创建GPT-3产品需要什么？

当Open-Ai去年推出GPT-3时，它以大量的热情达成了。在GPT-3的发布后不久，人们开始使用大规模的语言模型来自动编写电子邮件和文章，总结文本，撰写诗歌，创建网站布局，并在Python中生成深度学习的代码。留下了一种印象，所有类型的新企业都会出现在GPT-3之上。

八个月后，GPT-3继续成为人工智能研究的令人印象深刻的科学实验。但它仍有待观察GPT-3将成为民主化的平台，使AI供电的应用程序建立。

授予，破坏性技术可能需要更多的时间来创造可持续的市场，而GPT-3则在许多方面前所未有。但到目前为止，发展迄今为止，那些受益于GPT-3受益的人是已经掌握了AI的大部分力量的公司，而不是想要从头开始的人。

就自然语言处理的研究而言，GPT-3并非突破。与纯粹在深度学习的其他语言模型一样，它与顽强斗争，并不善于处理抽象知识。但是，尽管如此，它是显着的，并表明您可以通过创建更大的神经网络并将其馈送更多数据来将针头上的针头移动到NLP上。 GPT-3在大小超过两个数量级超过其前身，并且在更多数据中培训至少十倍。

结果是一种语言模型，可以执行零射击和少量学习。这基本上意味着您可以在不编写任何代码的情况下使用GPT-3在不编写任何代码的情况下，而不花费时间和昂贵的资源再培训它，而不会对架构进行任何调整。并且对于许多应用程序，您只需要显示您所期望的输出的一个或两个示例，并且它开始在新输入上执行任务，具有显着的准确性。

这种性能导致GPT-3将使开发人员能够创建AI供电的应用程序而无需深入了解深度学习。这最终会导致新一代企业家，他们将在GPT-3之上创造新业务。

Openai的商业化GPT-3的决定主要是由于公司需要可持续资金。 AI研究实验室正在燃烧大量的现金来培训其AI模型，并涵盖其科学家的薪水。它无法继续从创始人和支持者捐赠工作。它需要一个可持续的收入来源。其中一部分将来自租用其巨大的语言模型到其他公司。

将GPT-3作为云服务提供的一个好处是它消除了运行AI模型的技术和财务挑战。而不是通过设置可以运行GPT-3的服务器群集的痛苦和成本，而是开发人员可以通过API直接使用语言模型，并按照它们使用它来付费。

但是，虽然Openai的GPT-3服务摘要摘掉坐姿的复杂性，但它不会删除与建造成功产品一起使用的其他挑战：

证明您在市场上的其他人比其他人更好地解决了它

有盈利能力的路线图，获取客户的成本低于每位客户的平均收入

最后一点很重要。考虑，例如亚马逊。创建亚马逊克隆不是不可能的。那么为什么没有任何其他产品以电子商务巨人确定？亚马逊通过网络效果在其平台上建立了一个令人满意的“Moat”：买家继续前往亚马逊，因为这是卖家所在的地方。卖家继续在亚马逊上销售他们的商品，因为这是买家所在的地方。所以，无论你创造的亚马逊克隆多么好，除非你可以把批评的买家和卖家带到你的平台，你将无法以有利可图和可持续的方式从“一切商店”中抢夺比赛。

涉及发射机器学习动力的产品时，竞争不仅根据网络效果和特征而定义，还包括AI工厂：

您必须拥有一个稳定的基础架构，可以整合培训您的AI模型所需的数据

您必须有手段来收集新鲜质量数据，以不断从用户的互动中欣赏您的产品，并进行微调您的算法

例如，亚马逊有很多关于客户购买的历史数据。这使公司能够开发机器学习算法，可以为客户提供相关建议或使其供应链更有效。这些算法可提高销售，优化运输和交付，并降低运营成本，使亚马逊成为其他电子商务平台的边缘。此优势将更多用户带到亚马逊。用户反过来会产生更多数据，提供亚马逊，甚至更多的机会来学习，改进其算法，并尝试新的AI供电功能。只要亚马逊可以维持这个周期，它将继续占据电子商务景观。

想要与亚马逊竞争的公司不仅要复制其产品，而且还必须克服亚马逊的巨大数据障碍。

这是GPT-3变得有问题的地方。语言模型是它自己的AI工厂。作为云API服务提供的零射击学习系统并不意味着学习新事物。它出来的一切都出现在框中，您无法更改底层的AI模型。如果Openai随着时间的推移（可能会将其遗嘱）改进GPT-3，它将立即将升级的模型同时向所有API客户端提供。

语言模型为每个人提供地面。您在GPT-3上构建的任何应用程序都可以通过另一个开发人员轻松克隆。

这让我想到了我的要点：你不能依靠GPT-3来建立一个整个产品和工作业务模式，而无需采取额外措施来巩固您在市场的立场。另一方面，GPT-3可以是一个良好的平台，用于为已经具有相当大的市场份额的应用程序添加关键作品。

