如何让GPT转化成为你的生产力工具

本文是根据我对于神经网络，深度学习和openai官方所展现的GPT的一些聊天方式来为大家整理出的一
份与GPT聊天的技巧，旨在更好的让GPT语言模型服务大家，成为你的生产力工具

最近通过网络发现，大多数人对于chatgpt的提问方式有以下几点误区，我在这里整理一下

1.将程序像人一样对待

2.提问gpt过于冷门或最新的内容

3.提问的问题非常模糊

以下我将通过自然语言处理，深度学习，神经网络算法的原理来阐述为什么你不能这么提问

在进入正题前，先让我们了解一下为什么Chatgpt总是强调自己是语言模型而很少强调自己是人工智能

语言模型
首先，我们要知道什么是语言模型，这里太长的内容就不说了，相信读者也不会喜欢看，我就给大家举
一个例子

首先我们使用基于gpt3的text-davinci-001语言模型来进行ai问答

这里我进行提问，你好
出现了问题，当我们提问hi的时候，正常的回答应该是：你好，我的名字叫。。。。或者其他类似问好
的回答，但是这里的语言模型却回答了“我不知道”，问题出在了哪里？是这款语言模型不够强么？但是
体验过GPT的朋友都知道，官网的chatgpt几乎是可以回答你的任何问题，而这款基于gpt3的语言模型正
式chatgpt的前身，为什么它的前身却连简单的问答都不清楚？

深度学习算法
这就要从深度学习算法开始讲起，所谓的深度学习，可以简单的理解为让程序“学会说话”就像一个刚学
会说话的宝宝，他们虽然能够说出”爸爸“”妈妈“这种人类语言，但是他们还不足以理解什么是”爸爸“，什
么是”妈妈“，他们只会学别人，而ai也是同样，这个时期的语言模型只是能够根据你的提示去往下说，但
是内容是什么，什么意思，语言模型并不知道，比如，我这里写”学好python需要以下几点：”

可以看到，语言模型顺着我们的要求往下进行输出，某种意义上解决了我们的问题
所以，在语言模型的初期，我们没办法通过问答的形式来进行正常交流，这也是为什么我们在chatgpt中
所提交的问题是"prompt"(提示)而不是"question"(问题)，chatgpt依然是一款语言模型，只不过它的模
型更加先进和实用

神经网络
用的多的同学可能会注意到，当你向ai提问时，ai有的时候会出现“明明知道却不告诉你“，”乱编答案“的
这两种情况，这也是chatgpt被长期诟病的一些缺点，这里就涉及到了神经网络的一些知识，神经网络就
像我们的大脑，我们的大脑是怎样处理并返回信息的呢？目前最尖端的科学研究也没有搞清楚，但是根
据目前科学界的理论成果，我们的大脑是依靠神经元来接收并处理信息的，比如一个问题进入了大脑，
这个问题会转换为信息并通过神经元传递，通过层层传递，我们的信息会被进行一系列处理从而生成答
案（这里人工智能学或者医学大佬别打我，小弟也只知道一些非常浅层的东西），而神经网络正式模拟
我们大脑内传递和处理信息的这种能力，来生成一个独一无二的答案

这里由于实在太过复杂，我举一个简单的例子

比如当我们提问问题A的时候，这个问题中可能包含a,b,c,d四种要素，神经网络就会首先根据大问题A生
成A,B,C,D不同的回答，再通过提问中的每一个要素生成不同的关于小要素的回答，最后再将这些回答结
合，这也导致了我们的每一个提问，神经网络都会生成成百上千条回答，这些回答有些正确，有些还
行，而有些错的离谱，这个时候就需要人工去归纳分辨哪些是好的回答，哪些是不好的回答，这也是语
言模型的一个训练过程

根据神经网络的知识我们能总结出，一个问题会有成百上千种回答，但是不是所有问题都能分出对错
来，这也就导致了你的提问可能会有包含领ai拒绝的回答，这个时候我们应该怎么做呢？就是让我们提
问的A中的要素中不要包含会产生令AI拒绝的回答出来，这里包括不限于

”能不能“，”可不可以“，”好么“这类商量的语气出来，因为这会让你的提问中包含”不可以“这样的拒绝要
素，所以ai的回答也会产生类似“不可以”这种拒绝的回答