写作应该是各行各业，各种职业都会用到的基础技能。

虽为基础技能，但要做好却不难简单，想必你一定经历过深夜论文没灵感、合作方案写不出来这些类似的痛苦。如果这个时候能有一个什么都懂的全能大神指点迷津，或者直接完成，那简直再好不过了！

最近一位Twitter网友在体验了一款AI神器后，发现愿望竟然真的实现了！

这款AI神器正是Open AI开发的GPT-3自然语言处理模型。简单来说，GPT-3是一款AI文本生成器，它可以根据上文提示，自动补齐下文。官方说法是，这款GPT-3涵盖了1750亿个参数，远超GPT-2和其他AI文本生成模型，达到了目前的最佳SOTA，而且其写作水平能够与人类媲美。

但是实际效果如何，咱谁也没用过。可能是出于对产品的自信，两个月前，OpenAI将这款耗费了1200万美元的商用GPT-3模型，对外开源了，现在人人皆可拿来作为自己的写作助手。

最近一位名为Delian的网友在体验完之后，忍不住在Twitter分享了令他难以置信的使用效果。Delian是家风投公司创始人，他希望GPT-3能在“如何召开有效的董事会会议？”的问题上给出一些建议，因此，他针对这个问题，在GPT-3中输入了上文：

内容概要：GPT-3首先肯定了稳定高质量的董事会成员对公司发展的价值，然后对如何执行招聘董事会成员的工作给出了具体建议，首先是确定需要招聘的人员清单。

目标清单：从自己身边的同事或朋友入手，招展人脉资源，确定符合需要的目标人选（大约20-25人）

资格清单：建立人员筛选标准，提出一些专业问题、个人生活问题，根据回答判断与公司需求的匹配度。

确定好之后，接下来便是召集现有的董事会成员开始招聘工作。在这里需要保持热情沟通，呈现公司价值。

对于GPT-3呈现出的结果，Delian表示远超出了预期。可以看出，首先模型基本理解了上文大意，并且在无其他提示的情况下，给出了非常详细的意见和建议，虽然并非完全正确，但问题本身也是开放性的问题。同时，下文也基本遵循了上文的格式，如分段和主标题样式。

另外，经过多项测试后，Delina发现任何领域的专业问题，它都能自动生成相互匹配的下文，比如有关同性恋故事的剧本，行业专家的技术访谈、或者有关选举的政治话题等统统不在话下。

Delin还把如此强大的GTP-3形容为：

如果iPhone的出现，是将全世界的知识装进了您的口袋，那么GPT-3则为你提供了10,000个，能够与你在任何话题上交流的博士。

听着非常心动了，每天为文案熬秃头的朋友们，可以来尝试体验一下，为你们奉上开源地址，Github地址：https://github.com/openai/gpt-3

其实，GPT-3的出色性能还不知如此。这个版本的模型是在今年的五月份刚刚被推出，与之前的GPT-2本相比，它在参数上高出了100倍。更重要的是，GPT-3实现了无需微调的最佳SOTA。

一般来说，GPT自然语言模型工作分为上游预训练和下游特定任务两个主要阶段。无需微调，意味着在经过大型语料库的预训练后，GPT-3在处理诸如语言翻译、完型填空、文本生成等常见NLP任务时，无需针对下游任务作出特殊处理。

同时，它也意味着其处理任务的性能表现，主要取决于它的预训练过程。

首先从预训练阶段的模型大小来看，从论文中的数据显示，在经过几项简单的任务训练（删除文本中的随机符号）后，模型越大学习曲线越陡峭，而越是陡峭，代表学习性能越强。因此，可以说下游任务的学习能力主要由模型大小决定。

另外，从语料库来讲，模型越大越需要大的语料库作为支撑，GPT-3采用的数据集（Common Crawl）包含了近一万亿个单词。

GPT-3自身的学习经验主要是从网上抓取，因此在回答一些常识性问题时，它可以从网上找到准确的对应答案。但在处理对于一些“不言而喻”的问题时，它就可以出现错误，比如下文：

Q：烤面包机和铅笔哪一个较重？

A：铅笔比烤面包机重。

虽然在这些问题上存在缺陷，不过，GPT-2在处理一些逻辑性问题，或者阅历理解任务时，几乎可以达到人类的水平。因此，在很多方面可以作为人类很好的辅助工具。

相关链接：雷锋网雷锋网雷锋网

论文地址：https://arxiv.org/abs/2005.14165

https://delian.substack.com/p/quick-thoughts-on-gpt3

https://lambdalabs.com/blog/demystifying-gpt-3/