近期，OpenAI发布了ChatGPT，是一个可以对话的方式进行交互的模型，因为它的智能化，得到了很多用户的欢迎。ChatGPT也是OpenAI之前发布的InstructGPT的亲戚，ChatGPT模型的训练是使用RLHF也许ChatGPT的到来，也是OpenAI的GPT-4正式推出之前的序章。
一、什么是GPT?
GenerativePre-trainedTransformer(GPT)，是一种基于互联网可用数据训练的文本生成深度学习模型。它用于问答、文本摘要生成、机器翻译、分类、代码生成和对话AI。
2018年，NLP的预训练模型元年，GPT-1诞生，此时的GPT-1仅是一个语言理解工具而非对话式AI。2019年GPT-2采用更多的网络参数与更大的数据集进行训练，此时的GPT-2展现出普世且较强的能力，并在多个特定的语言建模任务上实现了彼时的最佳性能。随后，GPT-3出现，作为一个无监督模型，几乎可以完成自然语言处理的绝大部分任务，例如面向问题的搜索、阅读理解、语义推断、机器翻译、文章生成和自动问答等等。GPT-3的出现使人们看到了通用人工智能的希望。
DEX聚合器Matcha新增对Avalanche链上DEX的支持，包括SushiSwap等:9月11日消息，DEX聚合器Matcha新增对Avalanche链上DEX的支持，包括SushiSwap、Pangolin、TraderJoe、BeefyFinance等，也同时增加了对新资产AVAX、FRAX等新资产的支持。[2021/9/11 23:17:27]
ChatGPT的到来，也被视为文本生成器GPT-3的下一个迭代，为GPT-4到来拉开序幕。
ChatGPT是一种大型语言模型，通过大量在线信息进行训练并创建其响应。注册ChatGPT后，用户可以要求人工智能系统回答一系列问题，这些问题包括开放性问题：例“生命的意义是什么？”加密货币值得投资“？”“什么是HackerMovement”等。
RChain创始人Greg：区块链将成为全球性关键协调技术:在国际金融论坛2021年春季会议“数字货币与未来数字化转型”为主题的分论坛上，RChain创始人卢修斯·格雷戈里·梅雷迪思（Greg）通过视频形式做了主题为“并发的货币（The Currency of Concurrency）”的分享。Greg认为，当前的气候问题可能导致人类的生产关系发生重大改变，在这种危机下，人类需要寻求新的一种无需信任的合作方式，而区块链很可能是一种关键性的协作技术。区块链行业经过比特币及以太坊网络的发展已经进入了一个新的阶段，但技术底层所面临的核心问题（如公链可扩展性和安全性等）依然没有得到很好的解决。RChain在共识算法和虚拟机种类这两个方面都进行了改进，使之并发异步的出块和执行，同时可以保证分片之间的无缝互操作，实现了垂直和水平两个方向上的可扩展，解决了扩容问题。而通过Rho演算的计算模型完美地实现了完备性、可组合性、并发性以及复杂性，并以此为基础建立行为类型系统进行快速自动形式化验证，可以完成对大量链上合约的编排，使他们安全有序的协作。分享最后Greg强调，RChain的核心愿景是想成为一个全球计算机与数据库为全球气候问题提供关键的协调技术，尽情放大人类协调和合作的非凡能力。[2021/5/30 22:56:54]
二、ChatGPT如何工作？
区块链安全公司CertiK正式开源CertiKChain:CertiK基金会宣布现已正式开源CertiKChain。目前已开放使用的产品包括CertiKChain、去中心化CertiK安全预言机、用于编写安全智能合约的安全编程语言和编译器工具链DeepSEA工具链。据此前报道，9月7日，CertiK发布基于CertiK链的去中心化安全预言机，旨在有效减少链上交易与实时安全检测之间的距离，致力于运用去中心化的方法来解决安全难点。[2020/9/17]
谈到ChatGPT的算法模型，其前身InstructGPT仍值得关注。
2022年初，OpenAI发布了InstructGPT。开发人员通过结合监督学习+人类反馈强化学习，提高GPT-3的输出质量。在这种学习中，人类对模型的潜在输出进行排序，强化学习算法则对产生类似于高级输出材料的模型进行奖励。
Riot Blockchain已收到1000台蚂蚁矿机S19 Pro:金色财经报道，Riot Blockchain已从比特大陆收到1000台蚂蚁矿机S19 Pro，这是三个订单中的第一部分。Riot Blockchain累计从比特大陆购买了3040台S19和S19 Pro矿机。这1000台S19 Pro矿机已开始部署，预计将于7月17日完成部署。Riot Blockchain预计，在全面部署后，其总算力容量将约为1.45 EH/s。[2020/7/17]
训练数据集以创建提示开始，其中一些提示是基于GPT-3用户的输入，比如“解释什么是HackerMovement”或“给一个小学生解释Hacker”。
开发人员将提示分为三个部分，并以不同的方式为每个部分创建响应：
1.人类作家会对第一组提示做出响应。开发人员微调了一个经过训练的GPT-3，将它变成InstructGPT以生成每个提示的现有响应。
2.下一步是训练一个模型，使其对更好的响应做出更高的奖励。对于第二组提示，经过优化的模型会生成多个响应。人工评分者会对每个回复进行排名。在给出一个提示和两个响应后，一个奖励模型学会了为评分高的响应计算更高的奖励，为评分低的回答计算更低的奖励。
3.开发人员使用第三组提示和强化学习方法近端策略优化进一步微调了语言模型。给出提示后，语言模型会生成响应，而奖励模型会给予相应奖励。PPO使用奖励来更新语言模型。
与其他AI聊天机器人不同，本着构建更加负责任的强人工智能原则，ChatGPT可以回答后续问题、承认错误、挑战不正确的问题并拒绝不适当的请求。
三、ChatGPT等AIGC工具对内容生态的挑战
不可置疑的是AIGC对很多领域产生了积极的影响。如，文本创作、音乐创作、游戏文本生成等。随着AIGC工具的成熟，其甚至可自主编程、拼接生成新的协议。
但，此类工具向内容生态提出一个全新的问题即：如何应对AIGC的真实性。以ChatGPT为例：
1.在训练的强化学习阶段，对于问题，并没有真相和问题标准答案的具体来源。
2.训练模型更加谨慎，可能会拒绝回答。
3.监督训练可能会误导/偏向模型倾向于知道理想的答案，而不是模型生成一组随机的响应并且只有人类评论者选择好的/排名靠前的响应。
人工智能生成的答案有数千个，而这些答案通常需要具有专业知识的人详细阅读，才能确定答案实际上是错误的，这些错误信息很容易破坏以志愿者为基础的高质量问答社区。
纸质新闻时代，每个事实都必须包含权威的一手或二手资料来源，但现在已经很少有出版物有事实核查员，这就把责任推给了记者和编辑。信息爆炸时代，以人为媒介传播的虚假信息尚且让审核机制“头疼”，很难想象当人工智能开始传播虚假信息，所带来的挑战。尤其是在这个舆论时常反转的时代，只要一个消息听起来合理，许多人就会认为这是正确的。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。