ChatGPT怎么用，才能发挥最大功能？ ｜ChatGPT使用须知8件事
GPT-4有何优势与限制？如何发挥ChatGPT的能力？
ChatGPT-4和前一代有何不同？它又有哪些优势和限制？
政治大学应用数学系副教授兼学务长蔡炎龙回应，目前看来，OpenAI训练GPT-4和GPT-3在文字上应是运用相同的训练资料——GPT-3（ChatGPT）大概「看」了正常人要花超过9,000辈子才能看完的资讯；也就是说，一般人读过的资讯数量远远不及GPT-4读过的。因此，GPT-4和GPT-3都比你我知道更多资讯。
蔡炎龙也说，相比两者可阅读的字数，GPT-4能一次看超过2.5万个字，比GPT-3约只能看2,048个字好非常多。
- GPT-3：以GPT-3（更严格说是GPT-3.5）为底的ChatGPT，一次不能看那么多字，长一点的文章，要它作摘要就做得没那么好，写一个报告前后风格有时会有差异，讨论事情有时方向也会突然有点改变等等。这主要都是因为GPT-3能看的字数限制。
- GPT-4： GPT-4是用一种叫transformers的架构，我们可以想成是「看完前面若干字，再预测下一个字」的模型。前面提到，GPT-3一次输入是2,048个字，所以大概最多看前面两千多个字，再合理预测下一个字是什么。而GPT-4只是用神经网路的原理训练后，计算出文句；只是它真的看过太多资讯，所以可以推出好像非常合理的文句；但是它没有意识、没有情绪，单纯是经训练后算出来的，而非基于事实。
蔡炎龙举例，如果是一个名人，GPT-4可能生成的文字会合理一点；但若不是名人，比方说请GPT-4介绍「政治大学应用数学系的蔡炎龙老师」，它会知道政大是在台湾的一所大学，但因关于蔡炎龙的资讯太少，他就会依是应用数学系的老师，「合理」推出一堆文句通顺但并非事实的文句。
GPT-4有何优势与限制？如何发挥ChatGPT的能力？
ChatGPT-4和前一代有何不同？它又有哪些优势和限制？
政治大学应用数学系副教授兼学务长蔡炎龙回应，目前看来，OpenAI训练GPT-4和GPT-3在文字上应是运用相同的训练资料——GPT-3（ChatGPT）大概「看」了正常人要花超过9,000辈子才能看完的资讯；也就是说，一般人读过的资讯数量远远不及GPT-4读过的。因此，GPT-4和GPT-3都比你我知道更多资讯。
蔡炎龙也说，相比两者可阅读的字数，GPT-4能一次看超过2.5万个字，比GPT-3约只能看2,048个字好非常多。
- GPT-3：以GPT-3（更严格说是GPT-3.5）为底的ChatGPT，一次不能看那么多字，长一点的文章，要它作摘要就做得没那么好，写一个报告前后风格有时会有差异，讨论事情有时方向也会突然有点改变等等。这主要都是因为GPT-3能看的字数限制。
- GPT-4： GPT-4是用一种叫transformers的架构，我们可以想成是「看完前面若干字，再预测下一个字」的模型。前面提到，GPT-3一次输入是2,048个字，所以大概最多看前面两千多个字，再合理预测下一个字是什么。而GPT-4只是用神经网路的原理训练后，计算出文句；只是它真的看过太多资讯，所以可以推出好像非常合理的文句；但是它没有意识、没有情绪，单纯是经训练后算出来的，而非基于事实。
蔡炎龙举例，如果是一个名人，GPT-4可能生成的文字会合理一点；但若不是名人，比方说请GPT-4介绍「政治大学应用数学系的蔡炎龙老师」，它会知道政大是在台湾的一所大学，但因关于蔡炎龙的资讯太少，他就会依是应用数学系的老师，「合理」推出一堆文句通顺但并非事实的文句。
目前，想改善这样的问题是困难的。
微软（Microsoft）Bing使用的方法是让ChatGPT有搜寻的能力，这是其中一个改善的部份。更合理的方法是，既然GPT-4最大特点不是说出完全符合真实情况的东西，那为何不由使用者提供呢？
