這是由全球頂尖AI學者，科學技術領域的重大變革者，以及全球首個實用人工智能搜尋引擎WolframAlpha的創造者斯蒂芬·沃爾弗拉姆傾心打造的ChatGPT，作為OpenAI開發的人工智能聊天機器人程式，ChatGPT在2022年11月亮相，其自動生成的文本令人驚歎，仿佛是人類所書寫。這本書将帶你走進ChatGPT的内部世界，揭示其如何産生人類般的文本。
>>精選内容：
ChatGPT的精髓在于其簡單而直接：從網際網路、圖書等資源中提取大量的人類文本樣本，訓練神經網絡以生成“類似”的文本。特别地，ChatGPT能夠從給定的“提示”開始，延續生成與訓練資料相似的文本。
神經網絡在ChatGPT中的作用相當基礎，盡管它由數十億個簡單元素構成。每當神經網絡生成一個新詞（或詞的一部分），它都會依據目前生成的文本得到的輸入依次傳遞給所有元素（無需循環等）。
令人驚訝的是，這個過程能成功地生成與網際網路、圖書等資源中的内容相似的文本。ChatGPT不僅能生成連貫的人類語言，還能根據“閱讀”過的内容來“按照提示進行對話”。但它并非總能産生全局意義上的有意義的對話，因為（在沒有Wolfram|Alpha的計算能力幫助下）它隻是在模仿訓練材料中的内容，盡可能地“說出正确的話”。
ChatGPT的實作過程無疑令人矚目。然而，ChatGPT隻是從其積累的“傳統智慧的統計資料”中提取出一些“連貫的文本線索”。盡管如此，其結果的人類程度已經達到了令人驚訝的地步。
這揭示了一個科學上的重要事實：人類語言及其背後的思維模式在結構上比我們想象的更簡單、更規律。ChatGPT已經暗示了這一點，但我們可以通過語義文法、計算語言學等工具來明确地揭示它。
ChatGPT在生成文本方面表現得極為出色，其結果通常非常類似于人類創作的文本。這是否暗示ChatGPT的工作方式與人類的大腦相似？其底層的人工神經網絡結構實則是對理想化大腦的模組化。在人類生成語言的過程中，許多方面似乎有着極高的相似性。
然而，當談及訓練（或學習）時，大腦和現代計算機在硬體（以及一些未被開發的潛在算法思想）上的差異會迫使ChatGPT采取一種可能與大腦完全不同的政策（在某些方面可能效率較低）。
值得一提的是，ChatGPT内部沒有“循環”或“重新計算資料”。這無疑限制了其計算能力——即使與現代計算機相比也是如此，更不用說與大腦相比了。
我們尚不清楚如何在解決這個問題的同時保持系統的訓練效率。但如果能做到，未來的ChatGPT可能能做到更多“類似大腦的事情”。當然，有許多事情大腦并不擅長，特别是涉及不可約計算的問題。對于這些問題，大腦和像ChatGPT這樣的系統都需要尋求“外部工具”的幫助，比如Wolfram語言。
然而，目前看到ChatGPT已經能夠做到的事情是非常令人振奮的。在某種程度上，它是一個優秀的例子，展示了大量簡單的計算元素能做出令人驚歎的事情。它也為我們提供了一個最佳的動力，去更好地了解人類的核心特性——人類語言及其背後的思維過程的本質和原則。