 是一家人工智能研究公司，它開發並提供了一系列人工智能技術和產品，包括 SDK 開發包。

(來自：chatGPT 的解釋)

可以理解爲：

OpenAI 提供的 SDK 能力更加豐富，而 chatGPT 是使用 OpenAI 的 GPT 技術實現的一款自然語言處理模型產品。

所以要接入 chatGPT 的能力，還是要看 OpenAI 所能提供的開放接口能力如何。

二、OpenAI 目前公開的幾款產品

2.1 chatGPT

我們可以通過 chat.openai.com/chat 來打開 chatGPT 的在線聊天界面 (需要先註冊，目前不支持國內註冊)。

具體的 chatGPT 聊天的情況，這裏不贅述了，chatGPT 的實力目前在網絡上已經被證實。

就目前個人使用的情況來看。目前在搜索知識相關的內容，用 chatGPT 之後，很少會再打開 Baidu 和 Google。除非一些系統性的知識，或者極個別業務類知識搜索。但是對於科普類、以及常見類知識，chatGPT 的答覆明顯要比搜索引擎更精準，且十分清楚你意圖搜索的內容是什麼。

2.2 DALL·E

DALL·E 是 OpenAI 研發的一種新型的生成式預訓練語言模型，它能夠從文字描述中生成全新的圖片。它可以生成各種各樣的圖片，從卡通形象到複雜的科技圖像，它是一種非常先進且有趣的人工智能技術。

(來自：chatGPT 的解釋)

我們打開網址：labs.openai.com 可以更直觀看見這款產品。

2.3 GPT-3

GPT-3(Generative Pretrained Transformer 3)：這是 OpenAI 最強大的 NLP 模型，擁有出色的語言生成能力。

（來自 chatGPT 的解釋）

網上流傳可以寫出論文的就是 GPT-3 這款產品，chatGPT 實際也是應用 GPT-3 的 "text-davinci-003" 模型。

網址爲：https://platform.openai.com/playground 右側 Model 選擇 "text-davinci-003"。

2.4 CLIP

CLIP(Contrastive Language-Image Pretraining)：這是一種跨語言和圖像的模型，可以在圖像和文本間進行對比。

這裏不再介紹。官方網站是 clip.openai.com 但是我沒有打開。

三、基於 OpenAI 的 Demo 開發

OpenAI 接口文檔

platform.openai.com/doc

從目前官方的接口文檔來看：OpenAI 的原生接口支持 Python 和 Node.js 語言，但也同時支持 RESTFul 的 API 接口形式。所以目前其他語言可以通過 Http 的 API 請求形式，來調用 OpenAI 的接口。

這裏先以 Python 爲例，嘗試調通一個接口。

3.1 Model

在開始之前，我們需要理解的最關鍵的一個概念，就是 OpenAI 的訓練模型 Model。

對於我們從來沒有接觸過人工智能技術的人來說，始終認爲人工智能開發一定是要自己訓練的，但是 OpenAI 完全降低了人工智能的業務開發門檻，我們完全不需要神經網絡、NLP、深度學習等人工智能領域工程師及算法工程師，就可以直接使用 OpenAI 訓練好的強大模型爲我們進行業務賦能。

我們可以理解爲 OpenAI 現在已經有很多基礎能力相當成熟的 “AI 大祕書” 爲我們進行服務。

他們的名字分別是：davinci(達芬奇)、curie(居里)、babbage(巴貝奇) 和 ada(艾達) 等。

VvTSkj

注意：任何由更快的模型（如 Ada）執行的任務都可以由更強大的模型（如 Curie 或 Davinci）執行，所以只需要記住 “達芬奇最強” 即可。

綜上，在我們進行使用 OpenAI 進行業務接口開發時，應該嘗試不同的場景，選擇最適合的 Model 爲我們提供分析能力。

當然，OpenAI 不僅僅只有這些模型，在 OpenAI 的官方文檔上有說明可以給開發者提供的開發能力，如下：

這五大能力，各自提供了接口讓開發者進行接入和使用。其中 “Fine-tuning" 將是定製化的 model 訓練接口，當然是你不希望使用 OpenAI 現有的 "大祕書"。

