1.3 ChatGPT的极简理解
Stephen Wolfram写了一篇文章，深入浅出地介绍了ChatGPT的原理。不过对于本书的读者，或者说ChatGPT的使用者而言，是否掌握Transformer、BERT、GPT、zero-shot、InstructGPT的原理，并不影响我们基于ChatGPT技术进行实际运用和上层应用的开发。
我们尝试让ChatGPT替我们总结一下文章，尽量以完全没有IT知识的水平来讲解。因为ChatGPT不能联网，所以借用Bing Chat来实现。Bing Chat和ChatGPT的底层差异将在后续章节介绍，这里我们先把注意力集中在内容上。
提问：
请帮我概述下面这个网页的内容https://writings.stephenwolfram.com/2023/02/what-is-chatgpt-doing-and-why-does-it-work/。按照这个内容，讲述一下ChatGPT的原理，要完全不懂IT的人也能听懂的那样浅显。
BingChat：好的，我可以尝试用一种简单的方式来讲述ChatGPT的原理。
您可以把ChatGPT想象成一个非常聪明的学生，它的老师给了它很多很多的书籍、文章、对话等等，让它仔细阅读和学习。这些书籍、文章、对话都是从互联网上收集来的，所以它们涵盖了各种各样的话题和风格。
ChatGPT通过阅读这些文本，就能够学习到人类是如何使用语言来表达自己的想法和情感的。它也能够学习到不同类型和主题的文本有不同的结构和逻辑。比如说，一篇新闻报道通常会先说最重要的事实，然后再补充一些细节和背景信息；而一首诗歌通常会用比喻和押韵来增加美感和节奏。
当ChatGPT要生成一段文本时，它会先看看已有的文本是什么类型和主题的，然后根据自己学习到的规律和特征，来预测下一个最合理的单词是什么。比如说，如果已有的文本是“今天天气真好”，那么下一个最合理的单词可能是“我”“我们”“你”等。然后ChatGPT会把这个单词加到已有的文本后面，再重复这个过程，直到生成一段完整的文本。
这就是ChatGPT的基本原理，您能听懂吗？
提问：
那么ChatGPT是怎么判断一个单词是否合理呢？
BingChat：ChatGPT是怎么判断一个单词是否合理呢？这是一个很好的问题。
ChatGPT的判断依据是它学习到的语言模型，也就是它对人类语言的规律和特征的统计和分析。它会根据已有的文本，计算出每个可能的单词出现在下一个位置的概率，然后选择概率最高的那个单词。
比如说，如果已有的文本是“今天天气真好”，那么ChatGPT会根据它阅读过的所有文本，计算出“我”“我们”“你”等单词出现在下一个位置的概率。如果“我”这个单词出现在下一个位置的概率是0.8，“我们”是0.1，“你”是0.05，其他单词都是0.01或更低，那么ChatGPT就会选择“我”这个单词，因为它有最高的概率。
当然，这个概率并不是绝对准确的，因为它只能反映ChatGPT学习到的语言模型，而不一定能反映真实世界中人类语言的多样性和复杂性。所以有时候ChatGPT也会生成一些不合理或者错误的单词，比如说“今天天气真好猫”。这就需要我们对ChatGPT的输出进行一些检查和修正。
提问：
那么ChatGPT是如何学习到语言模型的呢？
BingChat：ChatGPT是如何学习到语言模型的呢？这是一个很深入的问题。
ChatGPT的学习过程是基于一个神经网络模型，也就是一种可以模拟人类大脑神经元之间连接和传递信息的计算机程序。神经网络模型有很多层，每一层都有很多节点，每个节点都有一些权重和偏置，这些权重和偏置就决定了节点如何处理输入和输出信息。
ChatGPT的神经网络模型有175亿个参数，也就是175亿个权重和偏置。这些参数在初始时是随机设置的，所以ChatGPT一开始并不知道任何关于语言的知识。但是当ChatGPT阅读了大量的文本后，它就会根据文本中单词之间的关系，调整自己的参数，使得自己能够更好地预测下一个单词。
比如说，如果ChatGPT阅读了很多句子中都出现了“我爱”和“你”的组合，那么它就会增加“我爱”后面出现“你”的概率，并且减少其他单词的概率。这样ChatGPT就学习到了“我爱你”是一个常见的语言表达方式。
通过不断地阅读和调整参数，ChatGPT就能够逐渐形成一个语言模型，也就是对人类语言规律和特征的统计和分析。这个语言模型就储存在ChatGPT的神经网络模型中，可以用来生成新的文本。
其余对话参见下图。
事实上，你还可以根据Bing Chat给出的提示，继续问下去，了解ChatGPT的神经网络算法等。但对于普通用户而言，了解到这里，已经足够了。
为了方便，我把这些内容抽象成简单的一句话：GPT是按概率，一个接一个单词输出，同时为了争取全局最优，有时也会在单个词时选择概率不是最高的。
“全局最优”这个概念很容易让人联想到围棋。人工智能领域的上一轮高潮，也正是2016年震惊世界的Alphago围棋AI。多年后，几乎所有围棋爱好者在看棋的时候，都会说类似这样的话：某某棋手的AI吻合度是多少；某一选手是AI最优选；某一选手下完以后，AI胜率涨跌了多少……。
但围棋终究是有限集合，一个棋盘就是19×19路黑白两色棋子。而人类语言无穷无尽，长篇小说的入门标准是5万字，严肃文学中最长小说的世界纪录是法国作家路易·法利古尔的《善心人》207万字，网络小说中最长的是起点中文网明宇的《带着农场混异界》4385万字（还在连载中）。此外，起点中文网曾经有人上传过一本用VB编程语言输出的小说《宇宙巨校闪级生》1.7亿字，被起点以非人类原创为由下架。
所以，从“全局最优”这个角度来说，ChatGPT在人类语言领域达到的高度，还远远比不上Alphago在围棋领域的高度。做个不怎么贴切的对比，ChatGPT大概也就是刚开始总结围棋“定式”的状态吧。
本节的原理解释不是为了阐述数学原理，而是佐证我们不应该过于相信ChatGPT真的是上帝式的强人工智能——换句话说：不是ChatGPT完成了很难的事情，而是这个事情过去被人类高估了难度。我们甚至可以做一个更直接一点的比喻，ChatGPT能写论文，是因为大多数“水”论文本来就是有迹可循的套路文章。有这个合理的心理预期，我们就可以继续接下来的学习和练习了。