过去几个月里，想必大家都或多或少听说过有关 GPT-3 的消息。它可以通过自然语言描述来生成 python 代码，也可以对某个新闻写出简要概括，根据你的要求来编写商业文本等，好像一个无所不能的助手一样。

实际上，GPT-3 是一个自然语言处理模型，这一切都始于一篇由OpenAI研究人员发表的论文《Language Models are few Shot Learners》，这篇论文详细的介绍了 GPT-3 系列的模型。如果你仔细阅读了这篇论文，会惊叹于其规模之大和能力之强，它只使用了一套算法就可以完成非常广泛的任务。

从比较专业的角度来解析这个模型：GPT-3 有8种不同的模型类型，他们的参数也不尽相同，从 1.25 亿到 1750亿 不等。同时，它的体系结构为自回归模型，用对下一个单词进行预测的目标进行训练。

在过去几年里，相继出现了 BERT ，Roberta 这些预训练模型，使得自然语言处理方向出现了一些突破，他们使得机器可以进行诸如文本总结，阅读理解等。但是对于文本生成，以及自然语言推理相关的任务，仍然是显得力不从心。

而 GPT-3 强大的理解能力和文本生成的能力使得它和其他语言模型之间有了一条分界线，接下来我们就来聊聊，GPT-3 都能干些什么？

它可以通过理解你表格中其他行列的信息来推断空着的表格内应该填入什么，并且据此填写出答案。

预测出空余表格要填入密歇根州和阿拉斯加的人数

你可以以自然语言对你想完成的任务进行描述，然后 GPT-3 就会帮你生成一个完全符合要求的 python 代码，一些基础性的工作就可以不必亲力亲为。

生成图表和python代码

收到邮件以及给定的关键词为

GPT-3 生成的回复

文中所提到的一些应用只是冰山一角，GPT-3 已经被开发出了多个应用场景，并且都有着不错的表现，它的出现更加增强了自然语言处理研究的价值，也展现出了相当不错的发展前景。