作者：宗恩丨來源：SegmentFault 思否
神經網絡之父、圖靈獎獲得者 Geoffrey Hinton 評論 GPT-3 ：「鑒於 GPT-3 在未來的驚人前景，可以得出結論：生命、宇宙和萬物的答案，就只是 4.398 萬億個參數而已。」
危險警告！網際網路原子彈，人工智慧界的卡麗熙，算力吞噬者，黃仁勛的新 KPI ，下崗工人製造機，幼年期的天網 —— 最先進的 AI 語言模型 GPT-3來了！
近日，馬斯克接受《紐約時報》專訪時警告稱，人工智慧帶來的危險已迫在眉睫，未來5年內人類就可能被人工智慧超越。他表示，目前所有的人工智慧項目中，最擔心的是谷歌的DeepMind項目。「DeepMind 所構建的人工智慧本質是在所有遊戲中戰勝人類，而這跟 80 年代科幻電影《戰爭遊戲》（WarGames）的背景極為相似。」
看完這條消息，小編表示「鋼鐵俠」馬斯克還是先不要說別人家的人工智慧了，還是先管好自己家的人工智慧吧，你公司旗下的 GPT-3 已經要搶走大家的飯碗了......
就算你完全不了解AI，相信你最近也或多或少的看到了有關 GPT-3 的重磅消息，有媒體稱其為 「繼區塊鏈技術之後又一個轟動全球的現象級新技術」。這項技術究竟有多厲害？小編希望你最好不要真的體會到。
在了解 GPT-3 的威力之前我們先來了解一下它是誰。
GPT 是Generative Pre-training Transformer 的簡稱，是由 Alec Radford 編寫的語言模型，2018 年由埃隆·馬斯克的人工智慧研究實驗室 OpenAI 發布。它採用了生成式語言模型（兩個神經網絡通過競爭相互完善），通過對不同的書面材料集與長篇連載文本的預訓練，能夠獲取世界知識並處理長程依賴關係。
GPT-2於2019年2月宣布，是一個無監督的轉化語言模型，它是在800萬份文檔上訓練出來的，共40GB的文本，來自通過Reddit提交分享的文章。埃隆·馬斯克並不願意發布它，因為他擔心它可能被用來向社交網絡發送假新聞。
2020年5月，OpenAI發布了GPT-3，這個模型包含的參數比GPT-2多了兩個數量級（1750億vs 15億個參數），並且使用45TB數據進行訓練，是有史以來創建的最大語言模型。源於它的參數模型巨大，因此可以完成許多其他模型無法完成的事情。
下崗工人製造機
GPT-3經過了整個網際網路數千億個單詞的訓練，它能夠使用CSS、JSX、Python等任何一種語言編程。
通過使用 GPT-3 無代碼編程和AutoML離我們越來越近，
用 GPT-3 開發的自動回覆郵件工具，只需要輸入幾個簡要的回覆關鍵詞，GPT-3 就能自動生成一篇文筆流暢的回覆郵件：
用GPT3做了個簡單的頁面生成器，他只需要輸入「給我一個長得像西瓜的按鈕」，GPT3會直接輸出一個圓形的、內紅外綠的按鈕。
十秒鐘生成一個 Google 首頁：
如果輸入的信息是：「超大的紅字，寫著『歡迎來到我的通訊頁』，底部再來一個訂閱按鈕」。輸出的效果下面這樣。
它還能自己編寫AI模型。只要給GPT-3提出具體的需求：
構建一個圖像分類模型，把圖片分成5類，訓練數據集共有2.5萬張圖片，輸入圖片尺寸為500×500。
很快GPT-3就輸出了模型的完整代碼：
當然資料庫知識也不在話下。
現在用SQL實現數據的統計查找，基本就是一句話的事情，提出需求，GPT-3幾秒內快速給出SQL查詢代碼。
還有運維的活兒，GPT-3也懂一點。
開發小哥哥小姐姐是不是已經開始擔心失業了？別擔心會計同學們或許會更早失業......
滑鐵盧大學的計算機學生 Yash Dani 用 GPT-3 開發了一個Python 驅動的資產負債表。輸入「我今天投入了兩萬美元」、「後三個月的房租預付了900刀」這樣的自然語言，程序能自動修改資產負債表上相應的項目數值：
推特有個程式設計師Merzmensch Kosmopol和GPT3來了一番深度對話，談談人類、AI和神的存在。「我現在已經沒有任何疑問了。」結束聊天的程式設計師有一種看破塵世的滄桑感。
雖然GPT-3已經強大到有點「恐怖」，但它距離真正的智力還有非常長的距離，上述工作都是 GPT-3 建立在 生成式語言模型基礎是上完成的，也就是說 GPT-3僅僅是個語言工具，它並不理解自己生成的語言。「認為它有感知能力，或認為它能代表『智能』的說法都是誇大之詞，這會讓公眾對這項技術產生誤解」。
「OpenAI」執行長山姆·奧特曼在推特網上也表達了類似的觀點：「GPT-3受到了過度的宣傳。它仍然存在嚴重的弱點，有時還會犯非常愚蠢的錯誤。」
「人工智慧終將改變世界，GPT-3不過是征途初期的滄海一粟。」《福布斯》雜誌網站如此評價。
內容來源：
www.towardsdatascience.com/will-gpt-3-kill-coding-630e4518c04d
www.3g.163.com/news/article/FIHQJPFB0531I6Y1.html
掃描下方二維碼進入「SegmentFault」公眾號，回復關鍵詞 GPT3 獲取GPT-3相關論文。