全部 Model 模型 List 可見 OpenAI 官方文檔：platform.openai.com/doc

在 GPT-3 模型中，各個 “AI 大祕書” 的最新版本和情況如下：

3.2 基於 "text-davinci-003" 的 text 文本處理 Demo（Python）

代碼很簡單，如下：

  1. openai 的 sdk

對於 python 來講，安裝 openai 環境十分的簡單，如下指令即可：

pip install openai

如果你用的 Golang 語言或其他語言，不需要安裝環境，直接調用官方的 RESTFul 接口即可。

  1. API_KEY

這裏面需要一個 api_key，api_key 的獲取辦法是，首先要註冊 OpenAI 賬號，如果您之前已經可以使用 OpenAI 產品，說明你已經有了賬號，然後在 platform.openai.com/acc 網頁中，生成 API_KEY 即可。

  1. propmt 提示信息
prompt = "用Golang寫一個API-Server,且有一個路由/tal,給客戶端返回'你好TAL'的能力"

在文本 Model 中，就是我們的輸入問題文本。

接下來，我們來執行上述的 python 代碼，得到如下結果：

這樣就已經基於 "text-davinci-003" 的能力得到了我們想要的答案，也證明我們 Demo 的調度是通過的。

四、OpenAI 的基於 Golang 接口開發及微信 GPT 案例

4.1 基礎結構體定義

const BASEURL = "https://api.openai.com/v1/"

// ChatGPTResponseBody 請求體
type ChatGPTResponseBody struct {
    ID      string                 `json:"id"`
    Object  string                 `json:"object"`
    Created int                    `json:"created"`
    Model   string                 `json:"model"`
    Choices []ChoiceItem           `json:"choices"`
    Usage   map[string]interface{} `json:"usage"`
}

type ChoiceItem struct {
    Text         string `json:"text"`
    Index        int    `json:"index"`
    Logprobs     int    `json:"logprobs"`
    FinishReason string `json:"finish_reason"`
}

// ChatGPTRequestBody 響應體
type ChatGPTRequestBody struct {
    Model            string  `json:"model"`
    Prompt           string  `json:"prompt"`
    MaxTokens        int     `json:"max_tokens"`
    Temperature      float32 `json:"temperature"`
    TopP             int     `json:"top_p"`
    FrequencyPenalty int     `json:"frequency_penalty"`
    PresencePenalty  int     `json:"presence_penalty"`
}

4.2 Golang 的 OpenAI 請求 RESTful 接口封裝

// Completions gtp文本模型回覆
//curl https://api.openai.com/v1/completions
//-H "Content-Type: application/json"
//-H "Authorization: Bearer your chatGPT key"
//-d '{"model": "text-davinci-003", "prompt": "你好，Aceld", "temperature": 0, "max_tokens": 7}'
func Completions(msg string) (string, error) {
    requestBody := ChatGPTRequestBody{
        Model:            "text-davinci-003",
        Prompt:           msg,
        MaxTokens:        1024,
        Temperature:      0.7,
        TopP:             1,
        FrequencyPenalty: 0,
        PresencePenalty:  0,
    }
    requestData, err := json.Marshal(requestBody)

    if err != nil {
        return "", err
    }
    log.Printf("request gtp json string : %v", string(requestData))
    req, err := http.NewRequest("POST", BASEURL+"completions", bytes.NewBuffer(requestData))
    if err != nil {
        return "", err
    }

    apiKey := "XXXXXXXXXX申請的API_KEYXXXXXXXXXX"
    req.Header.Set("Content-Type", "application/json")
    req.Header.Set("Authorization", "Bearer "+apiKey)
    client := &http.Client{}
    response, err := client.Do(req)
    if err != nil {
        return "", err
    }
    defer response.Body.Close()
    if response.StatusCode != 200 {
        return "", errors.New(fmt.Sprintf("status code != 200, code is %d", response.StatusCode))
    }
    body, err := ioutil.ReadAll(response.Body)
    if err != nil {
        return "", err
    }

    gptResponseBody := &ChatGPTResponseBody{}
    log.Println(string(body))
    err = json.Unmarshal(body, gptResponseBody)
    if err != nil {
        return "", err
    }

    var reply string
    if len(gptResponseBody.Choices) > 0 {
        reply = gptResponseBody.Choices[0].Text
    }
    log.Printf("response text: %s \n", reply)
    return reply, nil
}

