一、gpt人工智能谁做的
ChatGPT是一个超神级别的自然语言生成式AI。
ChatGPT是人工智能公司OpenAI的GPT自然语言生成式模型的最新衍生品，可以进行“你来我往”的多轮聊天。被业内认为是，继2020年NLP（自然语言处理）预训练模型——GPT-3之后的“GPT-3.5”。尽管不是传闻中下一代自然语言生成模型GPT-4，但同样对NLP以及人工智能领域有重要意义。
二、机器人能与人对话运用了什么技术
1、机器人能与人对话主要是运用了人工智能中的自然语言理解。
2、简单地说，自然语言理解（或者更一般地称为自然语言处理）是研究使机器能理解人类语言（像中文、英文等人类语言称为自然语言）的技术。这种技术有非常广泛的应用。例如，如果有一台机器既能理解中文又能理解英文，那么，这台机器就可以为人类充当翻译；如果电视能理解中文，那么，用户就可以不用按钮，而是通过说话来遥控电视。
3、自然语言理解是一门新兴的边缘学科，内容涉及语言学、心理学、逻辑学、声学、数学和计算机科学，而以语言学为基础。自然语言理解的研究，综合应用了现代语音学、音系学语法学、语义学、语用学的知识，同时也向现代语言学提出了一系列的问题和要求。本学科需要解决的中心问题是：语言究竟是怎样组织起来传输信息的？人又是怎样从一连串的语言符号中获取信息的？
4、这一领域的研究将涉及自然语言，即人们日常使用的语言，包括中文、英文、俄文、日文、德文、法文等等，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分
三、人工智能逆向应用
人工智能逆向的应用1、人脸识别人脸识别也称人像识别、面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别涉及的技术主要包括计算机视觉、图像处理等。
机器翻译是计算语言学的一个分支，是利用计算机将一种自然语言转换为另一种自然语言的过程。机器翻译用到的技术主要是神经机器翻译技术（NeuralMachineTranslation，NMT），该技术当前在很多语言上的表现已经超过人类。随着经济全球化进程的加快及互联网的迅速发展，机器翻译技术在促进政治、经济、文化交流等方面的价值凸显，也给人们的生活带来了许多便利。例如我们在阅读英文文献时，可以方便地通过有道翻译、Google翻译等网站将英文转换为中文，免去了查字典的麻烦，提高了学习和工作的效率。
四、人工智能应用现状及发展前景
1、人工智能（AI）应用现状主要集中在自动驾驶、虚拟助理、语音识别、聊天机器人、智能家居、视觉识别等领域，以及大数据、机器学习、深度学习等技术的应用。
2、未来，随着技术的进步，AI将在互联网技术、医疗健康、智慧城市、金融服务等领域得到更广泛的应用。同时，AI也可以为智能制造、农业智能、智能教育和物联网等领域提供更加先进的技术支持。总的来说，未来AI的应用前景非常广阔，将在各行各业大放异彩。
五、人工智能的起源与发展
人工智能（ArtificialIntelligence,AI）起源于20世纪50年代，已经走过了半个多世纪的发展历程。它的起源可以追溯到以下几个关键事件：
1.1950年：艾伦·图灵（AlanTuring）发表论文《计算机器与智能》（ComputingMachineryandIntelligence），提出了著名的图灵测试（TuringTest），作为衡量机器智能的标准。
2.1956年：约翰·麦卡锡（JohnMcCarthy）、马文·明斯基（MarvinMinsky）、克劳德·香农（ClaudeShannon）和纳撒尼尔·罗切斯特（NathanielRochester）等科学家齐聚达特茅斯会议（DartmouthConference），共同提出了“人工智能”的概念，标志着人工智能领域的正式诞生。
3.1958年：罗斯·瑞森布拉特（RossQuillian）发明了基于逻辑和规则的专家系统，是一种能够模拟人类专家决策过程的人工智能程序。
4.1965年：约瑟夫·维森鲍姆（JosephWeizenbaum）开发出第一个聊天机器人ELIZA，展示了自然语言处理的潜力。
5.1970年代：随着专家系统的普及，人工智能进入了第一个繁荣期。然而，由于专家系统存在的局限性，如知识获取难度大、无法处理不确定信息等，人工智能在1970年代末陷入了低谷。
人工智能发展的第二个高潮出现在1980年代，得益于机器学习算法的进步和专家系统的局限性得到解决。其中，最具代表性的成果是杰弗里·辛顿（GeoffreyHinton）和戴维·鲁姆哈特（DavidRumelhart）等人提出的反向传播算法，为神经网络的发展奠定了基础。
1990年代，人工智能继续发展，出现了许多新的技术，如支持向量机（SupportVectorMachines,SVM）和演化计算（EvolutionaryComputation）等。此外，人工智能还开始在其他领域得到应用，如语音识别、图像识别等。
21世纪初，深度学习（DeepLearning）技术的突破性进展使人工智能进入了新一轮快速发展时期。2012年，杰弗里·辛顿和杨立昆（YannLeCun）等人在ImageNet图像识别挑战赛上取得了突破性成果，标志着深度学习技术在计算机视觉领域的成功。此后，深度学习技术迅速蔓延到人工智能的其他领域，如自然语言处理、语音识别等。
目前，人工智能正在继续快速发展，各种新技术和应用不断涌现。可以预见，人工智能将在未来社会和经济发展中扮演越来越重要的角色。