gitweixin
  • 首页
  • 小程序代码
    • 资讯读书
    • 工具类
    • O2O
    • 地图定位
    • 社交
    • 行业软件
    • 电商类
    • 互联网类
    • 企业类
    • UI控件
  • 大数据开发
    • Hadoop
    • Spark
    • Hbase
    • Elasticsearch
    • Kafka
    • Flink
    • 数据仓库
    • 数据挖掘
    • flume
    • Kafka
    • Hive
    • shardingsphere
    • solr
  • 开发博客
    • Android
    • php
    • python
    • 运维
    • 技术架构
    • 数据库
  • 程序员网赚
  • bug清单
  • 量化投资
  • 在线查询工具
    • 去行号
    • 在线时间戳转换工具
    • 免费图片批量修改尺寸在线工具
    • SVG转JPG在线工具

标签归档GTP-3

精品微信小程序开发门户,代码全部亲测可用

  • 首页   /  
  • 标签: "GTP-3"
chatgpt 3月 26,2023

ChatGPT 有多受欢迎?第 2 部分:比 Pokémon GO 增长更慢

ChatGPT 报道的一个主要主题是其用户群的快速增长。一个普遍的说法是,它打破了记录,不到一周的时间就拥有了超过 100 万的用户,不到两个月的时间就拥有了 1 亿的用户。它似乎没有打破记录,但我确实认为 ChatGPT 的增长是一个异常值。
检查索赔
ChatGPT增长
据我所知,ChatGPT 在不到一周内拥有 100 万用户的说法的唯一来源来自 OpenAI 首席执行官 Sam Altman 的这条推文:

我看不出有任何理由强烈怀疑这是准确的,但请记住,这是一个有动机推销产品的人的不准确陈述,因此它可能是错误的或误导性的。
许多新闻媒体都报道了它在两个月内达到 1 亿用户的说法,这些媒体似乎都在 Similarweb 的数据中触底。我找不到详细的报告,但看起来他们在付费专区后面有更多数据。我认为暂时接受这种说法是合理的,但同样,它可能在某些方面与媒体报道的有所不同1。

我看到人们分享图表,显示各种应用程序和服务随时间变化的用户数量。这是一个相当夸张的例子:

这是一条令人印象深刻的曲线,它反映了一个值得注意的事件。但它缺少一些重要的数据和上下文。
关于这创下纪录的说法似乎源自投资银行瑞银 (UBS) 一位分析师的评论,他说“我们不记得应用程序以这种速度扩展”,我认为这是一个合理的、对冲的说法。更强烈的说法是它创造了一个彻底的记录,这似乎是误报。
其他应用程序的数据
我找到了除 Spotify2 以外的所有这些应用的每月用户数据。我还搜索了非常流行的应用程序列表,以寻找用户增长更快的好的线索。您可以在此处查看完整的数据集和来源。3 我在附录中提供了有关数据和我的方法的更多详细信息。
据我所知,该图表相当准确,但它缺少 Pokémon GO,后者速度要快得多。它还缺少 Instagram 的 Android 版本,这可以说是一个新的应用程序版本,并且在第一天就超过了 100 万。这是一张表格,总结了我能够找到的数字,按时间顺序列出:

比较 ChatGPT 和 Pokémon GO 的早期数字有点困难,因为我找不到 Pokémon GO 达到 1M 的天数或 ChatGPT 达到 10M 的天数,但 ChatGPT 似乎不太可能更快。
分析
按互联网用户数量扩展
在过去的几十年里,可以访问互联网的总人数一直在快速增长。此外,社交网站的发展使人们更容易彼此共享应用程序。这两者都应该让应用程序更容易传播。考虑到这一点,下面的图表显示了一段时间内使用每个应用程序的所有互联网用户的比例(注意对数纵轴):
几个应用程序随时间变化的每月用户数。纵轴是对数刻度。
总的来说,这些曲线的初始斜率似乎随着时间的推移而增加,这表明应用程序传播的速度不仅仅受互联网访问人数增加的影响。但是 Pokémon GO 和 ChatGPT 看起来就像不同高度的垂直线,所以这是另一个图表,显示了每个应用程序启动后的(对数)时间:
使用该服务的全球总人口中可以访问互联网的比例与服务推出后的天数。用户数量在 t=1 分钟时任意设置为 1
这非常清楚地表明,虽然 ChatGPT 是一个异常值,但它仍然比 Pokémon GO4 慢得多。
额外比较
我们可以做的另一个比较是与其他产品和服务进行比较,这些产品和服务被用户接受得非常快,以及它们的覆盖范围如何随着时间的推移而增加:

