说小明“爱冒险”），不会前后矛盾——就像它“记着你的偏好”。
当然，chatgpt也不是“万能的”：它有时候会“一本正经地说胡话”（比如编造一个不存在的历史事件），也不会“实时更新知识”（比如你问它“2024年最新的电影有哪些”，它可能答不上来，因为它的知识截止到某个时间点），而且它不会“自己思考”——它所有的回答，都是基于之前学过的知识“拼出来的”，不是像人一样“真的理解了”。
除了chatgpt，openai还有个“ai画家”发音像“达利”，跟那个着名画家同名）。它的功能很简单：你用文字描述一个场景，它就能生成对应的图片。
比如你说“一只穿着西装的柯基，坐在咖啡馆里用笔记本电脑工作，背景是复古风格的街道”能给你画出一只萌萌的柯基，穿着合身的小西装，面前放着迷你笔记本，旁边还有一杯咖啡，背景里的街道有旧旧的路灯和店铺——细节拉满，就像真的有人画出来的一样。
3 gpt-4：比chatgpt更“聪明”的“超级大脑”
你可能听过“gpt-4”这个词——它其实是chatgpt的“升级版”，2023年3月推出的。如果说chatgpt是“高中生水平”，那gpt-4就是“大学生水平”在两个地方：
第一，“能看懂图片”。chatgpt只能处理文字，比如你给它发一张照片，它会说“我看不懂图片”；但gpt-4能“看图说话”：你给它发一张“冰箱里的食材照片”，它能告诉你“里面有鸡蛋、西红柿、黄瓜，可以做西红柿炒鸡蛋、拍黄瓜”；你给它发一张“数学题的图片”，它能帮你分析题目，还能写解题步骤——相当于给ai加了“眼睛”。
第二，“处理复杂问题更厉害”。比如你让它“写一份‘小型咖啡店的创业计划书’，要包括成本预算、客源分析、营销方案”，chatgpt可能会写得比较笼统，但gpt-4能给你算具体的数字（比如“房租每月5000元，咖啡豆进货价每斤80元”），还会分“初期、中期、后期”给你提营销建议（比如“初期搞‘买一送一’，中期做会员体系，后期和周边花店合作”）；甚至你让它“分析一篇1000字的论文，指出逻辑漏洞”，它能一条一条列出来，还会给你修改建议——就像一个“专业顾问”。
不过gpt-4不是免费的：现在你用的免费版chatgpt，大多是基于“gpt-35”（gpt-4的前一代），要想用gpt-4，得花钱开“ps会员”（每月大概20美金），这也是openai赚钱的主要方式之一。
三、openai是咋“从零到一”搞出chatgpt的？
很多人觉得openai搞出chatgpt是“突然爆发”，其实不是——它花了8年时间，一步一步慢慢磨出来的。咱们用“做饭”来类比，你就能明白它的研发过程有多难。
第一步：“买菜”——收集全世界的“知识食材”
要做一顿大餐，首先得买菜；要训练ai，首先得“喂”它知识。openai训练chatgpt的第一步，就是收集“全世界的文字数据”——相当于把“菜市场里所有的菜都买回家”。
这些数据从哪来？
- 公开的网站：比如维基百科、百度百科、各种新闻网站、博客（只要是没加密、能公开看的文字，都会被收集）；
- 书籍和论文：比如图书馆里的经典书籍、学术数据库里的论文（当然，会避开有版权的内容，或者跟版权方合作）；
- 对话数据：比如以前人们和其他ai聊天的记录、公开的论坛对话（比如 reddit 上的帖子），用来教ai“怎么聊天”。
收集来的数据有多少？说出来你可能不信：训练gpt-3（chatgpt的前一代）时，用了大概45tb的数据——相当于把10万部电影的文字内容，或者1000亿页小说，全部塞进ai的“大脑”里。
但这些数据不是“直接用”的，还得“洗菜”：比如去掉脏话、错误信息（比如“地球是平的”这种谣言）、重复内容（比如网上反复转载的同一篇文章），不然ai学了坏东西，就会“说胡话”。这一步很枯燥，但很重要——就像你买菜回来，得把烂叶子摘掉、把泥土洗干净，不然做出来的饭会难吃。
第二步：“做饭”——用超级电脑“炒”
食材准备好，接下来就是“做饭”——这一步是openai最核心的技术，也是最烧钱的地方。
这里的“锅”，就是“超级电脑”：openai用的是微软azure的云服务器，里面有上万颗“gpu芯片”（相当于电脑的“大脑”）。这些芯片同时工作，才能处理几十tb的数据——你可以理解成“用1000口锅同时炒菜”，速度快，但电费和硬件费也贵得吓人。
这里的“菜谱”，就是“算法”：简单说，就是告诉ai“怎么从数据里学知识”。比如，ai看到“猫”这个词，算法会让它记住“猫有四条腿、会喵喵叫、喜欢吃鱼”；看到“今天天气很好