由于GPT-3的Beta启动，我们已经看到了一些旨在使用语言模型来创建不同应用程序的新启动。 Alex Schmitt，樱桃企业的投资者已经编译了一个很好的GPT-3项目列表，包括从自动化网络和广告宣传的产品范围内恢复写作和网站创建的产品。

虽然这些应用程序中的一些看起来他们解决了一个真正的问题，但我没有看到他们中的大部分都有可持续的商业模式。

例如，一家公司将其应用程序作为“第一个GPT-3动力恢复构建器”，该应用程序自动完成恢复内容的键入。这可能是一个有用的应用程序，但我看不出它是如何成为可持续业务的。

一方面，基于云的申请的主要收入来源之一是从订阅用户的重复收入。因此，GPT-3恢复生成器有几个月订阅计划。但人们每月不需要编写恢复，因此产品可能会有很高的流失率，因为大多数用户将在注册后的第一个月离开。

此外，我没有看到为什么Microsoft已经拥有独家GPT-3许可证和拥有LinkedIn，如果证明是真正的游戏更换者，则不会免费或以低成本添加此功能。 。

另一个例子是Copysmith，一个使用GPT-3的公司“编写广告，描述，元数据，登陆页面，博客帖子，以及更多时秒。”这是GPT-3可能有希望的结果。我认为GPT-3将是一个良好的工具，用于编写深入分析和关于复杂主题的op-eds。但它肯定可以采用更简单的任务，例如协助编写Web副本。

您提供CopysMith与诸如公司名称，目标受众以及简短描述之类的提示，它为广告，产品描述，营销文本等文本生成了文本。

值得注意的是，文本GPT-3生成并不完美，仍然需要一些抛光，但它可以提高生产力并降低成本。例如，一个人可以使用该工具进行几个内容作家的工作，并导致较低的员工成本（对内容作家的Chagrin）。每月定价包括19美元，60美元和500美元的计划，分别提供约500,2,500和20,000件原始内容。因此，它适用于个别公司以及为几个客户提供服务的大型内容厂。

但是，考虑到使用GPT-3的低入口屏障，我不明白为什么其他公司不会复制相同的型号（头段是另一个提供类似功能的公司）。或者，大型内容厂可以很少努力创造自己的内部版本。

似乎获得了牵引的一家公司是opollyDeai，它使用GPT-3生成电子邮件。您可以提供具有关键子弹点的optomaideai，并为您提供完整的电子邮件。 AI还使用电子邮件链和过去的通信作为输入，以进一步个性化电子邮件的音调。

没有其他可用于其他地会的定价计划，目前处于私人测试阶段。

几个子弹点➡️完整的电子邮件。准备好超过您的收件箱速度比以往任何时候都更快。 pic.twitter.com/v8vsshglxb.

- 其他人（@OSERSIDEAI）2020年11月12日

该公司已筹集了260万美元的资金来创建其应用，这意味着它已进入某事。但有趣的是，其他人也知道，只需将一个良好的用户界面放在GPT-3之上并不是一个很好的业务战略。该公司于1月22日推文：“我们需要您的帮助教授我们的电子邮件发电机来编写更广泛的电子邮件。”

GPT-3是一个封闭的模型，你不能训练它，这意味着在引擎盖上比GPT-3 API上的一个简单的外观更亮相。要清楚，您可以通过提供一个或多个样本提示和响应来提高GPT-3的性能。语言模型将这些新示例映射到其庞大的编码知识语料库，并将其应用于新的提示以创建更专业的输出。而该公司可能会作为其区分因素的银行业务。

我们需要您的帮助教授我们的电子邮件生成器来编写更广泛的电子邮件。 🦾填写表格或RT贡献😊https:/t.co/yao5a7hf5g作为谢谢您的贡献，我们将赠送：💻m1 macbook pro👀100免费officeideai beta邀请

- Othersideai（@othersideai）1921年1月22日

因此，ObastyDeai通过收集示例电子邮件的大型语料库来创建一个Moat。然后，它可以以不同的方式使用此数据来提高GPT-3超出其基本配置。例如，该公司可能会创建一个更简单的机器学习模型，该模型与用户输入与最相关的示例匹配，然后馈送GPT-3以生成新电子邮件。这可能是一个工作策略。但它也可以是一个危险的道路，将在处理私人用户数据的烦恼中聘请公司。

其他人的好处是它可以集成到不同的电子邮件应用程序中。但是，了解Gmail或Microsoft Outlook等产品是否会考虑在将来添加类似的功能。

正如这些案例展示（我建议您浏览Schmitt网站上的项目列表），GPT-3不是创建启动的无忧无虑的路径。我当然期待语言模型及其继承者改进现有应用程序，成为创建创造力的内部工具的良好平台（我对看到微软将如何将GPT-3集成到办公室，团队，动态和Bing中的内容）。

但在GPT-3顶部创建有利可图的新业务和产品需要仔细规划，以抵御副本牌和竞争对手。有趣的是，与其他AI公司正在做的方式没有太大不同：收集质量数据，学习新事物，创造更好的机器学习模型。