新发布视频在 24 小时内在 YouTube 上的观看次数为我们提供了一个参考点,让我们了解指向 Internet 上某些内容的链接传播和参与的速度有多快。与注册 ChatGPT 帐户相比,观看视频的门槛较低,这可能会给视频带来优势。此外,大概每个人有不止一个视图。我不知道这种影响有多大,但可能很大。
现场活动的按次付费销售,在这个 c对于格斗运动,是人们愿意在短时间内在家中使用的东西的参考点。付款比开户门槛更高,但营销和销售可以提前进行。
24 小时内的视频游戏销售,在某些情况下是数字下载,类似于按次付费,但似乎更直接类似于网站上的服务。我猜想视频游戏比 PPV 受益于更长的营销和预售期,但我不确定。

这是这些事情随时间变化的记录图,数据来自维基百科5,包含在数据电子表格中。每个点都是一个单独的视频、PPV 事件或游戏,我只包括那些创下 24 小时记录的点:
视频游戏、PPV 比赛、YouTube 视频和应用程序的前 24 小时内大多数销售、观看次数和用户的记录,以及应用程序第一周内用户的一些积分(显示为蓝色菱形)。每个数据点代表一个事件、游戏、视频或应用程序。仅包括其特定类别中的那些设置记录。

看起来非常流行的应用程序不如非常流行的视频游戏或视频那么受欢迎。我看不出可以从中得出强有力的结论,但我确实认为这是有帮助的背景。
其他注意事项
我怀疑 Pokémon GO 和其他视频游戏的营销优势是巨大的。我不记得在 Pokémon GO 发布之前看过它的广告,但我在它发布之前对有关它的新闻文章进行了简短的搜索,发现几个月前有很多炒作。在发布之前,我没有找到任何提及 ChatGPT 的新闻文章。这不会改变总体结论,即关于 ChatGPT 创下完全记录的说法是错误的,但它应该改变我们对它的看法。
ChatGPT 能够在没有任何营销的情况下击败大多数其他服务,这似乎是一件大事。我认为如果没有大量用户参与,很难向人们推销它的酷炫之处,但下一代 AI 产品可能不需要这样,因为人们已经意识到这项技术已经走了多远。考虑到这一点(以及围绕 Bing Chat 和 Bard 的炒作),我会勉强预测营销将在未来的版本中发挥更大的作用。
附录——方法和注意事项
我发现的大多数数字是针对每月用户的,或者在某些情况下是针对每月活跃用户的。我并不总是确定这两件事之间有什么区别。在某些情况下,我所能找到的只是每月应用程序下载量或年度下载量,我天真地认为这两者都严格大于每月用户。但无论如何,年度用户数量反映了长期增长,因此它们不应该影响结论。
假设指数增长,某些特定用户里程碑的天数是插值的。总的来说,我认为这不会对整个故事产生太大影响,但如果你需要知道精确的数字,你应该检查我的插值或找到更直接的测量值。没有一个数字是外推的。
在搜索数据时,我尝试使用 SEC 文件和公司公告等官方来源,或者使用看似信誉良好且拥有付费客户的第三方服务的测量值。但有时这些很难找到,我不得不使用不太可靠的来源,比如引用可疑的新闻报道或数据不完整的研究。
我没有打算以非常谨慎的方式产生非常可靠的数据。总的来说,这需要大约 1-2 个研究人员日的努力。鉴于此,我似乎可能犯了一些错误,但希望不会有任何破坏结论的错误。

作者 east
提示词 3月 14,2023

利用ChatGPT(new bing)数据库开发实践

在开发时,需要把mysql的表结构转换成pgsql,两者的语法差别自己知道,想看一下New Bing是否智能。

第一回合:

问AI:

以下mysql表结构改写成pgsql:

DROP TABLE IF EXISTS `tb_test`;

CREATE TABLE `tb_test` (

`id` int(11) NOT NULL AUTO_INCREMENT,

`create_time` datetime(0) NULL DEFAULT NULL COMMENT ‘查询时间’,

`name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_bin NULL DEFAULT NULL COMMENT ‘名称’,

PRIMARY KEY (`id`) USING BTREE

) ENGINE = InnoDB AUTO_INCREMENT = 290383 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_bin COMMENT = ‘请求样本’ ROW_FORMAT = Dynamic;

AI回答如下:

