​如何使用GPT-3在10分钟内构建惊人的AI应用程序？（内附丰富视频教程）

你是否认为，构建一个基于自然语言处理（NLP）的 AI 应用程序（例如聊天机器人或翻译软件）需要大量的数据、计算机技术、并且会花费大量时间？但其实并非总是如此——使用 GPT-3，我们能够以最少的开发工作量构建一些基于 NLP 的惊人 AI 应用程序。

GPT-3 全称 Generative Pre-trained Transformer 3，是一种通过训练大量来自互联网的数据集得到的语言模型，由 OpenAI 公司开发。本质上它是一个巨大的神经网络，作为深度学习的一部分，它是人工智能的典型代表。

那么 GPT-3 模型为什么受到巨大关注？我们一起来看看：

• GPT-3 模型包含 1750 亿个参数，而以前的版本，GPT-2 模型只有 15 亿个参数。参数是神经网络模型中的权重，该神经网络模型将输入转换为输出。
• GPT-3 是一个生成模型，这意味着它具有生成较长单词序列的能力，可以作为连贯输出。
• 这种最先进的语言模型几乎可以回答所有传递给它的问题，而且更加人性化。
• 在模型训练中使用了数十亿个单词、文本和代码段，从而使其能够在多种编程语言中进行自动编码。
• 除了英语，它的多语言文本处理功能还可以处理其它语言。
• 最优越的地方在于，GPT-3 模型可以执行特定任务，比如充当翻译器、聊天机器人甚至作为代码构建器，而无需任何自定义设置或任何特殊调整，它只需要经过一些训练数据的训练。

在本文中，我们将向大家展示如何使用这个惊人的 API 来解决不同的基于 NLP 的 AI 用例。

获取访问权限

首先，要构建本文中涵盖的用例，需要获得 GPT-3 beta API 的访问权限。
可以通过以下链接申请访问：https://beta.openai.com

此外，为了与 GPT-3 API 交互，我将使用“gpt3-sandbox”存储库中的脚本。使用 API 文件夹中的 gpt.py 就可以访问 GPT-3 API。
gpt3-sandbox 存储库链接：https://github.com/shreyashankar/gpt3-sandbox
脚本链接：https://github.com/rsharankumar/Use-Cases-using-GPT-3

聊天机器人 chatbot

在下面的示例中，导入所需的软件包以及从“gpt3-sandbox”存储库中下载的脚本。我们将向模型传递三个参数:

• engine：有四个选项可供选择，分别是 Davinci、ADA、Babbage、Curie。此处使用 Davinci，因为它是使用 1750 亿个参数训练的最强大引擎；
• temperature：其范围通常在 0-1，用于控制生成输出的随机性。值为 0 时模型具有确定性，即每次执行后的输出都是相同的；值为 1 时，生成的输出将具有较高的随机性；
• max_tokens：最大完成长度。

在下面的脚本中，需要询问的问题被传递给变量“prompt1”，然后使用 submit_request 函数传递给模型。其结果存储在“output1”变量中，如下图：

将文本转换为公式

在下面的示例中，可以基于非常少的训练即可将文本转换为公式，这一点其他预训练模型则无法实现。

如图所示，temperature 值已经增加，以使响应输出具有一定的随机性，我们还将一些预定义的示例作为训练数据集传递给模型。仅用 5 个示例，就可以训练该模型将文本转换为公式。用已知示例训练模型后，如图所示，将 “x squared plus 2 times x” 作为输入，模型成功将其转换为公式 “x^2+2x”。

翻译器（英语-法语）

此外，还可以训练模型使其充当翻译器。如下所示，仅通过三个示例来训练模型，就能将英语文本翻译为法语。

附上以上用例的视频教程 https://youtu.be/g5WhlYBx-T0，其中提供了用例实现的逐步介绍。

原文链接：https://towardsdatascience.com/how-to-build-amazing-ai-use-cases-under-10-mins-using-gpt-3-ebc51b2b2b97

除了以上 3 个案例之外，我们还在网站 GPT3 Examples 上找到了各类 GPT-3 实例应用，比如：

1、设置待办事项时，人们往往难以预估完成某任务所需的时间及其难度，Bram Adams 使用 GPT-3 的语义搜索功能确定任务难度。比如，输入“walk the dog”，GPT-3给出的任务难度为“easy”，完成时间低于 1 小时。

链接：https://twitter.com/i/status/13198679411150929932、从发票中提取不同款项的信息：有人利用基于 ML 和基于规则的逻辑开发此功能，但往往耗时较长。Sahar Mor 使用 GPT3 构建类似工具，只需要将发票文件导入即可获得结果，大大缩短提取时间。

链接：https://twitter.com/i/status/13008627199696814113、Tyler Lastovich 使用 GPT-3 和 Generated Photos 创建了一个可互动虚拟人的工具：在框内输入人物描述，即可生成符合描述的虚拟对象，你可以与虚拟对象互动，“他们”知道自己的名字、工作地点、自己的老板是谁等等具体信息。

链接：https://twitter.com/i/status/12957722619753144324、基于一句话，将其扩展成一篇完整的邮件：Samanyou Garg 使用 GPT-3 构建了一个 Gmail 信息填充器，移动端与网页版均可使用。

链接：https://twitter.com/i/status/12979580412627763255、招聘时撰写职务说明需要创意？工具 Dover 可以帮助招聘者更恰当地描述职位，以便找到合适的应聘者。
链接：https://www.dover.com/tools/job-description-rewriter