最近，GPT-3火了！相信你已經在網上看到各種有關GPT-3的演示。這個由OpenAI創建的大型機器學習模型，它不僅可以自己寫論文，還會寫詩歌，就連你寫的代碼都能幫你寫了。 下面還是先讓你看看GPT-3的威力吧，首先來看看GPT3在問答任務上的表現：

無論你的問題是天馬行空的腦筋急轉彎，還是有邏輯性極強的數學問題，它都能對答如流。 開發者Sharif Shameem用GPT-3做了一個生成器，你只要輸入你所需的布局，它就能為你生成JSX代碼。如下視頻所示：

還有人在 Google 表格里開發了一個新的 GPT3 函數，除了簡單的數學運算之外，它還可以自動查找美國各州的人口以及創建年份：

除此之外，它還能查到Twitter賬號：

遺憾的是，如果你想試用GPT-3，你得先拿到體驗資格才行，但是此模型創建的應用程序似乎有無限可能，通過它你可以使用純英語查詢SQL數據庫，自動注釋代碼，自動生成代碼，編寫熱門文章標題，甚至幫助猿妹我寫出一篇爆文。 GPT-3是什么？ GPT-3是一種神經網絡驅動的語言模型。與大多數語言模型一樣，GPT-3在未標記的文本數據集上進行了大量的訓練（訓練數據包括Common Crawl和Wikipedia），從文本中隨機刪除單詞或短語，并且模型必須學會僅使用周圍的單詞作為上下文來填充單詞或短語。這是一個簡單的培訓任務，可以產生功能強大且可推廣的模型。 GPT-3模型架構本身就是一個基于單向transformer語言模型。這種架構在2-3年前開始流行，流行的NLP模型BERT和GPT-3的前身GPT-2都是基于transformer構建。從架構的角度來看，GPT-3實際上并不是很新穎!

它之所以會這么火，是因為GPT-3的模型尺寸增大到了1750億，并且使用45TB數據進行訓練，是有史以來創建的最大語言模型。源于它的參數模型巨大，因此可以完成許多其他模型無法完成的事情，就像前面所說的，你可以讓它成為一名翻譯家、作家、詩人、程序員等。 如果你對GPT-3的模型參數1750億感到有些抽象，那么，我舉個例子，你應該就懂了：

BERT模型有3億參數

GPT-3模型的前身GPT-2有15億個參數

英偉達的Megatron-BERT有80億參數

微軟Turing NLP，有170億參數

就連排名第二的微軟Turing NLP的數據參數和GPT-3都不是一個量級的。

值得一提的是，這次的GPT-3論文作者足足有31位，論文體量更是高達72頁，網友都驚呼，現在PTM的工作是要開始pk論文頁數了嗎？

和往常一樣，GPT-3立即放出了GitHub項目頁面，你可以在上面找到各種各樣有趣的demo，最后附上Github地址：https://github.com/openai/gpt-3。推薦↓↓↓

原文標題：敲代碼、作詩、寫論文無所不能！史上最大AI模型GPT-3強勢霸榜Github

文章出處：【微信公眾號：人工智能與大數據技術】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq