ChatGPT是什么？探究训练模型的奥秘，了解它如何改变人工智能世界！GPT和stable diffusion如何通过这两个技术打造出更高效的人工智能系统，了解ChatGPT和stable diffusion的原理让你在人工智能领域走在前沿

 

什么是GPTGPT（Generative Pre-training Transformer）是一种模型我们经常听说的ChatGPT就是基于此模型演变而来，它可以根据输入的文本自动生成人类可以理解的自然语言输出。

ChatGPT 通过 GPT 大模型训练、有监督训练初始模型、训练 Reward 模型、强化学习优化模型 等步骤实现其强大的对话功能网上有关 ChatGPT 的原理介绍文章一大堆，要么是从 NLP 的历史开始讲起，要么是上数 GPT 3 代，内容都相对冗长和复杂。

其实 ChatGPT 的原理并不难理解，我将以最通俗易懂的方式为技术小白解读，帮助大家更好地了解这一技术训练模型是咋回事GPT （Generative Pre-training Transformer）模型是一个宏观的模型，是一种大型语言模型，能够生成各种不同的文本类型，我们现在比较火的ChatGPT是针对对话场景特别优化过的，它可以根据上下文自动生成跟人类一样的文本对话。

我们扒一扒 OpenAI 官方对 ChatGPT 的原理介绍，地址是：OPEN-AI

参考以上的图例，GPT系列模型的基本思路是让AI在海量的数据上通过文字上下文对接，从而掌握基于前文内容生成后续文本的能力这种训练方法不需要人类标注数据，只需要提供一段话的上文并遮住下文，然后将AI生成的文本与下文内容进行对比来训练AI。

ChatGPT是在GPT3.5模型的基础上进行优化的，作为GPT系列的第三代，GPT3.5在万亿词汇量的通用文字数据集上进行了训练，几乎可以完成自然语言处理的绝大部分任务，例如完形填空、阅读理解、语义推断、机器翻译、文章生成和自动问答等。

例如，给GPT一个句子「花谢花飞花满」，GPT就能生成最有可能是下一个字的结果但由于下一个字有多种可能性，比如「花满天」、「花满园」等，因此GPT每次输出的结果都可能不同

第一种：人为干预光靠学习文字串联，GPT 仍不知道该如何给出有用的回答比如问 GPT 『世界上最高的山是哪座山？』，『你能告诉我么』、『珠穆朗玛峰』、『这是一个好问题』 都是上下文通顺的回答，但显然 『珠穆朗玛峰』 是更符合人类期望的回答。

所以人们采用了一种有监督学习的方法，即让人类提供一些问题和对应的人工答案，然后将这些问题和答案提供给GPT进行学习这种方法可以引导GPT朝着人类期望的方向进行关联，并生成正确和有用的回答需要注意的是，这种方法并不需要人类提供所有可能的问题和答案，这样做既代价高昂又不切实际。

实际上，只提供了数万条数据用于训练GPT，因为GPT本身就有能力产生正确的答案，只是尚不知道哪些答案是人类所需要的这些数据主要是为了告诉GPT人类的偏好，提供一个正确的引导，这样我们可以得到一个简化版的ChatGPT模型。

如下图：

第二种：Reward 模型为了让这个简化版的ChatGPT模型变得更强，我们可以参考其他AI模型的训练思路例如，围棋人工智能AlphaGo通过海量的自我对弈来优化模型，最终超越了人类那么，我们能否让GPT通过大量的对话练习来提高其回答问题的能力呢？答案是肯定的，但是缺少一个"好老师"。

与AlphaGo通过围棋规则来决定胜负不同，GPT回答问题时，没有人可以告诉它答案的好坏我们不能让人来逐个评定GPT的回答，因为这需要大量的时间和精力但是，AI的精力是无限的，如果有一个能够辨别GPT回答好坏的模型（即奖励模型），并根据人类的评分标准对GPT给出的答案进行评分，那么GPT的回答就能更符合人类的偏好了。

因此，让GPT对特定问题给出多个答案，由人类来对这些答案进行排序。相比直接给出答案，让人类对答案进行排序要简单得多。基于这些评价数据，研究人员训练了一个符合人类评价标准的奖励模型。如下图：

