如何使用GPT-3在10分钟内构建惊人的AI应用程序？（内附丰富视频教程）

2021-03-01 学术头条

我行我show！中国医院管理案例评选，医院卓越管理实践大秀场。点击查看

你是否认为，构建一个基于自然语言处理（NLP）的 AI 应用程序（例如聊天机器人或翻译软件）需要大量的数据、计算机技术、并且会花费大量时间？但其实并非总是如此——使用 GPT-3，我们能够以最少的开发工作量构建一些基于 NLP 的惊人 AI 应用程序。

GPT-3 全称 Generative Pre-trained Transformer 3，是一种通过训练大量来自互联网的数据集得到的语言模型，由 OpenAI 公司开发。本质上它是一个巨大的神经网络，作为深度学习的一部分，它是人工智能的典型代表。

那么 GPT-3 模型为什么受到巨大关注？我们一起来看看：

GPT-3 模型包含 1750 亿个参数，而以前的版本，GPT-2 模型只有 15 亿个参数。参数是神经网络模型中的权重，该神经网络模型将输入转换为输出。
GPT-3 是一个生成模型，这意味着它具有生成较长单词序列的能力，可以作为连贯输出。
这种最先进的语言模型几乎可以回答所有传递给它的问题，而且更加人性化。
在模型训练中使用了数十亿个单词、文本和代码段，从而使其能够在多种编程语言中进行自动编码。
除了英语，它的多语言文本处理功能还可以处理其它语言。
最优越的地方在于，GPT-3 模型可以执行特定任务，比如充当翻译器、聊天机器人甚至作为代码构建器，而无需任何自定义设置或任何特殊调整，它只需要经过一些训练数据的训练。

在本文中，我们将向大家展示如何使用这个惊人的 API 来解决不同的基于 NLP 的 AI 用例。

获取访问权限

首先，要构建本文中涵盖的用例，需要获得 GPT-3 beta API 的访问权限。
可以通过以下链接申请访问：

https://beta.openai.com

此外，为了与 GPT-3 API 交互，我将使用“gpt3-sandbox”存储库中的脚本。使用 API 文件夹中的 gpt.py 就可以访问 GPT-3 API。

gpt3-sandbox 存储库链接：

https://github.com/shreyashankar/gpt3-sandbox

脚本链接：

https://github.com/rsharankumar/Use-Cases-using-GPT-3

聊天机器人 chatbot

在下面的示例中，导入所需的软件包以及从“gpt3-sandbox”存储库中下载的脚本。我们将向模型传递三个参数:

engine：有四个选项可供选择，分别是 Davinci、ADA、Babbage、Curie。此处使用 Davinci，因为它是使用 1750 亿个参数训练的最强大引擎；
temperature：其范围通常在 0-1，用于控制生成输出的随机性。值为 0 时模型具有确定性，即每次执行后的输出都是相同的；值为 1 时，生成的输出将具有较高的随机性；
max_tokens：最大完成长度。

在下面的脚本中，需要询问的问题被传递给变量“prompt1”，然后使用 submit_request 函数传递给模型。其结果存储在“output1”变量中，如下图：

将文本转换为公式

在下面的示例中，可以基于非常少的训练即可将文本转换为公式，这一点其他预训练模型则无法实现。

如图所示，temperature 值已经增加，以使响应输出具有一定的随机性，我们还将一些预定义的示例作为训练数据集传递给模型。仅用 5 个示例，就可以训练该模型将文本转换为公式。用已知示例训练模型后，如图所示，将 “x squared plus 2 times x” 作为输入，模型成功将其转换为公式 “x^2+2x”。