本人完全個人臆想，有錯誤很正常

什麼是chatGPT

ChatGPT（Chat Generative Pre-trained Transformer）

是一種新型的人工智慧技術（應用），它可以為使用者提供在社交媒體和移動應用程式中真實智慧聊天夥伴。

ChatGPT旨在透過使用機器學習和自然語言處理技術來模擬人類真實的聊天情況。它將傳統的AI技術與虛擬世界相結合，從而為使用者建立一個更具對話性和沉浸感的客戶體驗。

他是由一家人工智慧機器學習公司OpenAI開發，其底層應用的是GPT-3.5語言處理模型，如果服務開放的話，我們可以自己呼叫API建立一個聊天應用。

為什麼這麼火

我認為chatGPT之所以火的原因是：

其背後的GTP-3.5自然語言處理模型，有成為新一輪基建技術或者新標準的可能，也就是說他可能導致一場人機互動革命。

作為一個使用者，以現在的互動方式來說，如果我們想要訂一張機票，我們會：

下載攜程App;
搜尋機票資訊；
比價；
買票；

但我作為一個有智慧的人，並不想將時間浪費在這種瑣事上，所以我招了一個“行政助理”做這個工作，這件事也能很快樂的進行，但chatGPT（GPT-3.5語音處理模型）改變了這一切，因為手機介面發生了變化！使用者的互動流程變了：

手機只有一個聊天介面了...
我用了一段含糊不清的語音大概描述了自己的訂票需求；
系統首先使用chatGPT進行解析，竟然聽懂了；
然後呼叫手機裡面內建安裝的app，完成了訂票需求；

這裡的核心變化出現了，對比的當前的搜尋引擎和手機系統，chatGPT作為底層基建、基本標準：

首先簡化了輸入流程；
其次作為助手，幫你完成了篩選工作；

而這可能導致當前手機應用的大規模重建，不得不說對程式設計師們可能是一個福音。

而標準產生往往意味著利益再劃分，那麼除了基本平臺、APPStore以外，chatChat當然可以提供付費服務，或者跟底層系統進行分賬。

綜上，我認為chatGPT火的原因是因為：

GPT-X語音處理模型可能變成在作業系統之上的系統基建，併成為一種APP必須遵循的標準；
而新標準切實的帶來了體驗上大幅的升級，所以會改變使用者使用習慣，這會導致幾年的全方面應用重建；
這種大規模並長期存在事件，自然大受資本追捧；

在這種場景下，很多之前覺得很“扯淡”的想法都變成了可能，比如：

應用入口只有一個對話方塊；
研究生論文一鍵潤色；

但這裡也引出了另一個話題，很多同學是不是就失業了？

關於失業問題

GPT導致的經濟問題

以技術同學為例，當我發現下面同學效率低下、天天摸魚，但總是最後時間藉助GPT按時按量完成工作，於是我嘗試全方位使用GPT提升效率，短時間員工成本大幅降低，但長時間來說，你傻眼了，因為音樂行業也在用GPT，自媒體也在用GPT，甚至政府部門都在用GPT。越來越多人被裁，越來越多人失業，越來越多人喪失了收入來源。

那麼這會從一個技術問題變成一個經濟學問題，最後變成一個穩定性問題：部分使用GPT技術可能導致更好更強，但全方位使用卻會導致經濟流轉減緩，這可不是一個好現象了。

GPT導致的內卷問題

以研究生潤文一鍵潤色為例，之前的流程可能是70%個人努力 + 30%導師指導，後面有個APP推出了潤文一鍵潤色後變成了70%個人努力 + 30%AI潤色，甚而後續發展為50%個人努力 + 50%AI潤色，但這裡會產生一個問題：導師是稀少的，AI是廉價的。

所以最終的結果就是，人人擁有一部《辟邪劍法》，但他並沒有對人類的整體進步產生幫助。

我們認為人類的成長是由兩方面組成，生存或發展能力的增加，AI潤色甚至一鍵生成論文的產生，不會導致人類知識量的提升或增加，反而會導致整體的停滯不前，那麼這種內卷就是無意義的。

上限與下限

GPT技術的核心是資訊的收集處理後的展示，而這個資訊源依舊來源於我們的創造，這些年網際網路的發展導致了資訊的爆炸，這是他能發展的根本原因，這也導致了他兩個可能的問題：GPT本身是利用內容，並沒有創造內容；我這裡要表達的是：

