[每天改變一個觀點] 文章選讀 062 如何使用 GPT-3 在10分鐘內建構驚人的人工智慧使用案例？

✍溫馨小提醒：這篇文章我全部翻成中文，建議可以先看文章的大綱和我標黑體的重點，快速掌握這篇文章的內容後再看細節。最近我使用這個方法看書，效果也不錯。

---

你是否認為建構一個基於自然語言處理( NLP )的人工智慧應用程式，如聊天機器人或翻譯機，需要大量的資料科學技能，會花費大量時間？事實並非總是如此，本文將幫助你更好地理解。我將展示如何使用GPT-3以最小的開發工作量建構一些令人驚歎的基於NLP的AI應用程式。在進入建構之前，我們先來了解一下什麼是GPT-3，以及GPT-3都有哪些特性使其如此特別。

什麼是 GPT-3？

GPT-3 是 Generative Pre-trained Transformer 3 的縮寫，它是在大量的網際網路資料集上訓練出來的語言模型，由一家名為 OpenAI 的公司開發。GPT-3是透過API提供的，目前，API處於受控測試階段，有一個等候名單，可以獲得這個神奇的API。

以下是GPT-3 模型最受關注的一些原因。

• GPT-3 模型由1750億個參數(parameters)組成，上一版本GPT-2模型只有15億個參數。參數是神經網路模型中的權重，它將輸入轉化為輸出
• 它是一個生成式(generative)模型，這意味著它有能力生成一個長長的單詞序列，作為一個連貫的輸出
• 這個最先進的語言模型幾乎可以對傳遞給它的任何問題做出回應，而且也是以更人性化的方式進行回應
• 模型訓練中使用的數十億字、文字和程式碼片段，因此使它能夠使用廣泛的程式語言中自動編碼
• 它的多國語言文字處理有助於處理英語以外的其他語言
• 最好的部分是 GPT-3 模型可以執行特定的任務，比如做一個翻譯或聊天機器人或程式碼建構者，不需要任何量身定做或任何特殊的調整，它所需要的只是一些訓練案例

要了解更多關於這個神奇模型的技術細節，請檢視這裡。在本文中，我將向你展示如何使用這個神奇的API來解決不同的基於 NLP 的 AI 使用案例

訪問 GPT-3 測試版API

要建構本文所涉及的使用案例，你需要訪問 GPT-3 測試版API。目前只有透過邀請才能使用，你可以使用下面的連結申請訪問。它將帶你進入一個表格，在這個表格中，你會被問到幾個關於你的組織和你計劃實施的專案的問題。

實現背景

為了與GPT-3 API對接，我將使用以下 gpt3-sandbox repository 中的一個script。我使用的 script是在API資料夾下的gpt.py，它使我能夠訪問GPT-3 API，從而能夠展示不同的使用案例。本文中使用的 script 可以在這裡找到。

使用案例 1 — 聊天機器人

在這裡，我們不打算透過任何訓練範例，而只是直接訪問API並將其作為聊天機器人使用。

在下面的範例中，我匯入了所需的套件以及我們從 “gpt3-sandbox “資源庫中下載的 script。我們將向模型傳遞三個參數。

• 引擎( Engine )–有四個選項供我們選擇，它們是 Davinci、ADA、Babbage和Curie。我們將使用 Davinci，因為它是使用1750億個參數訓練出來的最強大的引擎
• 溫度 (Temperature ) – 這通常是在0和1之間，它用於控制生成輸出的隨機性。0的值使模型的確定性，也就是說，每次執行時的輸出都是一樣的，而另一方面，1的值則會使生成的輸出具有很高的隨機性
• max_tokens – 最大完成長度

在下面的 script 中，需要問的問題被傳遞到變數 “prompt1 “中，然後使用submit_request函式傳遞給模型。結果儲存在 “output1 “變數中，如下圖所示。

import json 
import openai 
from gpt import GPT 
from gpt import Example 
import config 

