兩周前，OpenAI又放了個大招：GPT3突然放出，其參數量達到1750億，相當于1600個GPT1的大小，光把它用fp16半精度載入記憶體都得300GB，這還不包括實際訓練中需要存儲地梯度等中間變量。是以這也導緻它訓練起來非常昂貴，大概要花1200萬美金，按現在匯率折合成人民币相當于8500多萬元！！！
今天還有部落格稱，GPT-3可以看作是研究神經網絡縮放律的一次嘗試。就是說，從一個好的神經網絡開始，把它增大十倍，它能變更聰明嗎？聰明多少？會聰明十倍嗎？能一直這樣做下去，直到它變得無限智慧、或是把所有電腦都用上？”
部落格連結👇
https://slatestarcodex.com/2020/06/10/the-obligatory-gpt-3-post/這麼好的東西當然是大家一起用才好。Open AI 官方剛剛宣布，釋出針對GPT-3的API接口，讓開發人員可以在日常英文工作中直接調用GPT-3，上手友好度+1。
官網指路：
https://openai.com/blog/openai-api/基本上，該項工作是建立在了解英語單詞的基礎上。OpenAI希望能幫助使用者實作自動化。GPT-3系列自然語言了解模型的各種功能可供開發人員使用。
内測連結：
https://forms.office.com/Pages/ResponsePage.aspx?id=VsqMpNrmTkioFJyEllK8sx3ELsv0PEhHphhNz30FttVUNkYwTlNPMVI1V0lXNjExMlExUlc4SE5YSS4u例如，你可以依靠它快速浏覽大量文本的能力，來回答有關文章的問題或找到相關部分。
在一個簡短的示範視訊中，OpenAI示範了它的工作原理-在Wikipedia的“面包“詞條上詢問“為什麼面包那麼蓬松”，就會傳回文章中有關面包配方及其制作方法的部分。
比如在GPT-2基礎上的著名文字冒險遊戲AI Dungeon，現在用GPT-3的API接口，就能更輕松的實作。AI可以給出很多D＆D原始資料和冒險經曆，并在此基礎上根據玩家的輸入為玩家改進旅程。實質上這是在本地運作模型的一個版本，以前這需要用到一些笨拙的方法來完成，而現在隻需通過API送出輸入。
基本上，這是一種通路GPT-3廣泛的語言了解和生成功能的更簡單的方法，不過目前的呈現隻是簡單的文本輸入和輸出。
OpenAI在部落格中回答了使用者最關心的問題，為什麼OpenAI選擇釋出API而不是開源模型？
OpenAI表示這樣做有三個主要原因。
首先，将技術商業化有助于為正在進行的AI研究、安全和政策工作付費。
其次，API的許多基礎模型非常龐大，需要大量的專業知識來進行開發和部署，并且運作起來非常昂貴。這使得除了大公司以外的任何人都很難從基礎技術中受益。
第三，API模型可以更輕松地應對技術濫用。由于很難預測我們模型的下遊用例，是以通過API釋放它們并随着時間的推移擴充通路範圍，本來就更安全，而不是釋出一個開源模型，因為如果發現該模型存在有害的應用程式，則該模型無法進行通路調整。
“我們希望API能夠大大降低生産有益的AI驅動産品的障礙，進而創造出今天難以想象的工具和服務。”
到目前為止，OpenAI已經與十幾家公司合作，在更廣泛地提供API之前對其進行測試。聊天機器人、教學輔助工具、法律研究——這類東西的應用永無止境，因為語言被用來定義和記錄我們所做的幾乎所有事情。然而，要想找到像這樣的人工智能代理真正有用的地方，需要進行一些實驗。
相關報道：
https://techcrunch.com/2020/06/11/openai-makes-an-all-purpose-api-for-its-text-based-ai-capabilities/![吳恩達機器學習筆記（3）[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)