第三种：AI 指导 AI基于上一步我们想进一步解放认为干预，那么就想到 AI 指导 AI，简单来说就是让 AI 通过不断尝试，有则改之、无则加勉，从而逐步变强。例如：

前两步训练得到的模型在这一步都能派上用场：我们随机问简易版 ChatGPT 一个问题并得到一个回答，让 Reward 模型（老师模型）给这个回答一个评分，AI 基于评分去调整参数以便在下次问答中获得更高分。

重复这个过程，完整版的 ChatGPT 就训练好啦！如图：

示例：

image-20230404224942023第一批靠ChatGPT赚到钱的人都是怎么玩的当一些人仍然在关注"ChatGPT"的新闻时，另一些人已经在ChatGPT上赚得盆满钵满，取得了巨大成功例如，知识星球App上与ChatGPT相关的星球数量在一夜之间急剧增加至200多个，其中90%的星球要求付费，最受欢迎的星球拥有9000多名成员，定价为279元，营收高达251万。

更令人惊奇的是，这个星球在成立仅5天后，就已经实现了每日30万以上的利润搞直播、短视频通过直播平台分享AI技术知识，为观众提供有价值的内容，吸引粉丝和关注度可以针对不同的观众群体，如学生、工程师、企业家等，提供不同领域的AI知识。

可以通过直播礼物、打赏、广告等方式获得收入还有在直播间，观众公屏打字提出相关问题，由主播手动输入，再念出AI的相应回答，进而吸引粉丝有数据显示，类似这样的直播，场观都在1~5万之间，高的甚至可以超过20万。

同时除了获得直播流量收益和打赏收益外，有人还在直播间挂上了AI聊天服务购买链接，和价位不等的ChatGPT注册和应用课程仅靠这种简单的方式，就可以单日涨粉过万、营收过万讲课、卖星球好多人在搞知识星球或者一些其他的知识付费平台和付费问答、打赏平台，关于ChatGPT相关的内容，也都是大众付费意愿和付费比重很高的类目。

线下的讲课培训也很多，一些ChatGPT相关的线下课程，已经卖到了5千~2万不等，虽然价格并不便宜，但很多人还是认为，对于ChatGPT这个有着无限想象力和应用可能的新生事物，先人一步洞察先机，做点投资，是完全值得的。

暴力卖ChatGPT账号ChatGPT刚火的时候，最简单粗暴的赚钱方式不论是淘宝还是咸鱼，当时随手一搜ChatGPT，就能看到至少几十家上百家售卖账号的商铺，数千人付款，成交量在5w+的推出各种套餐，什么体验账号，日包账号，年包账号等。

按中间价10元计算，5w个销量，就是50w是收入短短一两个月的时间就赚这个数不过这个也是有风险的3月31日，Open AI就开始无征兆的进行全球大封号，其中亚洲是重灾区，官方没有给出任何声明，具体原因不得而知。

并且暂停了这些地区新账号的注册所以之前花钱买的账号这下都完蛋了整合ChatGPT做自己的应用一些人或一些公司，给ChatGPT套个壳，或者把一个根本和ChatGPT扯不大上关系的应用，冠上“中国版ChatGPT”的名头，吸引别人付费进而收割一批。

现在利用ChatGPT赚钱还有机会么实际上，有一些人只是利用热点、热度，赚取“短平快钱”这种方式并不可持续，因为热度过去或者人们的认知更加成熟，这种赚钱方式就行不通了那么，有哪些可以通过ChatGPT踏踏实实、长长久久赚钱的方式呢？。

AI垂直自媒体：提供高质量的内容，提供有价值的、高质量的内容是吸引粉丝和赚钱的关键可以通过写作、绘画、摄影、视频等方式创作优质内容，并通过自媒体等平台分享不论是图文，还是视频，什么公众号、抖音、B站、视频号、直播，能上的一起上，统统搞起来，多元化、全方位呈现。

