有一天，一位研究人员决定教一条从互联网收集的AI拾音器线，并培训了他们自己提出自己的选择，以更好地了解语言算法的行为。
仅凭好奇心而产生的最终导致了一系列值得一提的拾音器线，这些拾音器值得在某人的火种概况中占有一席之地。
科罗拉多州Boulder非线性系统的光学研究科学家Janelle Shane使用神经网络框架进行了实验，他使用了一种被称为生成预训练的变压器3（GPT-3）的语言模型进行实验。
GPT-3：Openai的突破给予
2020年7月，Openai出版了纸详细说明GPT-3背后的技术以及它如何随着时间的推移进展。
GPT-3是由旧金山基地创业公司（San Francisco-Bases Startup）创建的，它是一个计算机程序，它使用深入学习来学习文本并生成整个段落，这些段落紧密模仿了人类如何写它们。
根据ZDNET的文章该技术于2020年8月出版，可以说是令人印象深刻的，当与实际人类所写的内容相抵触时通常很难区分的输出。
GPT-3如果经过适当的培训，可能会有助于需要一定级别的沟通的应用程序，例如回答客户服务或报告生成的问题。
为了使GPT-3起作用，其神经网络需要用数百万个示例文本“馈送”，并将其转换为数字表示形式，作为一种数据压缩形式。
然后，它将尝试通过解开压缩数据来制定自己的句子，直到“学习”以生成有效的响应为止。
压缩和解压缩数据的过程将允许GPT-3开发其准确性，直到它可以预测用户将进食的下一组输入为止。
接送线实验
Shane首先试图训练神经网络在2017年生成自己的拾音线并在她身上分享博客发布于2017年4月8日，它如何产生一个单词沙拉，该色拉几乎无法理解到一种可爱的一种：
您是4loce吗？因为你很热！
你是如此美丽，以至于你知道我的意思。
我想和你在一起。
嘿，宝贝，你要成为钥匙吗？因为我可以忍受你的展吗？
她进行了第二次尝试，并在她身上分享了结果3月22日的博客，这一轮导致句子以自己的方式更有意义。
我从所有的尖叫中失去了我的声音，您的热情使我做到了。
我爱你。我不在乎您是否穿着风衣。
你有一张可爱的脸。我可以把它放在空气清新剂上吗？我想始终保持您的气味。
出于好奇，您知道您可以s饮南瓜香料拿铁吗？
你的眼睛就像两个彩虹和彩虹。我忍不住凝视着。
我就像冰淇淋...您可以让我放在冰箱中一段时间，但随后我融化了！
您拥有多少个纹身？
你看起来像是一件事情，我爱你。
本文由技术时报拥有
由Lee Mercado撰写
