建網(wǎng)站衡水哪家強?做網(wǎng)站哪家好
「十項全能」的 ChatGPT ,用起來感受如何?
之前,作為 ChatGPT Plus 用戶,如果你集齊下面這五個模式,就會成為別人羨慕的對象。
但現(xiàn)在,人們更加期盼的,是下面這個提示的出現(xiàn):
這個提示,意味著你的 GPT-4 已經(jīng)不再是「一專」(只能使用某一模式),而是「多能」(根據(jù)需要自動調(diào)用不同模式的功能)。
例如你可以讓 ChatGPT 看到一幅圖(原本的基礎(chǔ)模式),然后讓它自動理解總結(jié)圖片的內(nèi)容,并且要求它繪制出類似的圖片(原本的 DALLE)模式。當然,你還可以讓它自動編程(原本的 Advanced Data Analysis 模式)或者訪問網(wǎng)絡(luò)(原本的 Browse with Bing 或者插件模式)。
這樣一來,用戶的想象力就可以變成特別有趣有用的實踐過程。例如王佩老師,就讓 ChatGPT 繪制簡筆畫。他對繪制結(jié)果很滿意。
見賢思齊,于是我又把自己的微信頭像傳上去了。要求 ChatGPT (GPT-4 All Tools):
畫成皮克斯風(fēng)格
于是,我獲得了這樣的圖像:
呃,除了人物不像我,以及背景多了一只狐貍,我沒有啥可抱怨的……
同時生成的,還有另外一幅作品。咱們也放大看看。
可這…… 也太不像我了啊。于是,我提出了這樣的要求:
畫成皮克斯風(fēng)格,注意人物一定要像。
這次 GPT-4 全模式 (All Tools) 的繪圖結(jié)果是這樣的:
這個…… 你要非得說像我,我無話可說。
我查看了對應(yīng)的提示詞:
Photo of a cheerful man outdoors, wearing a light blue polo shirt and a backpack. He is Asian, with short black hair, smiling warmly with a backdrop of mountains covered with green and reddish trees under a cloudy sky. The image should be transformed into a Pixar-style animation, maintaining the likeness and expression of the person, but with the enchanting and whimsical characteristics typical of Pixar animations.
對應(yīng)的翻譯為:
一張快樂男子在戶外的照片,他穿著淺藍色的 Polo 衫,背著背包。他是亞洲人,有短黑發(fā),背景是山脈,山上覆蓋著綠色和紅色的樹木,天空多云。他的笑容溫暖。這張圖片應(yīng)該被轉(zhuǎn)化為皮克斯風(fēng)格的動畫,保持人物的相似性和表情,但具有皮克斯動畫典型的迷人和異想天開的特點。
我旋即明白了,圖片畫得不像我,就是 ChatGPT 識圖后總結(jié)提示詞的原因。這里只描述為「亞洲人」、「快樂男子」和「短黑發(fā)」,至于臉型、五官之類的,絲毫沒有涉及,那當然沒有辦法「完美復(fù)刻」了。
我在視頻中提到了這個問題。有觀眾提示我說可能是在上傳人像的時候,ChatGPT自動做了面部模糊化處理以保護人物肖像權(quán),我覺得非常有道理?;仡^我準備找個卡通頭像上傳上去試試看。
看完了這個有趣的例子,咱們該講講嚴肅的事兒了 —— 如何利用 GPT-4 全模式 (All Tools) 幫助你更好地學(xué)習(xí)和工作?
學(xué)習(xí)
咱們先從一個最常見的場景開始 —— 上課的時候,看到課件里面的英文不會,該怎么辦?
