在2015年12月，一群杰出的头脑聚在一起，有着一个共同的目标：以有益于整个人类的方式推动和发展友好的人工智能。
Sam Altman、Elon Musk、Greg Brockman、Reid Hoffman、Jessica Livingston、Peter Thiel、Amazon Web Services (AWS)、Infosys 和 YC Research 宣布了 OpenAI 的成立，并承诺投资超过 10 亿美元。该组织表示，将通过将其专利和研究对外公开以“自由合作”于其他机构和研究者合作。
OpenAI 总部位于旧金山任务区的 Pioneer 大楼。2016年4月，OpenAI 发布了“OpenAI Gym”的公共测试版，这是其用于强化学习研究的平台。2016年12月，OpenAI 发布了“Universe6”，这是一个用于衡量和训练人工智能在全球游戏、网站和其他应用上的通用智能的软件平台。
2018年，Elon Musk 辞去了董事会席位，理由是与特斯拉自动驾驶汽车的 AI 开发存在“潜在未来利益冲突”，但他仍然是一位捐赠者。2019年，OpenAI 从非营利组织转型为有限营利组织，投资获得了100倍的盈利上限。该公司向员工分发了股权，并与微软合作，微软宣布向该公司投资10亿美元。OpenAI 随后宣布打算商业授权其技术。
2020年，OpenAI 宣布了 GPT-3，这是一个经过训练的语言模型，数据源来自互联网上的数万亿字。它还宣布了一个相关的 API，简称“API”，将成为其首个商业产品的核心。GPT-3 旨在回答自然语言问题，但它还可以在不同语言之间进行翻译并生成连贯的即兴文本。2021年，OpenAI 推出了 DALL·E，这是一个可以从自然语言描述中生成数字图像的深度学习模型。
快进到2022年12月，OpenAI 推出了 ChatGPT 的免费预览版，获得了广泛的媒体报道。根据 OpenAI 的说法，该预览版在前五天内获得了超过一百万的注册。根据路透社引用的匿名消息源，OpenAI 预计2023年的收入将达到2亿美元，2024年将达到10亿美元。截至2023年1月，公司正在进行估值为290亿美元的融资谈判。
这就是 OpenAI 的故事，一个由营利性公司 OpenAI LP 和其母公司非营利性公司 OpenAI Inc 组成的人工智能研究实验室。
大多数人在 OpenAI 发布其热门的 ChatGPT 之前并不了解 OpenAI。
ChatGPT 的主要目的是模仿人类行为，与人们进行自然对话。然而，这个聊天机器人能够根据与不同用户的对话来学习和自我教育。这个人工智能具有对话能力，可以撰写教程和代码、创作音乐以及执行其他任务。ChatGPT 的用例非常多样化，几乎无穷无尽；用户已经证明了这一点。一些用例是创造性的（例如创作一首说唱歌曲），其他一些是恶意的（例如生成恶意代码或命令），还有一些是业务导向的（例如搜索引擎优化、内容营销、电子邮件营销、冷邮件和业务生产力）。
ChatGPT 简单地代表着“Generative Pre-trained Transformer”，它是建立在 OpenAI 的 GPT-3 系列大型语言模型之上的。这个聊天机器人是通过监督学习和强化学习技术进行微调的。
GPT-3 作为 ChatGPT 的基础。ChatGPT 只是一个利用 GPT-3 并添加了 Web 界面、内存和更加用户友好功能的项目。阅读完本指南后，您将能够构建自己的聊天机器人，可能比 ChatGPT 更好，因为您可以根据自己的特定需求进行自定义。
使用 GPT-3 的其他项目包括：
GitHub Copilot（使用 OpenAI Codex 模型，这是 GPT-3 的后裔，专门用于生成代码）
德雷塞尔大学（早期发现阿尔茨海默病的迹象）
Algolia（增强其搜索引擎功能）
您肯定听说过 GPT-4。GPT-4 是 GPT-3 的继任者，也是 OpenAI 创造的尚未发布的神经网络。
