3 个实验揭示了ChatGPT的威力
环顾四周，你一定会发现人们对人工智能的兴趣正急剧上升，因为人工智能比以往任何时候都能更准确、更有效地处理语言。是的，自早期的伊莱扎（Eliza）机器人以来，聊天机器人已经取得了飞跃性的进步。伊莱扎的治疗师角色巧妙地通过不置可否的回复来反映用户的输入，从而掩盖了其认知能力的局限性。如今的机器人似乎能真正理解用户，甚至能解释流行语。
为这些人工智能增添动力的是大型语言模型（LLM）。LLM 是一种语言预测工具，可以通过预测句子中即将出现的单词来阅读、总结和翻译文本，从而生成与人类语音和写作非常相似的新文本。它们善于书写和解释文本，这种认知能力意味着它们能做的远不止是写出电子邮件的初稿或总结会议记录。
由 OpenAI 构建的 ChatGPT 凭借其简单的对话界面和易用性获得了令人难以置信的人气。这种易用性激发了 Media.Monks 内部的多个团队尝试使用 LLM，尤其是 GPT，以找到更好的工作和创作方式。其结果是一系列原型创新，证明了 LLMs 能够帮助内部协作、简化信息收集和自助服务，并使每个人都能更方便地使用高技术指标。
通过多用户体验实现协作。
我们专注于技术和创新的研发团队--Labs.Monks 建立了一个聊天机器人，旨在简化团队间的头脑风暴和协作。这款由 GPT 驱动的聊天机器人被命名为布莱恩（Brian，原意为 "BrAIn "的内部双关语，后更名为 "Brian"，以简洁明了），它集成到 Slack 中，是团队频道中智能、活跃的参与者。布莱恩的想法来自于这样一个认识：ChatGPT 的大多数应用都是基于任务的，这启发了团队去考虑 LLM 支持团队的其他方式，比如充当创意合作者。
Brian 有两种模式。在促进模式下，它通过提出问题和对讨论进行总结，让小组的头脑风暴持续进行。在贡献模式下，布莱恩作为另一个合作者，与团队一起思考，为讨论添砖加瓦。
"在我们的一次测试中，它能够帮助我们集思广益，讨论如何为一个针对老年人的软饮料品牌创建一个体验活动，并取得了一些有趣的结果！高级创意技术专家 Angelica Ortiz 说："虽然最终我们还是自己想出了一个主意，但布莱恩的意见帮助我们实现了其他可能想不到的结果。布莱恩能在一群用户中进行讨论（甚至能直呼其名），这使布莱恩与其他聊天机器人不同，后者通常仅限于一对一的对话。
该团队最初创建 Brian 是为了获得 LLM 的实践知识和经验，这也是他们最近实验室报告的重点。现在，该团队正在探索如何将其作为一种工具推出，供 Media.Monks 团队广泛使用。
布莱恩的建议帮助我们实现了其他我们可能想不到的结果。
微调 GPT 的替代方案。
在看到 LLM 的潜力后，许多品牌都在探索微调这些模型的想法，以更好地匹配他们的语气或他们创建的内容类型。一般来说，微调现有模型的成本效益较高，无需训练模型、为聊天机器人编程或从头开始编写新内容。但对于某些使用案例，微调的成本可能会比另一种产生更多品牌独特结果的方法--即时工程--高得多。
我们的技术服务实践开发了一种提示工程方法，可以轻松构建一个由 GPT 驱动的聊天机器人，它可以根据特定领域的内容回答问题。他们使用的例子是将公司的内部维基变成一个助手，为员工省去搜索和筛选冗长文档的麻烦，找到他们需要的信息。这种方法背后的关键技术是 OpenAI 的嵌入式技术，它可以将用户查询与最相关的源内容中的答案进行匹配。
嵌入式技术释放了一些令人难以置信的功能。用户可以用自己选择的语言提问和接收回复，而无需考虑源内容的原始语言，这意味着无需进行本地化。它们也不依赖于精确的词语匹配；如果有人向我们假设的公司维基机器人询问有关 "休假时间 "政策的问题，机器人会知道从文档中提取有关 "带薪休假 "的信息。为聊天机器人添加更多内容也很简单，只需一个简单的网络钩子，机器人就能回答有关新发布内容的问题。
如果你想进一步了解如何使用嵌入式技术来开发自己的机器人，请查看全文。您还可以观看视频演示，了解嵌入式如何实现上述各项成果。
快速消化信息。
筛选数据可能会让人不知所措，尤其是如果你不擅长数字的话。这就是我们的企业自动化团队开发 Turing.Monk 聊天机器人的原因。Turing.Monk 是以 20 世纪计算机科学家艾伦-图灵（Alan Turing）的名字亲切命名的聊天机器人。Turing.Monk 通过回答三种格式的查询，帮助团队快速找到他们在活动中需要的答案：列表、摘要和图表。
该机器人的功能很像营销助理，可以帮助营销人员对营销活动的表现得出结论。想了解媒体成本每周的变化情况？只需让 Turing.Bot "提供一份书面摘要，说明媒体成本是如何变化的"。就是这么简单。
用自然语言提问的能力有助于让团队中不懂 SQL 或 Python 的人也能轻松掌握分析和数据科学。"企业自动化全球副总裁 Michael Balarezo 说："虽然还处于开发初期，但现在客户经理可以不断提示和微调提示，以获得他们想要的结果。"我们现在正在努力提高工具的分析能力，利用 LLM 的力量来理解询问的细微差别，并将其转化为更复杂的洞察力。
还有更多潜力有待挖掘。
虽然人们已经对法律硕士生成文本的能力谈了很多，但他们在解释查询和浮现有用的上下文信息方面的技能--所有这些都是以对话的形式进行的--将使他们成为工作场所和其他地方不可思议的工具。从促进创造性合作，到让所有人都能轻松获取信息，再到通过将可消化的数据置于人们的指尖来赋予人们超能力，像 GPT 这样的 LLM 的潜力是巨大的--可以肯定的是，我们将继续尝试并找到更多的应用和用例，让我们的团队和我们合作的品牌受益。
