2分鍾讀取

當我們比較兩種人工智能內容工具時發生了什麼

有特色的圖片

想知道如何開始使用人工智能?以我們的營銷人員按需駕駛AI係列為例。

了解更多

編者注:本文已從MarketMuse的網站.MarketMuse是營銷AI研BETVlCTOR1946伟德究所的合作夥伴。

早在2020年9月,當我第一次寫比較的時候MarketMuse的GPT-3初稿可供借鑒的例子並不多。GPT-3仍然不對公眾開放。快進到2021年,許多初創公司都在使用GPT-3的API來支持他們的平台。

這讓我很好奇。MarketMuse的專有自然語言模型First Draft與GPT-3相比如何?我第一次的經曆並不是很好。我當時看到的GPT-3輸出示例還有很多不盡如人意的地方。事後看來,我不應該期望太高。輸入一個主題標題,並期待一個體麵的長篇內容作為回報,這是相當大的延伸。現在仍然如此。

這一次,我采取了不同的方法。

輸入時髦的。人工智能一個GPT-3驅動的應用程序,結合了自己的機器學習層。《時尚》擁有許多麵向簡短內容的模板,如穀歌廣告、Facebook廣告、登陸頁麵和產品描述。

該平台的新功能是其所謂的內容擴展器,它可以“將單個句子或要點擴展為一個完整的思想”。對我來說,這聽起來不太像長篇內容,但我認為值得一試。

這就是我所做的。

設置NLG實驗

Snazzy的文本擴展器的工作方式是,您向它提供一個主題和一個摘要,以及一些附加信息,然後它將生成文本輸出。輸出的確切長度似乎是任意的。

為了獲得更多的信息,我從MarketMuse主題模型中為Snazzy提供了10個最重要的主題作為“品牌關鍵字”。

順便說一下,主題是“胰高血糖素是一種非侵入性糖尿病治療方法。”當然是很重的東西!

在這個實驗中,我使用了MarketMuse First Draft的輸出。請記住,這已經是一個通過自然語言生成創建的結構良好且主題豐富的內容。

我進入了第一個分段標題以及第一段作為啟動材料的GPT-3發動機。對於本文中的每個附加小節,我都重複了這個過程,基本上是將生成的內容逐段拚接在一起。

結果

內容分 字數
MarketMuse初稿 31 1760年
GPT-3(時髦的) 26 953

結果在各個方麵都很好。通常情況下,MarketMuse初稿輸出會達到目標內容分數。但是在這種情況下,我保留了在我以前的比較文章中使用的相同的舊輸出,而主題模型(從中派生出目標內容分數)是最新的。

GPT-3的輸出表現良好,僅比MarketMuse First Draft低了20%。它用更少的文字就做到了這一點。

MarketMuse初稿

以下是MarketMuse初稿的一個片段。

Glucagon-as-a-Non-invasive-Diabetic-Treatment-Sample閱讀整篇文章。

GPT-3(時髦)與MarketMuse初稿

以下是來自Snazzy的部分NLG輸出,包括用於啟動GPT-3代的小標題和文本。

glucagon-excerpt-First-Draft-GPT-3閱讀整篇文章。

結論

來自snzy的GPT-3輸出非常令人印象深刻,並且很好地補充了MarketMuse First Draft。總的來說,讀起來不錯。

經過深思熟慮,最終的內容實際上是兩個NLG平台MarketMuse First Draft和GPT-3之間的合作。MarketMuse First Draft提供了25%的初始內容作為GPT-3的底稿,同時產生了餘額。雖然這看起來有些過分,但我懷疑GPT-3的模型需要足夠多的現有內容來設定方向。

當然,製作長篇內容與製作Facebook廣告是兩碼事,原因有很多。

最後,請記住沒有進行任何編輯。此外,我沒有在Snazzy中運行多代,我隻是為每個部分運行一個實例並獲取原始輸出。

相關的帖子

營銷人員今天需要知道的關於AI內容生成的事情

傑夫•科伊爾| 2020年11月25日

發現營銷人員通過使用人工智能生成內容可以實現的好處,以及GPT-3等工具帶來的限製。

為什麼人工智能生成的內容不會顛覆網絡

Stephen Jeske| 2020年10月28日

請參閱關於人工智能生成的博客的案例研究、預測性能和令人驚訝的結果。

5自然語言生成的寶貴好處

Stephen Jeske| 2020年10月19日

自然語言生成為那些願意帶頭使用這種尖端技術的組織提供了許多好處。

Baidu
map