您可能已经看到了比较两个版本的 GPT 的图表，显示了 GPT-3（1750亿）和 GPT-4（100万亿）的参数数量。
当被问及这个病毒式的插图时，Altman 称其为“完全胡说八道”。
“关于 GPT-4 的传闻是一件荒谬的事情。我不知道这一切都是从哪里来的。
人们渴望失望，他们会失望的。这种炒作就像...我们没有真正的通用人工智能，这是人们对我们的期望。”
在同一次采访中，Altman 拒绝确认这个模型是否会在2023年发布。
关于本指南
从本指南中获得的知识将适用于当前版本（GPT-3），并且很可能也与 GPT-4（如果有的话）相关。
OpenAI 提供了用于访问其人工智能的 API（应用程序编程接口）。API 的目标是通过创建一个通用接口来抽象底层模型，使用户能够使用 GPT，而不受其版本的限制。
本指南的目标是提供一个使用 GPT-3 在项目中的逐步指南，通过这个 API。本指南还介绍了其他模型，如 CLIP、DALL-E 和 Whispers。
无论您是构建聊天机器人、人工智能助手还是提供人工智能生成数据的 Web 应用程序，本指南都将帮助您实现目标。
如果您具备 Python 编程语言的基本知识，并愿意学习一些额外的技巧，比如使用 Pandas 数据框架和一些自然语言处理技术，那么您拥有开始使用 OpenAI 工具构建智能系统所需的所有必要工具。
请放心，您不需要拥有数据科学家、机器学习工程师或人工智能专家的头衔来理解本指南中呈现的概念、技术和教程。我们的解释非常清晰，易于理解，采用简单的 Python 代码、示例和实际练习。
本指南侧重于实际操作和实践，旨在帮助读者构建真实世界的应用程序。本指南以示例为驱动，提供了许多实际示例，帮助读者理解概念并将其应用于解决实际问题。
通过学习的最后，您将构建以下应用程序：
细化的医疗聊天机器人助手
智能咖啡推荐系统
带有记忆和上下文的智能对话系统
智能语音助手，类似于 Alexa，但更智能
用于 Linux 命令的聊天机器人助手
语义搜索引擎
新闻分类预测系统
图像识别智能系统（图像转文本）
图像生成器（文本转图像）
等等！
通过阅读本指南并按照示例操作，您将能够：
了解不同的可用模型，以及何时以及如何使用每个模型。
生成各种用途的类似人类的文本，例如回答问题、创建内容等等。
控制 GPT 模型的创造力，并采纳生成高质量文本的最佳实践。
转换和编辑文本以执行翻译、格式化和其他有用的任务。
使用各种参数和选项（例如后缀、max_tokens、temperature、top_p、n、stream、logprobs、echo、stop、presence_penalty、frequency_penalty、best_of 等等）优化 GPT 模型的性能。
在使用 API 时进行词干处理、词形还原和减少费用
了解上下文填充、链接和实践使用高级技术
了解文本嵌入以及特斯拉和 Notion 等公司如何使用它
了解并实施语义搜索和其他高级工具和概念。
创建预测算法和zero-shot技术，并评估其准确性
了解、实践并改进少样本学习。
了解微调，利用其创建自己的模型的力量
了解并使用创建自己的模型的最佳实践。
使用 GPT 进行训练和分类技术。
创建高级细化模型。
使用 OpenAI Whisper 和其他工具创建智能语音助手。
使用 OpenAI CLIP 进行图像分类。
使用 OpenAI DALL·E 生成和编辑图像。
从其他图像中汲取灵感，创建您自己的图像。
从 Stable Diffusion（图像转文本）中反向工程图像提示
保持联系
如果您想要保持与 Python 和人工智能生态系统的最新趋势同步，可以加入我们的开发者社区，网址是 www.faun.dev/join9。我们每周发送必读的教程、新闻和来自软件工程专家的见解的新闻简报。
您还可以获得我们所有过去和未来指南的20%折扣，发送电子邮件至 community@faun.dev，我们将发送给您一个优惠代码。