OpenAI AI 基礎概覽

TL;DR

OpenAI 發布了一份題為 AI 基礎 的教育指南，定義了 AI，描述了大型語言模型，概述了預訓練和後訓練，區分了推理模型與非推理模型，並展示了 ChatGPT 如何融入這個層級。

What is AI?

人工智慧（AI）是一種能夠識別模式、從資料學習並產出有用輸出的廣泛軟體類別。

"人工智慧（AI）是一種能夠識別模式、從資料學習並產出有用輸出的廣泛軟體類別。" AI 出現在日常工具中，例如繞過交通的地圖應用程式、標記異常購買的銀行，以及回答常見問題的客戶支援聊天機器人。AI 是一個類別，而非單一工具；其中包含專注於語音、視覺或預測等任務的模型。初學者通常會先使用像 ChatGPT 這樣的對話式 AI 工具，這些工具由大型語言模型驅動。

How large language models work

大型語言模型（LLM）是一種專門用於處理語言的模型。它從許多來源的大量文本中學習模式，以便以有用的方式生成和轉換文本。

"大型語言模型（LLM）是一種專門用於處理語言的模型。它從許多來源的大量文本中學習模式，以便以有用的方式生成和轉換文本。" LLM 不會像人類那樣「知道」事物；而是根據上下文預測最可能的下一個語言片段。運算能力、訓練方法以及取得大型資料集的進步使得構建更大、更強大的 LLM 成為可能。像 OpenAI 這樣的前沿實驗室會構建這些模型，並透過 ChatGPT 或 Codex 等產品以及開發者的 API 讓人們使用。

How models evolve over time

新模型在完成訓練並通過內部評估與安全測試後才會推出。訓練分為兩個階段：預訓練和後訓練。

"第一個階段是 預訓練，此時模型從大量文本中學習一般模式，從而獲得如摘要、起草、翻譯和解釋等廣泛技能。" 預訓練類似於新員工閱讀手冊、範例和過去的專案以了解工作的內容。預訓練結束後，模型進入 後訓練 階段，在此階段會被引導以更清晰的方式回應、提出良好的後續問題、匹配適當的語氣並遵守公司政策。此階段也著重安全檢查，旨在減少有害輸出、避免不必要的請求，並在敏感或不確定的議題上謹慎回應。隨著模型更新，使用者可能會注意到語氣或回應的變化；明確說明目標、對象、格式和限制有助於獲得一致的結果，尤其是在涉及安全或不確定性時。

Reasoning and non‑reasoning models

模型會根據速度、深度以及遵循多步驟指令的能力等不同權衡進行調整。

"非推理模型（有時標記為 ‘Instant’）經過優化以實現快速、流暢的輸出。當任務直接且主要想要保持動力時，它們是很好的預設選擇。" "推理模型（有時標記為 ‘Thinking’）經過訓練，能更好地進行深思熟慮、逐步解決問題——例如規劃、複雜分析、棘手的除錯，或涉及約束條件和邊緣情況的決策。" 非推理模型在起草、總結、改寫或腦力激盪等日常任務中優先考慮速度與流暢度。推理模型會分配更多運算資源在回答前思考問題，這能提升較難、多步驟任務的可靠性，儘管它們可能需要更長時間。對於初學者，預設的 ChatGPT 體驗會在模式之間自動切換，讓使用者能專注於問題而非設定。隨著時間的推移，使用者可以嘗試可選控制，大多時候選擇 Auto，而在面對複雜或高風險任務時切換到 Thinking。

Summary

該指南呈現了一個簡單的層級：

• AI = 整個領域
• Models = 執行特定任務的訓練系統
• Large language models (LLMs) = 專注於理解與生成語言的模型，隨時間由 AI 研究實驗室進行訓練
• ChatGPT = 一個幫助你有效使用 LLM 的產品 理解這個層級有助於使用者透過學習如何有效地與它們溝通，從 ChatGPT 等工具中獲得良好結果。