ChatGPT爆火的背后，到底是什么在跟我们对话？

2022年11月底美国人工智能研究实验室OpenAI新推出的一种人工智能技术驱动的自然语言处理工具——ChatGPT聊天机器人。一经推出便迅速在社交媒体上走红，成为AI领域最炙手可热的话题，掀起了新一轮的人工智能浪潮。

ChatGPT不单是聊天机器人，它会通过连接大量的语料库来训练模型，这些语料库包含了真实世界中的对话，使得ChatGPT具备上知天文下知地理，还能根据聊天的上下文进行互动的能力，能够响应用户提出的各种自然语言形式的请求，做到与真正人类几乎无异的聊天交流。

ChatGPT像人一样的对话过程是最大的亮点，背后的对话语义技术功不可没。ChatGPT使用了大型语言模型GPT-3.5，其核心技术涵盖了在多轮对话过程中的用户意图理解，以及融合了机器翻译、信息抽取、文案生成、代码生成、邮件撰写等先进的内容生成技术，使其拥有语言理解和文本生成能力。

然而，ChatGPT并非技术的颠覆式创新，但该应用为何如此“出圈”？归根结底，是支撑这套人工智能技术训练语言模型的底层技术正变得越来越成熟。事实上，如果想完成如ChatGPT乃至更高级的人机交互，背后需要对海量数据处理分析及训练。

垂直领域多轮对话文本

203,029组医疗类多轮问答数据

语种：中文

规模：超过20万组，每组包含医生和患者两人之间的多轮对话。

查看更多内容：

https://www.datatang.com/dataset/1086

开放领域多轮对话文本

830,276组人人多轮对话文本数据

语种：中文

规模：超过83万组，每组包含两个人之间的多轮对话。

查看更多内容：

https://www.datatang.com/dataset/150

垂直领域意图理解数据

47,811句交互场景单句意图标注数据

语种：中文

规模：涵盖电话、导航、翻译、附属意图、闹钟、拍照、日程、设置、视频、提醒、天气、信息、页面控制、音乐、应用等15个领域的意图标注数据。

查看更多内容：

https://www.datatang.com/dataset/1085

84,516句交互场景英文单句意图标注数据

语种：英文

规模：涵盖电话、导航、翻译、附属意图、闹钟、拍照、日程、设置、视频、提醒、天气、信息、页面控制、音乐、应用、语音助手等16个领域的意图标注数据。

查看更多内容：

https://www.datatang.com/dataset/1154

开放领域意图理解数据

687,694句开放领域意图标注数据

涵盖出行、乘车、乘飞机、叫车、租车、行程购票、订机票、改签机票、订火车票、改签火车票、订宾馆、看电影、查询电影、定电影票、看综艺、看演唱会、查询地点位置、联系、打电话、发消息、寄快递、取快递、查询快递、充话费、充流量、开会、送人、接人、订餐馆、吃美食、看动漫等60个领域的意图标注数据。

查看更多内容：

https://www.datatang.com/dataset/197

除此之外，数据堂还提供文本数据的定制服务以及文本数据标注平台服务。

文本数据定制服务可支持采集多语言、多领域的对话文本数据，并可根据不同的业务目标对不同类型的文本数据进行情感分析、主题分类、问答标注等任务。

文本数据标注平台覆盖实体、实体关系、阅读理解、交互意图、文本属性、文档属性、文本问答等标注工具，是数据堂根据多年标注实施经验打造而成，每一个按钮都经过多次实战考验，致力将操作体验优化到极致。

作为全球领先的人工智能的数据服务商，数据堂会持续制作新的对话语义训练数据集，为支撑ChatGPT模式的落地尽力。