国外有个博主写了一篇博文，名字叫「ChatGPT： Explained to Kids」，直译过来就是，给小孩子解释什么是ChatGPT。

因为现实是很多的小孩子已经可以用父母的手机版ChatGPT玩了，ChatGPT几乎可以算得上无所不知，起码给小孩子讲故事，回答一些简单的回答不在话下。

其实这里面就涉及到ChatGPT的一个最最基本也是核心的功能，就是问答，而这个问答功能就是第一代ChatGPT主要的功能。

第一代ChatGPT非常的简单直接，你打字给它，它输出给你。

比如你输入你好，它会随机的给出「吗」，「高」，「美」等回答，这些回答选项取决于你们之前的对话内容。

这个阶段的ChatGPT是大语言模型，它的特点就是只能接受文字输入，并且也只能以文字输入。

中文，英文，数字或者是代码，其本质上都是文字，那么其实最主要的问题就是为什么ChatGPT能理解我们说的话，同时还能基本上回答出让我们满意甚至是惊艳的回答。

我们其实可以用一句老话来形容，那就是书读百遍，其义自现。

说白了就是读的多了，就算不懂某句古诗或者古文的意思，但是起码是背下来了，直接背出来了。

ChatGPT就是读了巨量的「书」，这些资料有的来自于书籍，有的来自于互联网，总之它读了很多很多的书，它的记忆里存储了大量的知识，这一点儿跟人类其实非常的像。

但是在回答的问题跟人类会有一些不同，比如我们在背诵古诗词的时候，床前明月光，后面如果我们背下来了并且确定背的对的话，后一句肯定接的是疑是地上霜。当然我们可以随便编一个错误回答，比如唧唧复唧唧，我们是回答了，但是我们知道肯定是瞎编的。

但是ChatGPT在回答的时候不是这么思考的，它的学习资料来自于公开的数据，如果所有的资料里面床前明月光后面都是疑是地上霜，那么你放心，它肯定可以回答的又快又对。

不过事实上，互联网上的资料不一定都对，有可能某一篇或者某几篇文章里面它的诗句就是错的，那么ChatGPT就有一定的几率输出错误的回答。

特别是很多人都体验过，ChatGPT会胡乱的说作者名字。

因为ChatGPT的输出主要是靠概率，下一个字的输出取决于前面的内容，就还拿刚开始的问题来举例。

这也是我为什么一直强调现在学习AI的重要性，因为你如果对它了解不深的话，AI的很多潜力很难挖掘出来，了解它的最好方式就是了解它的底层原理，GPT就是一个非常好的切入点，我非常建议每个人都能看看这份人工智能入门课程及学习资料，其中也涉及到GPT的底层原理和应用技巧，非常的实用。微信扫码就能领取~

课程是2名圈内AI技术大牛讲课，趁着现在还免费，建议IT人都去看看，语言不限，如果了解Python 收获会更大！

就比如你好，后面可以跟很多的词。

如果你看到一个人好像受伤了，坐在地上，你应该会说：你好吗？

如果你在篮球场碰到了一个身高2米以上的运动员，你应该不会说你好吗或者你好美，而是你好高。

你好美也同理。

我们就可以这么理解，ChatGPT是一个可以综合各种信息进行概率最大化输出的人工智能模型。

这个时候我们可以讲一些细节。

ChatGPT的名字分为两部分：Chat和GPT。

Chat是聊天的意思，GPT是Gene rative Pre-trained Transformer的首字母缩写。

其中Genrative是生成的意思，它的作用是可以创造或者生产一些新的东西；Pre-trained是它从大量的文本资料中学习而来，Transformer指的是一种人工智能的模型。

T不用关注，主要就看G和P这两个词就行。

我们主要用的就是它的Generative功能，用它来生成各种各样的内容；但是我们需要知道为什么它可以生产各种内容，原因就在于P。

只有学习了大量的内容，才可以进行再生产。

而这种学习其实是会有局限性了，很自然的，比如说你从小学习了很多的知识，但你可以保证你对一个问题的回答是完全正确的吗？

几乎不可能，第一是知识的局限性，ChatGPT也一样，不可能掌握所有的知识；第二是知识的准确性，怎么保证所有的知识都是准确无误的；第三是知识的复杂性，同一个概念在不同的语境下有不同的体现，这种度别说AI，就连人都很难完美把握。

所以我们在使用ChatGPT的时候，也需要监督ChatGPT输出内容的准确性，它大概率是没问题的，但是你要把它用在关键问题上，就得人工再审核一遍。

而现在的ChatGPT，其实已经升级过两次了，一次是GPT4，具有更准确的回答能力，另一次是最近的GPT Turbo。

现在的ChatGPT，是一种叫多模态的大模型，它跟第一代不同的地方就在于它不仅可以接收和输出文字，也可以接收其他类型的输入，比如图片，文档，视频等等，然后输出也更加多样化，除了文本之外，也可以输出图片或者文件等等。

这个「模」在这里就指的是不同的数据类型，为什么ChatGPT要做多模态，本质上就是因为OpenAI做ChatGPT的初衷就是要做AGI。

而AGI又是什么呢，它的全名叫Artificial general intelligence，通用人工智能。

它的特点就是可以在所有的任务中表现的跟人类相似。

也可以简单的理解为跟人类具有相近的智能程度，而像人类的话，起码可以跟人类一样做到几件事，可以看东西，可以听东西，可以说东西，也可以写东西。

第一代的ChatGPT只能看文字和写文字，其实远远摸不到AGI的边。

而多模态就是必要的实现路径，现在的ChatGPT可以看，看文字和看图片都可以；可以听和说，这个功能已经在手机APP版本的ChatGPT中实现了，也可以写，也就是输出东西，它可以写代码，写文章，也可以画画等等。

这就是为什么要做多模态的出发点，更重要的是这个世界本来就是多模态的，很多东西很难用文字完全表述，比如如何形容一朵花都感觉不够完美，最简单方法就是把照片拿出来看。

而多模态的ChatGPT就做的事这件事，接收各种类型的输入并且输出各种类型的输出。

这篇问答主要的作用是通俗的解释了ChatGPT的运行原理，但是很多的细节并没有涉及到，如果大家对于细节感兴趣，建议大家可以领取这套AGI课程及学习，里面还有一些深入浅出的技术细节讲解。