您好,这是Bing。您想要将MySQL表结构转换为PostgreSQL的格式吗?如果是这样,您可以使用一些在线工具或软件来帮助您完成这个任务。例如,您可以尝试使用SQLines1或Stack Overflow2上推荐的方法。我为您生成了一个可能的转换结果,但请注意,这不一定是最优或最准确的,您可能需要根据您的具体需求进行一些调整。希望对您有所帮助。

-- 以下是可能的转换结果
DROP TABLE IF EXISTS tb_test;
CREATE TABLE tb_test (
id serial NOT NULL,
create_time timestamp NULL DEFAULT NULL COMMENT '查询时间',
name varchar(255) NULL DEFAULT NULL COMMENT '名称',
PRIMARY KEY (id))
COMMENT = '请求样本';

第二回合:

Ai回答内容有问题,进一步纠正它的错误。

问AI:

pgsql的字段后面不能直接带comment

AI回答如下:

您说得对,PostgreSQL的字段后面不能直接带comment,需要使用COMMENT命令1来单独设置。例如,您可以这样写:

COMMENT ON COLUMN wz_specimen.create_time IS '查询时间';
COMMENT ON COLUMN wz_specimen.name IS '企业名称';
-- 以此类推

您也可以使用psql的dt+和d+命令来查看表和字段的注释2。希望这些信息对您有用。

第三回合:

AI还是挺聪明,一点就明白,不过希望给个完整,可以直接复制。

问AI:

重新写个完整正确的

AI回答如下:

好的,我尝试重新写一个完整正确的PostgreSQL表结构,但请注意,这不一定是最优或最准确的,您可能需要根据您的具体需求进行一些调整。请看:

-- 以下是可能的转换结果DROP TABLE IF EXISTS tb_test;

DROP TABLE IF EXISTS tb_test;
CREATE TABLE tb_test (
id serial NOT NULL,
create_time timestamp NULL DEFAULT NULL ,
name varchar(255) NULL DEFAULT NULL ,
PRIMARY KEY (id)) ;

COMMENT ON COLUMN wz_specimen.create_time IS '查询时间';
COMMENT ON COLUMN wz_specimen.name IS '企业名称';
作者 east
提示词 3月 14,2023

如何使用chatgpt做内容电商赚钱

内容电商是指通过短视频等形式传播营销内容,引发消费者兴趣和购买的一种模式。ChatGPT是一款基于自然语言生成的人工智能,可以帮助内容电商创作者提高创作效率和质量。

ChatGPT可以在以下方面为内容电商提供帮助:

  • 生成吸引人的文案、标题、台词等
  • 提供优质的创意素材和灵感激发
  • 分析目标受众和市场趋势
  • 优化内容分发和效果数据回流

chatgpt如何生成商品介绍?

要生成商品介绍,你需要提供一些关于商品的信息,例如名称、类别、特点、优势等。然后,chatgpt会根据这些信息生成一段适合在内容电商平台上发布的商品介绍。例如:

商品名称: AirPods Pro

类别: 无线耳机

特点: 主动降噪、透明模式、定制贴合

优势: 高品质音效、方便携带、智能控制

chatgpt生成的商品介绍:

如果你想享受无与伦比的听音体验,那么你一定不能错过AirPods Pro。这款无线耳机拥有先进的主动降噪技术,可以让你随时隔绝外界的噪音,专注于自己喜欢的声音。当你需要与周围环境保持联系时,只需轻触一下耳机,就可以切换到透明模式,让外界声音清晰可闻。AirPods Pro还采用了定制贴合的设计,可以根据你的耳道形状自动调节大小和形状,让你感觉舒适而稳固。不管你是在运动、工作还是休闲,AirPods Pro都能为你提供高品质的音效、方便携带和智能控制等多种功能。快来购买AirPods Pro吧,让你的生活更加美妙!
作者 east
提示词 3月 14,2023

如何用chatgpt写某个主题的小说提示词运用实例

要写某个主题的小说,给的提示词越少,chatgpt越随机生成,可以给一个大概故事概要,让chatgpt生成自己想要的内容。

例如:写一篇伴游的故事,给chatgpt或new bing以下提示:

写一篇18岁女大学生,父母离婚,在云南大理当伴游赚学费的故事。

以下是chatgpt生成的内容,还是一个不错的故事:

李婷婷是一名十八岁的大学新生,她的父母因为父亲赌博欠下巨债而离婚,她被迫自己负担学费和生活费。为了赚钱,她在网上注册了一个伴游账号,假装自己是一名有钱的白领女性,接受各种陪游邀请。