蔡炎龙认为，使用者已发现，如果提供基本资讯，ChatGPT就会生成相当好的文章；很多专家也发现，我们可以和ChatGPT「讨论」一些概念，ChatGPT有时说的部份是错的，你可以纠正它，它就会产生更好的文字。微软执行长纳德拉（Satya Nadella）用了一个很精确的词，那就是GPT-4这类的模型，是我们的「对话型智慧代理人」（conversational intelligent agents）；代理人的意思是，它功能有多好，其实是人类的责任——也就是你越会用它，它就能发挥越多的功能。
ChatGPT是怎么演进的？
GPT-4是由GPT、GPT-2、GPT-3逐渐演化而来的。
台湾师范大学图书资讯学研究所特聘教授曾元显说明，GPT是Generative Pre-trained Transformer（生成式预训练转换器）的简称；其中，「生成式」代表它可生成文字做为输出的资讯，预训练代表它经过大量资料的事先训练，转换器Transformer则是人工神经网路的一种架构，可以接受一段文字做为输入，将其转换成一串数值向量，使得类似的概念，有相似的向量，再进而生成相同主题的文字。
继2017年Transformer被提出来后，OpenAI公司基于Transformer的神经网路架构以及预测下个字的训练方式，于2018年六月提出GPT模型。由于成效良好，OpenAI公司将模型加大，于2019年二月提出可以根据人工撰写的前导文输出完整文章的GPT-2，2020年五月提出更大型且可依照前导文指示完成多项任务的GPT -3。
虽然GPT-3在语言理解与生成方面已属不凡，但其生成的内容不见得非常符合使用者的意图；因此，OpenAI遂在2022年一月发表更能符合使用任务的InstructGPT（GPT-3.5） ，并于2022年11月底提出可跟使用者对话、并依照指示生成回应的ChatGPT，近期则在2023年三月发表除了接受文字指示外也能接受图片做为输入的GPT-4模型。
GPT系列的模型越来越大，训练资料也越来越多，接受的输入资讯也越来越长。从一开始GPT只使用到数千万个参数，GPT-2使用15亿个参数，到GPT-3使用到1,750亿个参数，但OpenAI并没有透露GPT-4的模型大小，推测应该不会比GPT-3更大（因为更大需要更久的推论和执行时间），但可能用更多资料训练得更久（因为Meta AI的研究指出，较GPT-3小的模型用更多训练资料、训练更久，可以得到跟GPT-3类似甚至超越的成效）。
因此，GPT-4有几项优势：
- 阅读更多文字： GPT-4可以接受更长的输入，最长到32K（差不多53页的文字），比GPT-3长16倍，亦即可以理解更长的文章，回应出更长的文字。
- 文字理解与生成能力更好： GPT-4的文字理解及生成能力提升，特别是在专业与学术领域，比GPT-3更强。例如，GPT-4在模拟的律师考试方面，其成绩已达前10%的程度，而GPT-3仅能达到后10%的程度。
- 文字、图片都接受： GPT-4除可以接受文字输入，也可同时接受图片输入，理解后再以文字回应。而GPT-3仅能做到文字输入与文字输出。
- 可操纵性更高： GPT-4更具可操纵性（steerability），亦即比前一代更易于有效的规范GPT-4回应的风格与定义GPT-4的任务。
然而，GPT-4的限制跟其前一代一样，仍旧会有无中生有、推理错误、各种偏见（如性别、种族、职业等偏见）、不理解训练资料之后发生的事物（训练资料只到2021年9月的网路资料）。因此，在高风险的任务上，使用仍须小心，必须尽力求证。尽管如此，GPT-4回应出事实的能力比其前一代高出40%。
ChatGPT4解读图像的原理是什么？
中央大学资讯电机学院资讯工程学系教授蔡宗翰解析，GPT-4是目前为止最强大的语言模型之一，它的优势在于，GPT-4现在使用更多的训练资料和计算资源，能够更准确地回答问题和生成文字，并减少语言偏见的影响。
此外，GPT-4透过学习大量的文字和图像资料，获得更高的创造力和想像力，能生成更有趣和独特的文字和图像描述。它也具备解读图片的能力，可以从图像中发掘关键资讯并生成相关的文字描述。
值得注意的是，GPT-4需大量计算资源才能运行和训练，会消耗大量的能源，因此在某些设备上可能会难以实现。此外，即使GPT-4的准确性比之前的版本更高，仍可能出现一些错误，使用时需格外小心，并且进一步确认。