开设知识付费课程：如果你擅长某个领域的知识，可以通过ChatGPT等平台开设知识付费课程，为学习者提供有价值的教育内容可以通过课程费用和学员人数来获得收入利用ChatGPT开发AI产品：如果你是AI技术开发者，可以利用ChatGPT等平台开发AI产品，如智能语音助手、智能客服、智能机器人等。

可以通过产品销售、技术服务等方式获得收入搞钱，谁都想，但一定要理性，任它ChatGPT杀疯了，任他先跑的人赚麻了，作为普通人，我们都不能失去理智要客观清醒地认识自己的能力和资源，做好认知提升和技能储备，时候准备着在合适的时点入场，虽然不一定能吃到“大肉”，但只要能跑赢大多数后知后觉的人，喝口“头汤”还是很有可能的。

AI图片生成网站都有哪些AI不仅可以通过文本内容进行创作，还在创意产业中发挥着越来越大的作用，与传统的绘画工具不同，AI人工智能时代的绘画工具是全自动的、智能的看一下目前几个比较主流的AI画图平台：Deep Dream Generator：该网站利用深度学习算法生成艺术风格的图片，用户可以选择不同的艺术风格和图像种类，生成独特的图片。

该网站提供免费和付费两种服务，免费服务可以生成分辨率较低的图片，付费服务则可以生成更高分辨率的图片，价格从200不等AI Painter：该网站利用深度学习算法生成油画风格的图片，用户可以上传自己的照片或选择默认的图片进行处理。

该网站提供免费和付费两种服务，免费服务可以生成低分辨率的图片，付费服务则可以生成更高分辨率的图片，价格从

9.99不等ArtBreeder：该网站利用GAN算法生成艺术风格的图片，用户可以选择不同的艺术风格和图像种类，生成独特的图片该网站提供免费服务，用户可以上传自己的照片进行处理，也可以与其他用户的作品进行协作。

NeuralStyler：该网站利用深度学习算法生成艺术风格的图片，用户可以选择不同的艺术风格和图像种类，生成独特的图片该网站提供免费和付费两种服务，免费服务可以生成低分辨率的图片，付费服务则可以生成更高分辨率的图片，价格从50不等。

DALL·E：DALL·E是由OpenAI推出的一种基于Transformer模型的AI生成模型，它可以通过给定的文本描述生成逼真的图像DALL·E可以生成各种各样的图像，包括动物、物体、场景等例如，它可以通过描述“一只绿色的鸟，拥有一副鱼的嘴巴和长长的人类手指”来生成一张类似鸟的图像，或者通过描述“一张沙发，外面是一片森林，上面坐着一只熊”来生成一张类似场景的图像。

一个月会赠送少量的credits还是需要收费的Midjourney：这个是目前体验最好的，但是目前可开始收费了，Midjourney是一个由Midjourney研究实验室开发的人工智能程序，可根据文本生成图像，于2022年7月12日进入公开测试阶段，使用者可通过Discord的机器人指令进行操作，可以创作出很多的图像作品。

这个有银子的兄台可前去体验，体验还是很不错的都收费了我就自己搭建一个『midjourney』- stable diffusion开源 AI 绘画项目 stable-diffusion部署stable-diffusion有几种方法：

本地部署云部署白嫖谷歌的Colab部署由于该项目非常吃显卡，所以一般我们自己部署资源达不到，用我们普通pc进行部署，生成一个图片最长的用半个小时下面介绍一下怎么用谷歌的Colab部署准备条件谷歌账户魔法工具

访问githubhttps://github.com/camenduru/stable-diffusion-webui-colab在页面中随意选择一个模型

lite has a stable WebUI and stable installed extensions.stable has ControlNet, a stable WebUI, and stable installed extensions.

nightly has ControlNet, the latest WebUI, and daily installed extension updates.推荐选择nightly的体验最新版本和功能，选择一个打开后界面

点击图中1的链接，等待连接状态变为"已连接"然后点击2，如果没有登录谷歌账户的会要求登录谷歌账户耐心等待几分钟，将会出现两个链接随意点击其中一个链接，即可跳转到Web页面最好你有chatgpt生成 prompt （如果没有chatgpt账号，这有个雷锋搭建的平台用的是gpt-3.5-turbo模型，地址是：点我）。