這時候,你可以拍張照或者截屏,讓 GPT-4 全模式 (All Tools) 幫助你來翻譯。上面這張幻燈截圖,它的翻譯如下:
描述了使用大語言模型(LLM)時的提示(prompting)能做什么。圖片中提到,如果給一個剛剛畢業(yè)的大學(xué)生一些指導(dǎo),他們是否能夠完成任務(wù)。為了更加清晰明了,假設(shè)情況如下:
沒有互聯(lián)網(wǎng)或其他資源的訪問權(quán)限
對你的公司 / 業(yè)務(wù)沒有特定的培訓(xùn)
沒有完成先前任務(wù)的記憶
每次都會得到一個不同的新畢業(yè)的大學(xué)生
圖片旨在探討在沒有額外資源和指導(dǎo)的情況下,一個新畢業(yè)的大學(xué)生是否能夠根據(jù)給定的指導(dǎo)完成任務(wù)。
你可能對此不屑一顧 —— 這簡單的翻譯功能,我手機上的 XX 應(yīng)用,早就有了。
沒錯,但是 ChatGPT 可不僅僅會翻譯哦。你看到一頁幻燈,如果對其中內(nèi)容有不清楚的地方,可以立即呼喚你的這個「私人助教」來幫忙總結(jié)和解答。例如下面這頁幻燈,是吳恩達老師在新課程 Generative AI for everybody 中對「監(jiān)督學(xué)習(xí)」應(yīng)用的總結(jié)。
我截圖發(fā)給 GPT-4 全模式 (All Tools) ,要求用中文總結(jié)圖中內(nèi)容。
這是 GPT-4 的回答:
這張圖片是 Andrew Ng 在講解監(jiān)督學(xué)習(xí)的應(yīng)用。圖片中列出了不同的輸入、輸出和相應(yīng)的應(yīng)用場景。例如,輸入可以是電子郵件,輸出是判斷這封郵件是否為垃圾郵件,應(yīng)用場景是垃圾郵件過濾。其他的應(yīng)用還包括在線廣告、自動駕駛車輛的其他車輛位置識別、醫(yī)療診斷、視覺檢測、語音識別和餐廳評論的情感分析等。每個應(yīng)用都涵蓋了將輸入數(shù)據(jù)(如圖像、廣告和用戶信息、音頻記錄等)轉(zhuǎn)換為有意義輸出(如診斷、缺陷檢測、文本轉(zhuǎn)錄等)的過程。
你看,ChatGPT 打通各個模式之后,拿來當助教非常合適,講解耐心不厭其煩。更妙的是,你不僅可以讓它識別幻燈幫你講解,還能要求它立即給你寫出對應(yīng)例子的程序代碼來。
編程
例如我剛剛聽完 GPT-4 全模式 (All Tools) 的總結(jié),依然對監(jiān)督學(xué)習(xí)沒有形象的概念。于是我下面的提示語為:
就找上面的一個例子,給我寫一段監(jiān)督學(xué)習(xí)的 Python 代碼
ChatGPT 就立即開始干活兒了。
在你看到代碼之后,是不是對監(jiān)督學(xué)習(xí)的模型訓(xùn)練流程概念理解更加清晰了呢?有了這種快速支援,相信你學(xué)東西會更加扎實,疑問也能更及時得到解決。
況且你不要忘了,GPT-4 全模式 (All Tools) 還包含了 Advanced Data Analysis 模式,也就是可以把程序直接作用在數(shù)據(jù)集上面,幫助你實驗,甚至解決實際的問題。下面我們就來看看如何用 ChatGPT 來「看到」實際的數(shù)據(jù),并且進行分析。
數(shù)據(jù)分析
我這里舉的例子,也來自于吳恩達老師的新課。他提到了很有意思的問題 ——LLM 對結(jié)構(gòu)化數(shù)據(jù)處理不好。
我覺得這個觀察很有意思,但是將信將疑,于是立即就把數(shù)據(jù)截取出來嘗試。我問 ChatGPT :
這個表格里面有對應(yīng)的面積和價格,那么 900 sqft 的房子,對應(yīng)的價格是多少?請一步步思考,并且詳細說明你的解題過程
下面是 ChatGPT 的回答:
你看,要公式有公式,要代碼有代碼。數(shù)據(jù)齊全,分析清晰。只可惜,這個線性插值計算方法并不完美,因為利用數(shù)據(jù)太少了。為了幫助 ChatGPT 改進結(jié)果,咱們還可以這樣來追問:
好,但是你能否充分利用上全部數(shù)據(jù)來建模并且測算呢?
ChatGPT 旋即給了答案。
如果你希望了解 ChatGPT 如何計算,還可以點開被折疊的工作區(qū),查看對應(yīng)代碼。
你看,原先表格中的所有數(shù)據(jù),確實都被使用了進來。但是,這個計算的結(jié)果是否正確?希望你能夠檢驗一下,然后在留言區(qū)給出自己的判定答案。
論文閱讀
下面這個功能,更是很多小伙伴期待已久的 —— 你可以直接把 PDF 格式的文檔扔給 ChatGPT 了。GPT-4 全模式 (All Tools) 可以自動識別其中的內(nèi)容,并且進行分析和回答你提出的問題。
例如,我從 arxiv.org 下載了 MemGPT 論文的全文。
然后,我把它扔給 GPT-4 全模式 (All Tools) ,提出的要求為:
給我介紹一下這篇文章的亮點
這是 ChatGPT (速度很快)讀過文章后,給出的結(jié)果。
我們讓 ChatGPT 簡單翻譯一下前面幾段:
論文《MemGPT: 朝著作為操作系統(tǒng)的 LLMs》介紹了一種旨在克服當前大型語言模型(LLMs)的有限上下文窗口限制的新系統(tǒng)。以下是其亮點的詳細說明:
1.?虛擬上下文管理:作者引入了一種技術(shù),通過借鑒傳統(tǒng)操作系統(tǒng)中的分層存儲系統(tǒng),擴展了LLMs的可用上下文范圍,超越了標準固定長度上下文窗口的限制。這種技術(shù)被稱為虛擬上下文管理,通過在快速和慢速存儲層之間的數(shù)據(jù)移動,實現(xiàn)了更大內(nèi)存的幻象。?
2.?MemGPT系統(tǒng):基于這種技術(shù),派生出了MemGPT系統(tǒng),它利用分層存儲結(jié)構(gòu)和中斷來管理LLM、存儲器和用戶之間的數(shù)據(jù)流和控制。該系統(tǒng)可以在任務(wù)進行過程中調(diào)整上下文,更有效地利用有限的上下文。?
