ChatGPT与保险：四个ChatGPT回答不出来的本质问题
为了系统地分析ChatGPT对保险的影响，本文首先从ChatGPT的能力出发，明确其上限和优势，然后介绍ChatGPT在保险公司应用中的价值水平，明确其应用产生价值的路径，然后介绍了ChatGPT思想对保险业的启示，最后阐述了以ChatGPT为代表的AIGC技术普及后保险业可能发生的变化。必须指出，本文中未使用ChatGPT，因为它的能力有限，因此不符合本文的写作要求。
1、 如何评估ChatGPT的能力？
为了分析ChatGPT的能力，我们可以从其内部机制和外部性能入手。
首先，看看内部机制，它决定了ChatGPT的上限
涉及许多特定的人工智能技术。我会尽量简化并清楚地介绍它们。
事实上，到目前为止，OpenAI尚未披露ChatGPT的完整技术细节。相关的ChatGPT技术原理是通过引入ChatGPT的“出生证明”获得的（图1）。这段话解释了几个含义：
首先，ChatGPT类似于InstrumentGPT（兄弟模型），这意味着可以从公共的InstrumentGPT分析ChatGPT；
第二，ChatGPT通过交互式对话进行培训；
第三，ChatGPT可以回答问题，承认和纠正错误，并可以拒绝不适当的答案。
InstrumentGPT具有公共信息（图2），这是一个完整的三阶段过程，这是“强化学习”和“模仿学习/比较学习”的混合：准强化学习体现在构建奖励模型（函数）的第二步中，并在第三步中使用；模仿学习首先是因为其第二种训练方法使用排序（偏好）方法（InstrumentGPT原始论文），其次是其损失函数的构建包括一部分（权重）调整的GPT3输出（即，GPT3作为目标，这形成了迭代升级关系）。可以想象，新必应使用的GPT4也在ChatGPT（GPT3.5）上得到了进一步改进。从AI的角度来看，这是另一个系统的增量学习过程。
GPT的缩写是Generative Pre-trained Transformer。著名的变形金刚有一统江湖的气势。尽管它现在被MLP所阻止，但它提取模型语义元素相关性的能力已经得到充分发挥。更重要的是，构建的多层Transformer可以提取相关性的相关性特征，这是GPT“编写和创建”能力的来源，我们对此表示赞赏，但重点是，在组合了语料库的各种特征之后，它仍然基本上训练了条件分布的顺序，这决定了其能力的两个上限：
不存在超区域概念、实体和要素，例如新的理论概念和知识。
需要注意的是，由于新的理论概念知识仍然被表示为最小的“语素”（英语是一个词，汉语是一个单词），ChatGPT仍然可以根据“条件分布”排名产生合理的结果，这是局部逻辑和语素组合的结果。
逻辑推理和分析，如数学，不依赖于低数据。但需要注意的是，这里的数学能力除了数学知识之外，还包括推理和分析。如果我们只看数学知识和概念，就无法对其进行评估——因为它只需要训练足够的语料库（例如，数学博士论文的收录）就可以无限扩展。
GPT的上限非常简单。然而，基于本地化概念测试的元素构建的知识实际上已经覆盖了人类生产和生活的大部分场景。一些特定领域实际上排除了超概念测试问题和要素（或不承认），例如法律、大多数金融行业以及加强同行认可的论文和报告的生成。接下来，让我们看看ChatGPT的实际性能。
ChatGPT的性能
由于上述原则中第三步的存在，ChatGPT的能力实际上是不断迭代和升级的。这是2023年2月10日编写的ChatGPT的功能。
首先，让我们看看ChatGPT的数学能力——毕竟，它的内部机制决定了它应该非常弱。这甚至可以直接询问ChatGPT本身。坦率地说，这相当于小学六年级的水平。怎么样？我使用了标准数学能力测试的标准题库
待续......
以上就是本期小编给大家带来的最新消息，如果希望得到接下来的信息，请点赞或者关注我的哦，小编将以最快的时间更新最新内容。希望大家喜欢！