[Hugging Face] HuggingChat 探索Hugging Face的人工智能崛起与展望

发表于 更新于 分类于 ， ， 本文字数： 1.5k 阅读时长 ≈ 3 分钟

HuggingChat 探索Hugging Face的人工智能崛起与展望

Hugging Face的兴起源于其开发的聊天机器人,但真正让其名声大噪的还是其开源的机器学习平台。

2016年,Hugging Face创立时的主打产品是一款面向青少年的聊天机器人App,利用AI技术生成表情和笑话来娱乐用户。但是,该App并不成功,Hugging Face陷入了困境。为转局,Hugging Face的创始人决定开源他们开发聊天机器人的自然语言处理能力与机器学习模型,构建一个开源平台让开发者共享模型和数据集。

意外地,这个举措获得了广泛关注,Hugging Face迅速蹿红。如今,聊天机器人App已下架,但Hugging Face却已成为GitHub上增长最快的机器学习开源库,其Transformer库已有96,302个star和20,000多个fork。Hugging Face平台上当前共有166,894个机器学习模型和26,900个数据集可供开发者使用。

看Hugging Face的发展历程,这次推出HuggingChat可以说是“重操旧业”。HuggingChat使用Amazon AWS云服务,让人们与开源聊天机器人“Open Assistant”互动,这两个模型的语言系统都是基于拥有300亿参数的LLaMA模型。和Alpaca或Vicuna一样,这些模型进行了微调,不同于ChatGPT使用人类反馈的强化学习进行改进。

接下来,我们来实际体验一下HuggingChat。

[https://huggingface.co/chat/](https://huggingface.co/chat/)

Untitled

乍看之下,HuggingChat的界面与ChatGPT十分相似。左边是一个显示最新聊天记录的栏,浏览器窗口主要被当前聊天记录占据。目前,用户无需注册即可使用,但无法保存聊天记录。

Untitled

与ChatGPT一样,HuggingChat可以根据请求生成自然语言文本或特定格式的文本,甚至代码。而且,HuggingChat的响应速度很快。

但是,HuggingChat的中文水平不高,处理英文的能力要好于中文。  总体来说,HuggingChat与ChatGPT十分类似,都具有生成文本、代码的能力,并具有较快的响应速度。但是,HuggingChat的中文支持还需提高。而相比ChatGPT,HuggingChat的最大优势在于其开源的特性。任何人都可以利用Hugging Face提供的平台与资源进行模型微调和数据集构建,这为HuggingChat提供了更丰富的知识来源。未来,随着开源社区对HuggingChat的不断完善,其生成能力必将超过ChatGPT。  继Transformer库之后,Hugging Face再次以开源的形式推出聊天机器人HuggingChat,这充分体现了其“为开源而战”的发展方向与定位。依托开源社区的力量,Hugging Face正在构建人工智能领域的基础设施,其影响力必将随之不断扩大。与此同时,Hugging Face也在初步探索商业化道路,5000家企业客户更证明了Hugging Face的产品具有较高商业价值。  展望未来,Hugging Face或将在人工智能开源基础设施与产业应用间继续发挥职能,推动人工智能从实验室走向生产力。在开源动力的激励下,Hugging Face无疑将扮演重要角色,其发展前景值得期待。

参考链接

[1] [HuggingChat - https://huggingface.co/chat/](https://huggingface.co/chat/)