3.?在文檔分析和對話代理方面的性能:論文展示了MemGPT在文檔分析和多會話聊天領(lǐng)域的增強性能。它能夠分析大量文檔并保持長期交互,超越了LLM的上下文窗口限制。?
很好,這至少證明 ChatGPT 看懂了 PDF 論文全文內(nèi)容。你也可以就文本內(nèi)容提出問題,讓它來回答。不過類似的內(nèi)容,我在講 Chatdoc 的時候都演示過了。這回咱們要充分利用它的全模式功能,搞點兒新花樣。
我要求:
把上述內(nèi)容,用圖展示出來,要求讓一個中學(xué)生能夠看懂
于是 ChatGPT 這樣繪制:
我們放大一下第一張圖。
這張圖非常有趣。它知道論文主角是一個機器大腦,要解決的問題是記憶體的限制。圖中主體設(shè)計成一種類似操作系統(tǒng)的架構(gòu),上面是個戴學(xué)士帽的機器人。聯(lián)接的小圖都是與上下文、記憶體、檢索能力相關(guān),還提到了「快速」等特性。另外還有很多相關(guān)的文字作為講解介紹。
當然了,這個圖的毛病,也是顯而易見的。例如說里面出現(xiàn)了很多奇怪的單詞,都像是半文盲寫的 —— 有很多拼寫錯誤。不過你不用擔(dān)心,這只是個開始。你要相信 LLM 的演進速度。
繪圖做完了,咱們嘗試一下表格數(shù)據(jù)的讀取。這里我選擇了 Table 2 的內(nèi)容作為樣例。
我要求 ChatGPT 來總結(jié)其內(nèi)容,并且進行可視化:
這里咱們看看其操作過程的細節(jié)。
首先, ChatGPT 確實在上傳的 PDF 里面,找到了表格 2 對應(yīng)的位置和內(nèi)容。
然后,ChatGPT 進行了編程計算,最終給出了下圖的結(jié)果。
初看這張圖,你可能會很不以為然。沒錯,這張圖確實畫錯了。F1, Precision 和 Recall 如果真的這么慘不忍睹,也就沒有匯報的必要了。但是,這錯誤也是有原因的。
原始論文中,對 Accuracy (準確率)和其他三個指標,表現(xiàn)形式就不一樣 —— 前者是百分數(shù),后者是小數(shù)。目前 ChatGPT 對于同一表格不同列數(shù)據(jù)這種轉(zhuǎn)換,還沒有做到靈活自如,因此才會出這樣的紕漏。
但是你看到,不論是模型類型、圖例說明和對應(yīng)數(shù)據(jù),ChatGPT 在讀取表格的時候,確實已經(jīng)盡可能做到了一一對應(yīng)。因此,只要你在后續(xù)對話中稍加提示,繪圖效果就會大不一樣。
所以,現(xiàn)在的 GPT-4 全模式 (All Tools) 確實是可以「看到」圖和表,這對于我們來說,意義很大 —— 論文中出現(xiàn)的數(shù)據(jù),你至少可以更為靈活自如地進行二次分析與驗證了。
小結(jié)
本文我為你介紹了自己使用 GPT-4 全模式 (All Tools) 來輔助工作和學(xué)習(xí)的一些心得體會??傮w來說,ChatGPT 全模式打通之后,可以更方便調(diào)用各種「藝能」。它可以幫助你更快速理解消化新信息、按照你的個性化要求給出樣例,根據(jù)上下文做出總結(jié)問答,并且?guī)湍氵M行自動數(shù)據(jù)分析。希望這些功用的分享,可以幫助你更高效地完成任務(wù),獲得新知。
祝(更強悍的)AI 工具使用愉快!
點贊 +「在看」,轉(zhuǎn)發(fā)給你身邊有需要的朋友。收不到推送?那是因為你只訂閱,卻沒有加星標。
歡迎訂閱我的小報童付費專欄,每季度更新不少于10篇文章。訂閱一整年價格優(yōu)惠。
如果有問題咨詢,或者希望加入社群和熱愛鉆研的小伙伴們一起討論,訂閱知識星球吧。不僅包括小報童的推送內(nèi)容,還可以自由發(fā)帖與提問。之前已經(jīng)積累下的帖子和問答,就有數(shù)百篇。足夠你好好翻一陣子。知識星球支持72小時內(nèi)無條件退款,所以你可以放心嘗試。
若文中部分鏈接可能無法正常顯示與跳轉(zhuǎn),可能是因為微信公眾平臺的外鏈限制。如需訪問,請點擊文末「閱讀原文」鏈接,查看鏈接齊備的版本。?
延伸閱讀
如何用 ChatGPT 的 Advanced Data Analysis 幫你采集數(shù)據(jù)?
如何用 ChatGPT 幫你自動分析數(shù)據(jù)?
如何用 ChatGPT 做數(shù)據(jù)進階可視化?(三維交互圖與動圖視頻)
筆記本上就能跑的 LLM 好使嗎?GPT4ALL 體驗
如何讓 ChatGPT 更懂你?新功能 Custom Instructions 嘗試