他用 GPT-3 實現(xiàn)了「量子速讀」

你是否曾為了查一個問題，翻書翻到頭禿？

要是書里有的內(nèi)容，一問便知就好了...... 等等，“一問便知”，這怎么有 ChatGPT 那味兒了？

話說，有人還真就由此思路開發(fā)出一個聊天 Bot，做示例的書是馬可?奧勒留的《沉思錄》（全書共 12 卷，497 則）。

只用幾分鐘，AI 就能記下全書內(nèi)容。

然后隨便問個書里講過的東西，比如“如何處理負面情緒？”，AI 可以快速掃描文本并給出高質(zhì)量回答，甚至還一條條給你列好。

原帖一發(fā)布，網(wǎng)友紛紛圍觀點贊。

開發(fā)者 Dan Shippers 稱，做出這個 AI 并不難，主要功臣就是語言大模型 GPT-3，另外再加幾行代碼就搞定了。

另外，這哥們兒甚至還嗅到了一絲商機：

網(wǎng)上現(xiàn)在有很多受版權(quán)保護的文本、音視頻資料集，都能被做成聊天機器人！

對想獲取信息的人來說，有時一看給了錢自己還要慢慢整理，可能就放棄了；而要是能通過 AI 快速鎖定目標內(nèi)容的話，應(yīng)該會有更多人愿意自掏腰包。

怎么做出來的？

用 Dan 哥的話來說，Bot 制作過程主要分為 3 個步驟。

首先，當(dāng)然是找到整活的素材。比如整本《沉思錄》。

Dan 哥從網(wǎng)上下載了《沉思錄》原著，將其保存在 Google Dive 的一個文件夾中。通過 Google Drive，用戶可以將文件存儲在云端，并在設(shè)備間同步、共享。

然后再在谷歌的云端編程平臺 Colab 上，運行下面這段 Python 代碼，既能訪問 Google Drive，還能輕松實現(xiàn)與 GPT-3 的互動。

Dan 介紹稱，GPT-3 能以任何文本素材為基礎(chǔ)，給你整出一個聊天 bot。

不過有個問題：單次能向 GPT-3 輸入的文本字數(shù)是有限的。

所以第二步，就是訪問存在 Google Dive 上的那個文件夾，再把整個文本素材劃分成一個個小塊，存到新的文件中。

第三步，當(dāng)用戶提問時，先通過 OpenAI 的 API 訪問書中包含相關(guān)解釋的小塊內(nèi)容，再把這些內(nèi)容傳到 GPT-3 中，整理出語言通順的回答。

具體代碼如下：

到此，為整本《沉思錄》專門定制的聊天機器人就做好了。

除此之外，基于此基本思路，Dan 哥又把他喜歡的某系列播客節(jié)目也做成了聊天 Bot。

他說自己曾在節(jié)目中聽到一個感興趣的名詞，但忘了是啥意思。平時想弄明白的話，不得不把一集內(nèi)容重新聽一遍。

但現(xiàn)在有了聊天 Bot—— 重聽？不存在的。

Dan 是何許人也？

話說回來，能從聊天機器上人看到新的商機，Dan 哥的過往經(jīng)歷或許也產(chǎn)生了一定影響。

他本科畢業(yè)于賓夕法尼亞大學(xué)的文科類哲學(xué)系，但這位哥其實還是個技術(shù)大佬。

他從小學(xué) 5 年級就開始編程，在大學(xué)期間又和小伙伴創(chuàng)辦了一家軟件公司 FireFly，收入在六位數(shù)以上。

他還在上大二時，不少科技公司就已拋來橄欖枝，但人家都拒絕了，說是想先完成學(xué)業(yè)。

大學(xué)一畢業(yè)，他把 FireFly 賣給了知名業(yè)務(wù)軟件公司 Pegasystems，賺到第一桶金。

緊接著，他在 Pega 擔(dān)任起項目負責(zé)人，并把業(yè)務(wù)部門的收入提高到百萬美元級別。

再后來，他從 Pega 出來，于 2020 年又創(chuàng)辦一家公司 Every，主要創(chuàng)作商業(yè)類簡報和播客，目前已有 6 萬 + 訂閱用戶。

（怪不得他會想到把播客內(nèi)容做成聊天機器人）

目前除了自己開公司，Dan 還兼任紅杉資本的 Scout，為風(fēng)投者出謀劃策。