你会看见谷歌给你分配的虚拟资源：

当然有的人建议把当前mode复制到云端硬盘谷歌的云端硬盘，每个用户有15G的免费空间，这个项目大概12G，剩下的空间可以装一些model，这样也是可以的看到这个界面说明服务部署完成了，可以使用了之后点击第三个链接：『https://cddd84b5a9a0e7.lhr.life』。

stable-diffusion-webui 的功能很多，主要有如下 2 个：文生图（text2img）：根据提示词（Prompt）的描述生成相应的图片图生图（img2img）：将一张图片根据提示词（Prompt）描述的特点生成另一张新的图片。

了解以下几个参数的含义：

变更模型文件， stable-diffusion-webui 的默认模型文件就是现在截图中左上角的文件，用这个模型文件生成出来的图片比较丑，因此可以换模型文件模型文件下载的网站几个，比较出名的就是 civitai

，这上面共享的都是别人训练好的模型。civitai：civitai.com/

如果是通过谷歌的云端硬盘安装的，可以直接下载模型文件后放到以下目录中，插件的 models 目录：stable-diffusion-webui\extensions\sd-webui-controlnet\models

这样我们在左上角就可以选择新的模型弊端：每隔30分钟左右会断开连接，需重新连接并点击运行（但毕竟是免费的，这点问题不算大）给大家简单介绍几个比较好的模型：人体姿势：civitai 网站上的 Deliberate。

模型重新着色和风格化：Canny Edge 模型 & HED Boundary 模型草图绘制：使用 Scribbles 模型建筑物绘制：M-LSD 模型语义分割绘制：Semantic Segmentation

模型三维制图：Depth 模型 & Normal Map 模型给大家一个体验生成图片的prompt，自己尝试一下有惊喜哦！An elegant Eastern young woman with delicate facial features, resembling the beauty of Liu Yifei. She has black hair and a playful, lively expression. At 20 years old, she is stylishly dressed in a fashionable dress. The image is a waist-up portrait, showcasing her grace and charm.

stable diffusion 原理是什么Stable Diffusion，这是一种用于AI绘画的算法，它是由CompVis和Runway团队在2021年12月提出的“潜在扩散模型”（LDM/Latent Diffusion Model）的变体，基于2015年提出的扩散模型（DM/Diffusion Model）

Stable Diffusion 的数据会在像素空间（Pixel Space）、潜在空间（Latent Space）、条件（Conditioning）三部分之间流转，其算法逻辑大概分这几步：图像编码器将图像从像素空间（

Pixel Space）压缩到更小维度的潜在空间（Latent Space），捕捉图像更本质的信息；对潜在空间中的图片添加噪声，进行扩散过程（Diffusion Process）；通过 CLIP 文本编码器将输入的描述语转换为去噪过程的条件（

Conditioning）；基于一些条件对图像进行去噪（Denoising）以获得生成图片的潜在表示，去噪步骤可以灵活地以文本、图像和其他形式为条件（以文本为条件即 text2img、以图像为条件即 img2img）；

图像解码器通过将图像从潜在空间转换回像素空间来生成最终图像。

啥？还是看不懂？那我们来个例子：

这个是一个扩散现象，当我们把墨汁滴入水中，墨汁会均匀散开；这个过程一般不能逆转，那 AI 可以做到么？当墨汁刚滴入水中时，我们能区分哪里是墨哪里是水，信息是非常集中的；当墨汁扩散开来，墨和水就难分彼此了，信息是分散的。

类比于图片，这个墨汁扩散的过程就是图片逐渐变成噪点的过程：从信息集中的图片变成信息分散、没有信息的噪点图很简单，逆转这个过程就需要 AI 的加持了所以对图片加噪点，让图片逐渐变成纯噪点图；再让 AI 学习这个过程的逆过程，也就是如何从一张噪点图得到一张有信息的高清图。

这个模型就是 AI 绘画中各种算法，如 Disco Diffusion、Stable Diffusion 中的常客扩散模型（Diffusion Model）

所以我们看在midjourney生成图片的时候有不同的百分比，从模糊到清晰的生成图片过程。就是这么来的。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186