备受关注的生成式人工智能（AI）“ChatGPT”。随着这款易于使用的AI登场，用户数量急剧增加，政府机构和大型企业也在加速引入，成为热议话题。对于需要撰写邮件通讯、商品说明等文案的电商网站负责人来说，想必有不少人想尝试使用它。另一方面，也有人因对安全性的担忧或认为“回答错误所以无法使用”而持怀疑态度。因此，本文将向电商从业者清晰易懂地讲解ChatGPT的基本概念和工作原理。
备受关注的“ChatGPT”是什么
由OpenAI公司开发的AI服务。由于其对话式交互特性且任何人都能轻松使用，用户数量迅速增长。OpenAI公司是由特斯拉知名人物埃隆·马斯克先生和现任CEO山姆·阿尔特曼先生等人于2015年成立的组织，旨在开发AI技术。
AI的开发需要巨额投资，且涉及“未来AI是否会统治人类”等伦理问题，因此作为开放的非营利组织诞生，以防止大型企业对AI技术的垄断。
该名称在日本广泛为人所知是在2022年11月。当时发布了对话式AI ChatGPT。它在1周内吸引了100万用户，2个月内达到1亿用户。据称这是全球最快获得1亿用户的服务。
- ChatGPT……2个月（2023年1月）
- TikTok……9个月（2017年6月）
- Instagram……2年4个月（2013年2月）
- Facebook……4年6个月（2008年8月）
- Twitter……5年5个月（2011年8月）
短时间内能获得如此多的用户，归功于其高性能和易用性。任何接触过ChatGPT的人，都会惊讶地发现，与之前在电商网站上接触过的聊天机器人相比，它让人感觉就像在与人类进行自然的对话一样。
ChatGPT给电商从业者带来的影响及应用案例
电商应用案例①：非工程师也能进行编程
ChatGPT跨越了语言的壁垒。它不仅支持多语言，还克服了自然语言与编程语言之间的障碍。也就是说，可以用自然语言向计算机发出指令。ChatGPT跨越了语言的壁垒。不仅支持多语言，还跨越了自然语言与编程语言之间的壁垒。也就是说，可以用自然语言向计算机发出指令。
而且输出的语言也没有障碍。在电商负责人中，可能也有不擅长编码的人。比如，“想把电商网站的横幅从一列改成两列，但效果不好。信赖的制作公司又不在营业时间……”这样的场景。这时，不妨问问ChatGPT。即使用日语请求，它也会以HTML或CSS等语言正确返回结果。
稍微提升一点工作效率也是小菜一碟。笔者并非工程师，但对Google Drive相关的简单操作感到厌倦，于是用日语下达指示，结果收到了Google App Script（GAS）的代码，这令人惊讶。而且，代码能正常运行，如果要求的话，它还会贴心地附上说明文字。结果，原本需要20分钟才能完成的工作，现在只需点击一个GAS按钮就能搞定，让人惊叹不已。
各位电商负责人，在使用Excel或Google表格进行的业务中，通过活用宏或GAS，可以实现日常工作的效率化。
面向电商的应用案例② 让电商负责人的文档制作变得轻松无比
在销售促进活动中，语言沟通是不可或缺的。例如，如果要推广一款新产品，就需要连续撰写新闻稿、EC网站公告、顶部横幅标语、文本广告文案、SNS帖子、邮件杂志、商品页面介绍文、宣传册、传单等大量文档。
此外，如果要进行各种A/B测试，就必须创建多种模式的文案。“非常麻烦……”。以前确实如此。然而，ChatGPT可以24小时不间断地为您构思文章，大脑也不会感到疲惫。例如，制作邮件杂志的主题行。以下面这样的提示词为例，我们尝试让ChatGPT帮忙制作主题行。
如果不满意，只需在条件中加入您的专业知识即可。即使反复要求“使用倒装句”、“一定要用数字！数字！绝对要用数字！”、“必须包含新品上市”，它也会毫无怨言地提供多个方案！
电商应用案例③ 通过聊天机器人大幅改变网络上的顾客体验
以往的聊天机器人主要以结合固定话术的购前购后支持为中心。另一方面，ChatGPT则能够实现包含商品推荐在内的接待服务。
想必大家作为顾客，在实体店与店员交谈时，都有过“不知不觉就买了”的经历吧。
随着ChatGPT的出现，消费者可以通过聊天与AI店员进行自然对话并挑选商品的世界观得以实现。此外，AI没有感情。在处理投诉时，它能恰当地顾及消费者的情绪，提供细致的应对，并且支持多语言。对于海外消费者，也能跨越语言障碍，提供顺畅的接待服务。
此外，要在电商网站上部署ChatGPT，需要通过API与电商侧的数据进行联动，以进行训练和定制。
「ChatGPT」的运作机制
ChatGPT之所以能产生自然的对话感，背后有其技术秘密。ChatGPT是一款利用名为GPT的人工智能语言处理程序开发的聊天服务。