GPT可能會使我們獲取內容的下限提升，但並不會導致上限提高，他的極限值就是人類知識的上限。

而GPT會不會導致人類高階別人才比例提升，這個有些不好判斷，因為“知行合一”，很多核心知識是需要大量的實踐才能掌握，而這些實踐是資源堆起來的。

所以對於失業問題來說，GPT不能導致上限提升，這些工作依舊是中高階人群在做，跟其掌握資源正相關，影響較小；而其導致的下限提升，可能對很多行業的門檻提升不少，這個是值得注意的。

下面是媒體網站 Insider在與專家交談和進行研究後，整理了一份被人工智慧技術取代風險最高的工作型別清單：

技術類工作：程式設計師、軟體工程師、資料分析師像；
媒體類工作：廣告、內容創作、技術寫作、新聞；
法律類工作：法律或律師助理；
市場研究分析師；
教師；
金融類工作：金融分析師，個人財務顧問；
交易員；
平面設計師；
會計師；
客服；

但總的來說，我覺得暫時不用關心，真到那時也可以躺平，大不了回家養豬。

實際情況

以上是我腦補GPT技術成熟時候的樣子，現在將視野收回來看看現實的情況：

在這種我們自己都鬧不明白的問題上，chatGPT堪稱“人工智障”。

把Python打錯為pytheon，但這似乎絲毫不影響。

還有其他例子，我這裡就不貼出來了，可以看到chatGPT的回答跟高質量的文章相比差距極大，還處於很初級階段，我們現在用chatGPT可能就純圖一樂，不會真的想要獲取什麼，而他要突破到成熟，還有很長的路要走：

ChatGPT在其未經大量語料訓練的領域缺乏“人類常識”和引申能力，甚至會一本正經的“胡說八道”。
ChatGPT無法處理複雜冗長或者特別專業的語言結構。對於來自金融、自然科學或醫學等非常專業領域的問題，如果沒有進行足夠的語料“餵食”，ChatGPT可能無法生成適當的回答。
ChatGPT需要非常大量的算力（晶片）來支援其訓練和部署。拋開需要大量語料資料訓練模型不說，在目前，ChatGPT在應用時仍然需要大算力的伺服器支援，而這些伺服器的成本是普通使用者無法承受的，即便數十億個引數的模型也需要驚人數量的計算資源才能執行和訓練。如果面向真實搜尋引擎的數以億記的使用者請求，如採取目前通行的免費策略，任何企業都難以承受這一成本。因此對於普通大眾來說，還需等待更輕量型的模型或更高價效比的算力平臺。
ChatGPT還沒法線上的把新知識納入其中，而出現一些新知識就去重新預訓練GPT模型也是不現實的，無論是訓練時間或訓練成本，都是普通訓練者難以接受的。如果對於新知識採取線上訓練的模式，看上去可行且語料成本相對較低，但是很容易由於新資料的引入而導致對原有知識的災難性遺忘的問題。
ChatGPT仍然是黑盒模型。目前還未能對ChatGPT的內在演算法邏輯進行分解，因此並不能保證ChatGPT不會產生攻擊甚至傷害使用者的表述。

最後我發現chatGPT在程式類問題準確度較高，這跟這麼多年程式設計師社群特別活躍，樂於分享，有大量高質量內容有莫大關係，所以長期來看，封閉的系統未必不是一個安全的系統呢......

應用領域舉例

金融領域

ChatGPT 在金融領域的應用主要集中在自動客服、金融分析和金融投資等方面。

智慧客服系統

首先，ChatGPT客服自動應答系統可以根據自然語言技術實現自動應答，提供有效的快速回復，使客服系統可以實現24小時全天候工作。

此外，ChatGPT客服問答系統利用自然語言處理技術，將金融服務的內容和細節全面的抽取出來，形成客戶可以簡單明瞭的瞭解金融業務的參考，避免使用者深入研究金融服務的麻煩，大大提升了獲取金融知識和資訊的效率。

投資智慧分析系統

ChatGPT技術投行行業帶來了更高效的工作流程，它可以透過自然語言處理高效分析市場資訊、提取關鍵資訊，從而給投行行業帶來更快捷、更精準的投行分析服務，從而提高投資效率和投資回報。