# Reading the API key from a file service_key = config.api_key openai.api_key = service_key 

# Application 1 - Directly use as chatbot Use-case 
gpt1 = GPT(engine="davinci", temperature=0.2, max_tokens=100) 
# Input to the Model 
prompt1 = "How to learn data science?" output1 = gpt1.submit_request(prompt1) 
# Model Output output1.choices[0].text

輸出為

'\nI think the best way to learn data science is to do data science.\n\nI’ve been doing data science for a few years now, and I’ve learned a lot from doing it. I’ve learned a lot from reading books and blogs, but I’ve learned the most from doing it.\n\nI’ve learned a lot from doing data science, and I’ve learned a lot from reading books and blogs.\n\nI'

在上面的例子中，正如你所看到的，模型可以對所問的問題做出一個非常好的回答，而不需要變更或調整。由於這裡我們沒有提供任何訓練範例，所以模型的輸出不需要總是響應，它可以用類似的問題集或與輸入相關的內容來實現。透過提供一些訓練範例，可以提高效能。

使用案例 2 — LaTex — 文字轉成方程式

在下面的例子中，我們將看到用極少的訓練實現文字到方程式的轉換，這是其他預訓練模型無法實現的。

在下面的例子中，溫度值已經被增加，以給響應帶來一些隨機性，我們也將一些預定義的範例作為訓練資料集傳遞給模型。只需5個例子，我們就可以訓練模型將文字轉換為一個方程式。在用已知的例子訓練模型後，我們將以下內容作為輸入 “x squared plus 2 times”，模型將其轉換為一個方程式。

# Application 2 - LaTex Use-case - Text to Equation 
gpt2 = GPT(engine="davinci", temperature=0.5, max_tokens=100) 
# Examples to train as LaTex Application gpt2.add_example(Example('Two plus two equals four', '2 + 2 = 4')) 
gpt2.add_example(Example('The integral from zero to infinity', '\\int_0^{\\infty}')) 
gpt2.add_example(Example('The gradient of x squared plus two times x with respect to x', '\\nabla_x x^2 + 2x')) gpt2.add_example(Example('The log of two times x', '\\log{2x}')) 
gpt2.add_example(Example('x squared plus y squared plus equals z squared', 'x^2 + y^2 = z^2'))

# Input to the model 
prompt2 = "x squared plus 2 times x" 
output2 = gpt2.submit_request(prompt2) # Model Output output2.choices[0].text

輸出為

'x^2 + 2x\n\n'

使用案例 3 —翻譯器 (英文翻成法文)

就像上面的使用案例一樣，透過一些例子，我們可以將模型訓練成一個翻譯器的樣子。下面是翻譯模組的程式碼，在這裡我們訓練模型只用三個範例就能將英文文字翻譯成法語。

# Application 3 - Translator Use-case 
gpt3 = GPT(engine="davinci", temperature=0.5, max_tokens=100) 
# Examples to train as a English to French translator gpt3.add_example(Example('What is your name?', 'quel est votre nom?')) 
gpt3.add_example(Example('What are you doing?', 'Que faites-vous?')) 
gpt3.add_example(Example('How are you?', 'Comment allez-vous?'))
# Input to the model prompt3 = "where are you?" 
output3 = gpt3.submit_request(prompt3) 
# Model output 
output3.choices[0].text

輸出為

Où êtes-vous?\n\n'

該模型能夠以極小的開發工作量完成 “外語翻譯 “或 “文字到方程式轉換 “等特定任務，這種能力使其非常特殊。

下面是一個教學影片，我提供了一個使用案例實現的演練。

使用 GPT-3 創造的一些很酷的應用程式

要了解更多關於使用 GPT3 建構的有趣應用程式，請點選這裡。

關於作者

我是一名資料科學專家，有超過10年的經驗，我已經撰寫了2本資料科學方面的書籍。我寫資料科學相關的內容，意在使其簡單易懂。請在Medium上關注我。我也有一個YouTube頻道，在那裡我教授和談論各種資料科學概念。如果有興趣，請在下面訂閱我的頻道。.Data Science with SharanI am a Data Science professional with more than a decade of experience in advanced analytics and applied machine…www.youtube.com。