GPT是大型语言模型“LLM（Large Language Model）”之一。LLM会根据输入文本，推断并生成概率最高的下一个字符串。例如，它会推断出接在“日本的首都是”后面的内容是“东京”还是“法律未规定”，并据此生成字符串。在ChatGPT中常听到“具体指示很重要”的说法，这是因为在通过多次推理得出最终成果的过程中，如果缺乏具体指示，推理可能会偏离方向。
此外，GPT采用了“transformer”这一机制。transformer的特点是能够同时查看整篇文章。也就是说，由于能够判断前后文语境，因此可以返回没有矛盾的自然回答。进一步来说，在对话型ChatGPT中，是通过以下步骤进行学习，从而实现自然对话的。
Step1. 预训练
使用互联网上海量的文本数据进行学习，掌握知识和语境的基本理解。由此，使其能够应对各种主题、语言和表达方式。
Step2. 微调
作为聊天服务，为了使其能够进行自然对话，正通过以下步骤进行微调。
步骤① 有监督学习
这是读取数据并进行学习的阶段。如果您曾参与过聊天机器人的导入工作，是否曾大量制作过提问示例和回答示例？这就是有监督学习。此外，ChatGPT还学习了用户与AI之间“对话”的样本。这使得它即使面对对话特有的随意表达也能理解其含义。
步骤② 奖励模型学习
这是人类评估“好回答”和“坏回答”并学习如何打分的过程。ChatGPT会学习人类如何评估回答，从真实性、无害性和有益性的角度，了解哪些回答得分高，哪些得分低。
例如，对于涉及武器制造方法等伦理问题的提问，由于其具有危害性且有益性较低，会被给予负面评价，因此不会生成回答。
另外，虽然ChatGPT界面上有“点赞”按钮，但这并不会立即作为评价被采纳，而是由OpenAI公司收集起来，作为未来开发的参考信息。
步骤③ 强化学习
这是寻找使评分最大化的回答并将其记忆的步骤。通过这一过程，模型能够学习到什么是更恰当且更符合人类偏好的回答，从而能够作为回答提供出来。
正因为ChatGPT能够恰当地判断上下文语境，并学习人们喜欢的回答方式，它才能生成如同对话般“自然”的回答。
是否在使用中存在误区？ChatGPT也有其不擅长的领域
乍一看似乎无所不能的ChatGPT，其实也有处理起来不擅长的任务。最容易犯的错误是进行“搜索”，例如“搜索自己的名字”或“搜索附近店铺”。你是否曾因此感到失望？但因此就认为ChatGPT无法使用是轻率的。让我们了解ChatGPT的擅长与不擅长之处吧。
最新信息、专有名词及本地信息的搜索
常被关注的问题是它会自然地给出错误的回答。在GPT-4中，已做出修正，使其回答“我的知识仅包含截至2021年9月的信息，无法提供此之后的信息”。
那么，2021年8月之前的信息就一定正确吗？未必如此。这仅仅是基于概率返回看似合理的回答，由于网络数据量庞大，很难从中判断正误。以下是使用GPT-4的输出示例。虽然2021年8月之前正确的顺序是目黑之后依次是五反田、大崎、品川，但它不仅弄错了顺序，还出现了同一车站被提及两次的错误。在实际需要输出准确信息的工作中，事实核查是必不可少的。
复杂计算
GPT-3.5不擅长计算。即使是三位数的计算也可能出错。虽然加上“请逐步计算”的指令可以稍微提高正确率，但仍能看出其不擅长之处。
尽管GTP-4性能提升，但仍会给出错误回答。读过前述机制说明的人对此结果应能理解。
从互联网信息中学习特定计算结果是困难的。此外，LLM（大型语言模型）更注重生成自然流畅的对话，而非确保文章内容的绝对正确性。因此，在进行复杂计算时，有时会返回错误的答案。
此外，以下示例的回答分别为：(1) “3”，(2) “1,376”，(3) “19,404”，(4) “908,682,210”，(5) “45,211,784”。
对没有明确答案的问题的回答
ChatGPT也不擅长回答那些人们的价值观和意见存在分歧的问题。在微调的学习过程中，由于人们对好坏的评分出现分歧，因此难以判断最优解。
在下方的例子中，我们让ChatGPT生成了笑话，但由于趣味性是主观的，这或许正是人们评价产生分歧的典型情况。
此外，日本价值观和对话学习的不足也是原因之一。OpenAI的员工于2023年2月曾表示：“日语示例最多仅为英语的十分之一”“微调（Fine-tuning）也存在偏向欧洲和英语的情况”。
至此，基于ChatGPT的概要和机制，我们已对其不擅长的处理进行了说明。如果您曾心想“ChatGPT到底厉害在哪里？”，是否也曾有过这样的使用方式呢？在下一篇“下篇”中，我们将介绍在使用ChatGPT时，其擅长的处理方式以及在业务中使用时的注意事项等。