ChatGPT還可以透過收集、統計和建模使用者歷史交易行為，分析交易參與者的策略偏好，從而識別出潛在的欺詐行為。

例如，ChatGPT可以識別出使用者重複性交易的行為特徵，以及交易參與者之間不一致的行為特徵，並根據模型對其進行預測，以防止金融損失。

總之，ChatGPT的應用在金融領域還在不斷開展，它可以有效地幫助金融行業提供更優質的客戶服務、更高效的投資分析和更嚴格的風控服務，為金融行業的發展貢獻力量。

但是這裡有個非常大的問題是使用者的隱私資料如何處理，這是一個控制權的問題，其次就算使用者機構乃至國家都同意，而資料打通、資料安全等也是一個漫長的過程。

醫療領域

ChatGPT在醫療領域的應用可以分為三類：自動診斷系統、醫療資訊自動搜尋系統、虛擬助手服務系統。

自動診斷

ChatGPT在醫療領域的發展百家爭鳴，自動診斷系統最為人所熟知。在這裡，ChatGPT尤其能夠發揮其優勢――機器學習（Machine Learning），以及語言理解（Natural Language Processing）。

相比傳統的診斷系統，自動診斷系統的優勢在於準確性方面，可以有效幫助醫生準確診斷疾病，從而準確、迅速地治療疾病，提高醫療水平。而且自動診斷系統也可以為醫學科研提供質量更高的資料和分析結果，有助於指導醫院的檢測、診斷和治療過程。

作為一種人工智慧技術，ChatGPT可以使用海量的病歷資料，模仿人的行為，從而自動診斷疾病。

例如，ChatGPT可以根據患者的症狀、體徵和化驗報告等資訊，對疾病進行診斷，並分析患者的病情，為治療方案提供決策建議。ChatGPT還可以根據診斷報告中的資料，使用預測模型，以精準地預測患者的病情發展趨勢，從而幫助醫生為患者制定最佳治療方案。

透過ChatGPT，醫療機構不僅可以減少醫護人員的檢查和診斷時間，還能夠節省大量的診療費用，從而改善患者的體驗。

2022年12月22日，來自美國德雷塞爾大學的兩名學者在PLOS Digital Health上發表的一篇論文探索了ChatGPT在這方面的能力。他們將它用於診斷阿爾茨海默病（AD）。
作為痴呆症中最常見的一種，阿爾茨海默病（AD）是一種退行性中樞神經系統疾病，多年來科學家們一直在研發抗AD的特效藥，但目前進展很有限。目前診斷AD的做法通常包括病史回顧和冗長的身體和神經系統評估和測試。
由於60%～80%的痴呆症患者都有語言障礙，研究人員一直在關注那些能夠捕捉細微語言線索的應用，包括識別猶豫、語法和發音錯誤以及忘記詞語等，將其作為篩查早期AD的一種快捷、低成本的手段。德雷塞爾大學發表的這項研究發現，OpenAI的GPT-3程式，可以從自發語音中識別線索，預測痴呆症早期階段的準確率達到80%。
人工智慧可以用作有效的決策支援系統，為醫生提供有價值的資料以用於診斷和治療。人眼可能會錯過CT掃描中的微小異常，但經過訓練的AI卻能跟蹤最小的細節。一位IT領域的專家告訴“醫學界”，ChatGPT對於臨床醫學可能會有很大的幫助，畢竟每個醫生的記憶都有限，無論如何也比不過計算機的強大儲存。

醫療資訊自動搜尋

ChatGPT可以為醫療資訊自動搜尋系統提供實質性的幫助。它利用人工智慧和大資料技術，將大量不同格式的病人、保健機構和相關文獻的資訊進行檢索和解析，進而自動推薦最佳解決方案。

首先，ChatGPT可以幫助醫療資訊自動搜尋系統快速檢索出與診斷和治療有關的研究、文獻或資料資訊。如新藥的開發，可以幫助醫生快速檢索出相關的藥物，以便更快地找到有效的藥物。此外，ChatGPT還可以透過自動搜尋技術來識別前沿研究、基因組序列和疾病風險，從而提供全方位的醫療資訊搜尋。

其次，ChatGPT可以幫助醫療資訊自動搜尋系統快速識別出專業醫療服務機構的資訊。系統可以自動搜尋出合適的醫療保健機構，從而幫助病人更容易地找到合適的服務機構。此外，ChatGPT還可以協助醫療資訊自動搜尋系統對病人及其家屬的病情和診療過程進行實時監控，以便及時發現變化，快速做出應對。