我們依然可以通過上述封裝的 Golang 接口去請求 OpenAI 的 Model 模型，獲得我們得到的結果。這裏的 Demo 運行就不再展示。

然後，基於 Golang 的 API 能力再加上微信小程序的代理程序模塊_（__由於涉及到微信代理作弊程序，這裏代碼省略）_，可以代理本地微信程序的消息轉發，最終可以實現的效果如下：

目前也有第三方實現的 Golang 的 GPT 接口封裝，項目名稱爲 go-gpt3。

開源代碼在 github.com/sashabaranov ，實現基本代碼如下：

package main

import (
    "context"
    "fmt"
    gogpt "github.com/sashabaranov/go-gpt3"
)

func main() {
    c := gogpt.NewClient("XXXXXXX  your API KEY XXXXXXXX")
    ctx := context.Background()

    req := gogpt.CompletionRequest{
        Model:     gogpt.GPT3Ada,
        MaxTokens: 5,
        Prompt:    "隨便說說",
    }
    resp, err := c.CreateCompletion(ctx, req)
    if err != nil {
        return
    }
    fmt.Println(resp.Choices[0].Text)
}

是的，這很令人驚奇，你現在已經具備使用人工能力開發業務了，且接口竟然如此的簡單。 至於 model 的選擇和參數和接口的選擇，詳細看 OpenAI 文檔就可以了，本文是快速入門，這裏就不再贅述了。

五、有關接入 OpenAI 的功能假設模型

5.1 智能 ToB 運營售前、售後、技術支持系統

整體思路爲，應用 OpenAI 提供的 Files 大文件訓練和 Fine-tune 自定義業務 Model 能力。嘗試基於已有的成熟 Model 再疊加業務內容，進行簡單的知識補充即可。

5.2 智能家庭助理

方案和上述方案類似，只不過需要將詳細的操作手冊換成常見的 QA 彙總文本。

六、方案可行性評估

注: 解決方案爲基於 OpenAI 模型的初探方案，商業模式和產品可行請問你們的產品經理。

先說下我這裏的想到的幾個問題，進行拋轉：

1、chatGPT 如果在短時間內在中國出現一個普及類的大衆產品問世，所以現在普通業務企業接入可能將毫無意義，因爲大家都會在那個普及的產品上去提問知識，就好比當搜索引擎剛出來的時候，我們在自己的產品植入搜索引擎能力，短期有點效果，長期是無意義的。最後大家都會到一個地方去搜索。

2、對於 OpenAI 能力的性能問題以及回答問題的準確性，目前還沒有商業應用落地的真實數據，第一口喫螃蟹還需要謹慎一些。

3、chatGPT 就國內來說，在幾個月之前就已經有一小波熱提峯值，但是很快就下去了，但近期突然引起大家熱議，或有資本運作及推動，學習知識沒錯，在沒有掌握充足的相關知識和應用領域客觀調研下，要小心自己不要成爲 "韭菜" 哦~^_^~。

4、科學很重要，科學的普及更重要，而普及纔是最難的，引用 AI 來創造價值纔是最難的。目前 chatGPT 只是展示了潛力，但潛力不能當飯喫，只有實力才能當飯喫。 目前 chatGPT 還是 “流行話題” 佔比高一些，聊這個話題會顯得高級，所以才喜歡聊，但又有多少人真的懂，多少人真的瞭解且認真思考過，甚至又有多少人去試用一下。

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/xoL8ZVPtmGRPZ2ZkNWPFkA

猜你喜歡