一天,她收到了一个来自云南大理的邀请,对方是一名叫林浩然的年轻男子,他说他是一名摄影师,想要找一个漂亮的女孩子陪他去拍摄大理的风景。李婷婷看了他的照片和资料,觉得他长得很帅气,而且报价很高,便答应了。

李婷婷飞到大理后,在机场见到了林浩然。他比照片上还要英俊迷人,穿着休闲时尚的衣服,手里拎着一个相机包。他微笑着向李婷婷打招呼,并送给她一束鲜花。

“你好,我是林浩然。”他说。

“你好,我是李婷婷。”李婷婷也笑着回应。

“你真漂亮。”林浩然赞美道。

“谢谢。”李婷婷心里暗暗高兴。

两人坐上出租车后,林浩然告诉李婷婷他已经为她订好了酒店,并且安排了三天的行程。第一天去苍山景区看三塔、寂照庵和多肉花海;第二天去洱海湿地公园和洱滨村看海鸥、芦苇和水鸭子;第三天去巍山古城看南诏文化和民族风情。

“听起来很不错啊。”李婷婷说。

“我想给你拍些美丽的照片。”林浩然说,“你愿意吗?”

“当然愿意。”李婷婷说,“只要你不介意我不太会摆姿势。”

“没关系,我会教你的。”林浩然说,“相信我。”

两人在大理度过了三天快乐而甜蜜的时光。林浩然用他的相机记录下了每一个美好的瞬间,并且把照片发给了李婷婷,两个人的爱情萌芽从此地开始。


小说家用chatgpt写小说
利用chatgpt扩展写小说提示词运用实例
如何使用 ChatGPT 写文章
使用 GPT3 帮助您写一篇读者会记住的博客

作者 east
chatgpt 3月 12,2023

利用ChatGPT来学习数据库开发知识和解决疑问

ChatGPT在数据库开发方面有一些潜在的应用场景,例如:

  • 作为一个交互式的数据库查询工具,可以让用户用自然语言提出问题,并返回相应的SQL语句和查询结果。
  • 作为一个数据库设计助手,可以根据用户的需求和描述,生成合理的数据模型和表结构,并提供优化建议。
  • 作为一个数据库教学辅助,可以根据用户的水平和兴趣,提供适合的数据库知识、案例和练习,解决用户的疑问,并给出反馈和评价。

例如在数据库开发当中,对in子查询和left join的区别和应用场景不是很清楚,可以问ChatGPT。

问ChatGPT:什么场景用子查询in,什么场景用left join?

ChatGPT答:子查询in查出来的条数不一定和left join的左表条数一样多。这取决于子查询in的条件和left join的右表是否有重复或空值。如果您想统计两种方式的记录数,您可以使用count函数和group by语句。

问ChatGPT:请给我一个例子说明in和left join的区别。

ChatGPT答:好的,我来给您一个例子说明in和left join的区别。假设我们有两个表,一个是product,一个是sale,分别存储了产品的信息和销售记录。我们想要查询哪些产品没有被销售过。我们可以用子查询in来写这样的语句:

SELECT name, cost FROM product WHERE id NOT IN (SELECT product_id FROM sale);

这个语句会先从sale表中获取所有已经销售过的产品的id,然后从product表中筛选出不在这些id中的产品的名称和价格。

我们也可以用left join来写这样的语句:

SELECT name, cost FROM product LEFT JOIN sale ON product.id = sale.product_id WHERE sale.product_id IS NULL;

这个语句会先把product表和sale表按照id进行连接,然后从连接后的结果中筛选出那些没有对应的sale记录(即sale.product_id为空)的产品的名称和价格。

两种方式都可以得到相同的结果,但是left join可能更高效一些,因为它只需要扫描一次两个表,而子查询in需要扫描两次。

作者 east

关注公众号“大模型全栈程序员”回复“小程序”获取1000个小程序打包源码。回复”chatgpt”获取免注册可用chatgpt。回复“大数据”获取多本大数据电子书

标签

AIGC AI创作 bert chatgpt github GPT-3 gpt3 GTP-3 hive mysql O2O tensorflow UI控件 不含后台 交流 共享经济 出行 图像 地图定位 外卖 多媒体 娱乐 小程序 布局 带后台完整项目 开源项目 搜索 支付 效率 教育 日历 机器学习 深度学习 物流 用户系统 电商 画图 画布(canvas) 社交 签到 联网 读书 资讯 阅读 预订