最後，ChatGPT可以為醫療資訊自動搜尋系統提供個性化推薦服務。根據不同病人的病情和病史，ChatGPT可以自動提供最有價值的診斷和治療方案，從而節省醫療資源，提高醫療服務質量。

綜上所述，ChatGPT對醫療資訊自動搜尋系統的幫助是顯而易見的，能夠有效的加強醫療效率，為患者提供更優質的醫療服務。

虛擬助手服務

ChatGPT在醫療領域可以大大改善虛擬助手服務系統，將人工智慧與虛擬助理服務相結合，為醫療機構提供智慧化服務。

舉個例子，ChatGPT可以識別患者的口頭描述，根據其傳達的內容，自動顯示相關醫療建議，幫助客戶更快找到所需資訊。

其次，ChatGPT可以與醫學知識庫和診斷報告進行互動，幫助患者進行診斷。例如，ChatGPT可以根據患者症狀、體徵和化驗報告等資訊，對疾病進行準確的診斷，以及分析病情走向，為治療方案提供參考。

此外，ChatGPT也可以在病歷管理系統中發揮作用，幫助醫生更有效地安排患者就診。它可以實時識別患者病歷以及醫療機構病床狀況，從而讓醫院更容易管理病床平衡，確保患者的治療質量。

最後，ChatGPT也可以與醫療機構的護士聯絡，幫助他們更好地處理病歷，指導和答覆患者的問題，從而提高整個就醫流程的效率。

在2018年美國的一項調研中，70%的醫生表示，他們每週在文書工作和行政任務上花費10個小時以上，其中近三分之一的人花費了20個小時或更長時間。英國知名的聖瑪麗醫院的兩名醫生2月6日發表在《柳葉刀》上的評述文章指出，醫療保健是一個具有很大的標準化空間的行業，特別是在文件方面。我們應該對這些技術進步做出反應，並探索在醫療保健的不同場景使用聊天機器人（如ChatGPT）的可行性。
“出院小結”是這項技術一個很典型的應用，作者指出，因為它們在很大程度上是標準化的格式。ChatGPT在醫生輸入特定資訊的簡要說明、需詳細說明的概念和要解釋的醫囑後，在幾秒鐘內即可輸出正式的出院摘要。這一過程的自動化可以減輕低年資醫生的工作負擔，讓他們有更多時間為患者提供服務。

但是，貌似不用chatGPT技術，也能實現...

競品

Bard

北京時間 2 月 7 日凌晨，谷歌 CEO 桑達爾·皮查伊（Sundar Pichai）宣佈，谷歌將推出一款由 LaMDA 模型支援的對話式人工智慧服務，名為 Bard。

Bard 的工作方式大機率與 ChatGPT 類似，都是透過對話來回答使用者的問題或者提供使用者想要的資訊，使用者可以不斷地追問、改進、豐富自己的問題，讓 AI 的回答更貼近自己想要的東西。

據介紹，最初發布的 Bard 服務，將使用輕量級 LaMDA 模型。從執行任務的角度來看，輕量級模型將需要更少的算力，從而讓谷歌可以擴充套件和服務更多的使用者。LaMDA 模型的全名是 Language Model for Dialogue Applications（對話應用的語言模型），最早在 2021 年的谷歌 I/O 大會上公佈，後於 2022 年更新為第二代。它基於 Transformer 神經網路架構，使用高達 1370 億個引數進行訓練，它的訓練資料是對話內容，而非普通的句子和文章。

文言一心

2月7日，百度公司透露，此前流傳的類ChatGPT聊天機器人專案名字確定為“文心一言”，英文名ERNIE Bot，3月完成內測，面向公眾開放。

放眼國內，不管是說對AI的技術積累，還是說在自然語言領域的經驗優勢，百度都首屈一指。百度在人工智慧技術領域深耕多年，有晶片、框架、模型、應用四層技術棧。其中，文心繫列大模型引數規模達到2600億，表現超越谷歌的T5和OpenAI的GPT-3，是全球最大的中文單體模型，在行業產業已經獲得普遍應用。

元語AI

體驗地址：或掃下面二維碼

總體感受比起ChatGPT，不管是體驗還是資訊準確性都要“笨”很多，當前還有bug，進行第二輪迴話時，會卡：

除此之外，據悉，百度、阿里、騰訊、網易、三六零、科大訊飛等國內公司都在研發類似ChatGPT的產品。

結語

最後總結一下，chatGPT之所以火的原因是：