流行的技術名詞按發音難度排序，ChatGPT 肯定排在前面。

到底它為什么叫做 ChatGPT 呢？

先說 GPT：Generative Pre-Training Transformer

Generative 生成式

雖然我們已經習慣了話嘮的機器人絮絮叨叨的說個不停，但這只是眾多的人工智能模型的一種方式。比如還有識別類的（Congnition）：人臉識別，車牌識別這些，還有語音識別，文字識別各種識別任務。（在提到模型的時候，也常常被叫做判別模型，discriminative）。Generative 這個大的種類里面有幾個小分支，DALLE 的畫圖的用的是對抗網絡方式 GAN （這個晚些可以分析），現在最火的Stable Diffusion， MidJourney 走向了另外一個分支，叫做 Difusion，而 ChatGPT 又是一個分支，就是轉換器 Transformer。

而 Transformer Generative 的語言模型的核心，通俗的說就是「順口溜」。

當看了足夠多的文本以后，發現有一些語言模式是反復出現的。它之所以可以準確的填補「鋤禾日當__ 」的空格，不是因為它在自己的大腦子里面重構了一副農民勞動的場景，僅僅是不過腦子，順口溜出來的。

你問它： 3457 * 43216 = ，它回答 149575912 （這是錯的。正確結果是 149397712）。之所以結果的 2 是對的，僅僅因為它讀了太多的文字資料以后，隱約感覺到

7 結尾的文字，乘號，6 結尾的文字，和 2 結尾的文字比較「押韻」

從語感上比較像一首詩，所以它就學會了這樣的文字，而不是學會了計算。

生成式模型努力解決的問題，就是給定一些字，預測如果是人類會寫什么字。

在 BERT 那個年代，為了訓練，大家常常把一句話中隨機幾個單詞遮起來，讓計算機用現有的模型預測那幾個單詞，如果預測準了，就繼續加強，如果預測錯了，就調整模型，直到上百萬上億次訓練之后越來越準。只不過 ChatGPT 的 Generative 的部分，不僅僅把文字，還把上下文、intention（意圖）也放進去做訓練和預測。

Pre-Training 預訓練

以前很多的人工智能模型都是為了一個目標訓練的。比如給我 1000 張貓的照片，我就很容易的可以訓練出來一個模型，判斷一個圖片是有貓還是沒有貓。這些都是專用的模型。

而 Pre-Training 模型不是為了特定的目標訓練，而是預先訓練一個通用的模型。如果我有特定的需求，我可以在這個基礎上進行第二次訓練，基于原來已經預訓練的模型，進行微調（Fine- Tuning）。

這事兒就像家里請了個阿姨，她已經被勞務公司預訓練了整理家務的知識，在此之前已經被小學老師預訓練了中文對話，到了我家里面我只要稍微 fine tune 一些我家里特定的要求就好了，而不需要給我一個「空白」的人，讓我從教漢語開始把她徹底教一遍才能讓她干活。

ChatGPT 的預訓練就是給了我們所有人（尤其是創業者，程序員）一個預先訓練好的模型。這個模型里面語言是強項，它提供的內容無論多么的胡說八道，至少我們必須承認它的行文通暢程度無可挑剔。這就是他 pre-training 的部分，而回答的內容部分，正是我們需要 fine tuning 的。我們不能買了個 Apache 服務器回來，不灌內容，就說他輸出的內容不夠呀。

Transformer 轉換器

變電器就是一種 transformer：220伏電進，12伏出。

語言的轉換器就是把語言的序列作為輸入，然后用一個叫做編碼器 encoder 的東西變成數字的表現（比如 GPT 就用 1536 個浮點數（也叫 1536 維向量）表示任何的單詞，或者句子，段落，篇章等），然后經過轉化，變成一串新的序列，最后再用 decoder 把它輸出。這個轉換器，是這個自然語言處理的核心。

比如如果給 ChatGPT 輸入「Apple」這個詞，它給你返回

[
 0.0077999732,
 -0.02301609,
 -0.007416143,
 -0.027813964,
 -0.0045648348,
 0.012954261,
.....
0.021905724,
 -0.012022103,
 -0.013550568,
 -0.01565478,
 0.006107009]

這 1536 個浮點數字來表示 Apple（其中一個或著多個維度的組合表達了「甜」的含義，另外一堆表達了「圓」的含義，還有一大堆共同表達了「紅」等等屬性組合，至于具體哪些表達了這些，不得而知）

然后這堆數字，再交給 decoder，并且限定中文的話，它會解碼成為「蘋果」，限定西班牙語的話，它會解碼成「manzana」，限定為 emoji 的話，就輸出「??」。總之，通過編碼，轉換，解碼，它就完成了從 Apple 到目標輸出語言的轉化。

ChatGPT 所做的事情遠遠多于翻譯。但核心上，它就是把一個語言序列，轉換為了另外一堆語言序列，這個任務完成得如此的好，以至于讓人產生了它有思想的錯覺。

GPT 生成式預訓練轉化器

把上面三段話加在一起，GPT 就是

一個預先訓練好的，用生成的方式，把輸入文字轉化成輸出文字的翻譯

除了這個以外的各種能力和各種定義，大多數是這個翻譯官的應用場景而不是它本身。

ChatGPT 是啥？

剛才解釋了 GPT，那 ChatGPT 呢？

OpenAI 用這個名字描述他們正在做的這個模型，歷史的版本包括 GPT-1， GPT-2（這個模型是開源的），GPT-3（這個就是傳說中 175B 參數的大模型）。而這些都是生成式的，也就是給的 prompt（提示詞），它負責補全（completion）。但是這個東西用于聊天不是很好用，因為本來就不是為聊天這個場景準備的。

所以在 GPT-3 基礎上發展出了下一代模型 InstructGPT，專注于讓這個模型可以聽懂指令。在上面繼續發展出了 ChatGPT，就是對于對話場景，比如多輪對話，還有一些安全邊界設定等，進行了加強。但這個模型是基于 GPT-3 上面的，可以說嚴格意義是 GPT-3 模型上面的一個微調（Fine Tuning）的產物。

希望這樣梳理可以幫助大家了解這個奇怪的名字背后的思考。從這個角度來說，這是少有的幾個準確的描述了它是什么的一個名字（和 ??Web3 這個名字??產生鮮明對比）