官方QQ群

小程序开发群:74052405

大数据开发群: 952493060

近期文章

  • 详解Python当中的pip常用命令
  • AUTOSAR如何在多个供应商交付的配置中避免ARXML不兼容?
  • C++thread pool(线程池)设计应关注哪些扩展性问题?
  • 各类MCAL(Microcontroller Abstraction Layer)如何与AUTOSAR工具链解耦?
  • 如何设计AUTOSAR中的“域控制器”以支持未来扩展?
  • C++ 中避免悬挂引用的企业策略有哪些?
  • 嵌入式电机:如何在低速和高负载状态下保持FOC(Field-Oriented Control)算法的电流控制稳定?
  • C++如何在插件式架构中使用反射实现模块隔离?
  • C++如何追踪内存泄漏(valgrind/ASan等)并定位到业务代码?
  • C++大型系统中如何组织头文件和依赖树?

文章归档

  • 2025年6月
  • 2025年5月
  • 2025年4月
  • 2025年3月
  • 2025年2月
  • 2025年1月
  • 2024年12月
  • 2024年11月
  • 2024年10月
  • 2024年9月
  • 2024年8月
  • 2024年7月
  • 2024年6月
  • 2024年5月
  • 2024年4月
  • 2024年3月
  • 2023年11月
  • 2023年10月
  • 2023年9月
  • 2023年8月
  • 2023年7月
  • 2023年6月
  • 2023年5月
  • 2023年4月
  • 2023年3月
  • 2023年1月
  • 2022年11月
  • 2022年10月
  • 2022年9月
  • 2022年8月
  • 2022年7月
  • 2022年6月
  • 2022年5月
  • 2022年4月
  • 2022年3月
  • 2022年2月
  • 2022年1月
  • 2021年12月
  • 2021年11月
  • 2021年9月
  • 2021年8月
  • 2021年7月
  • 2021年6月
  • 2021年5月
  • 2021年4月
  • 2021年3月
  • 2021年2月
  • 2021年1月
  • 2020年12月
  • 2020年11月
  • 2020年10月
  • 2020年9月
  • 2020年8月
  • 2020年7月
  • 2020年6月
  • 2020年5月
  • 2020年4月
  • 2020年3月
  • 2020年2月
  • 2020年1月
  • 2019年7月
  • 2019年6月
  • 2019年5月
  • 2019年4月
  • 2019年3月
  • 2019年2月
  • 2019年1月
  • 2018年12月
  • 2018年7月
  • 2018年6月

分类目录

  • Android (73)
  • bug清单 (79)
  • C++ (34)
  • Fuchsia (15)
  • php (4)
  • python (43)
  • sklearn (1)
  • 云计算 (20)
  • 人工智能 (61)
    • chatgpt (21)
      • 提示词 (6)
    • Keras (1)
    • Tensorflow (3)
    • 大模型 (1)
    • 智能体 (4)
    • 深度学习 (14)
  • 储能 (44)
  • 前端 (4)
  • 大数据开发 (488)
    • CDH (6)
    • datax (4)
    • doris (30)
    • Elasticsearch (15)
    • Flink (78)
    • flume (7)
    • Hadoop (19)
    • Hbase (23)
    • Hive (40)
    • Impala (2)
    • Java (71)
    • Kafka (10)
    • neo4j (5)
    • shardingsphere (6)
    • solr (5)
    • Spark (99)
    • spring (11)
    • 数据仓库 (9)
    • 数据挖掘 (7)
    • 海豚调度器 (10)
    • 运维 (34)
      • Docker (3)
  • 小游戏代码 (1)
  • 小程序代码 (139)
    • O2O (16)
    • UI控件 (5)
    • 互联网类 (23)
    • 企业类 (6)
    • 地图定位 (9)
    • 多媒体 (6)
    • 工具类 (25)
    • 电商类 (22)
    • 社交 (7)
    • 行业软件 (7)
    • 资讯读书 (11)
  • 嵌入式 (70)
    • autosar (63)
    • RTOS (1)
    • 总线 (1)
  • 开发博客 (16)
    • Harmony (9)
  • 技术架构 (6)
  • 数据库 (32)
    • mongodb (1)
    • mysql (13)
    • pgsql (2)
    • redis (1)
    • tdengine (4)
  • 未分类 (6)
  • 程序员网赚 (20)
    • 广告联盟 (3)
    • 私域流量 (5)
    • 自媒体 (5)
  • 量化投资 (4)
  • 面试 (14)

功能

  • 登录
  • 文章RSS
  • 评论RSS
  • WordPress.org

All Rights Reserved by Gitweixin.本站收集网友上传代码, 如有侵犯版权,请发邮件联系yiyuyos@gmail.com删除.