能够拿美国医学牌照，又能够参加司法考试，能写小说、写编程……只要是能用文字表达的事情它全都能干，ChatGPT是彻底火了，也让整个资本圈都为它“宇宙闪烁”。紧跟热点，我们今天就来聊聊关于ChatGPT！

ChatGPT本质上是一个聊天机器人，说起聊天机器人可以追溯到1950年，那时候被称之为“计算机科学之父”、“人工智能之父”的艾伦·麦席森·图灵发表了具有划时代意义的论文，提出了“模拟游戏”，也就是现在大名鼎鼎的图灵测试。

它指的是，指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。

如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为是智能的，但要想通过图灵测试还任重而道远。

1966年，MIT实验室发明一个聊天机器人，叫艾丽莎，它的定位是心理治疗师，和它聊天它会噼里啪啦地说一大堆，让聊天者误以为是真人在倾听，但想通过图灵测试还远远不够，不过它背后的工作原理就很有意思。

主要是一段非常简单的代码，提取其中的关键词，例如当我们一句话，它读取了关键词“妈妈”，然后会继续和你沟通，让你说说你的家庭，通过你的回答，不断地提取关键词然后与你沟通。

艾丽莎后来又经过不断进化，到了1995年，艾丽莎衍生出了强大的后辈爱丽丝，它的智能系统已经很强大，只是和ChatGPT还是没法比，但日常的对话，它已经能够应付了。

它的原理是基于一个叫做pattern matching，就是匹配模式，它会调取一个已经预设好的文案，通过用户发送问题，提取关键词，然后匹配最佳答案。

例如我们在淘宝、京东等电商平台购物过程中，不知道怎么修改地址问客服，客服就立刻回复你，并且给你发一个修改地址的链接等等。

虽然说称不上非常智能，但确确实实可以减少大量人力机械性地重复回答，所以我们从智能角度上来看。

这种限定规则的机器人，就算我们写再多的规则，有再多的预设文案，它的答案始终是有限的，而且不可能去创新答案，所以单凭这种匹配模式，很难通过图灵测试。

于是，这时候就出现了新的流派，他们主要的目的就是让“机器去学习”，也就是说，不人为地制定规则，而是通过一来一往的“交流”，让机器自己学习找规律，也正是因为这个理念，2001年出现了一个叫作SmarterChild（更聪明的小孩）。

当时，兴起了一大批的聊天软件，很快地更聪明的小孩直接将这些聊天平台横扫一遍，让全世界好几亿人与它对话，这也算得上是Chat GPT的前辈了，只是离通过图灵测试还有很长的距离。

到了2010年，机器学习的人工神经网络领域发展突飞猛进，主要是靠超过100亿个神经元，通过网状链接来判断传递信息的虽然这每个神经元都很简单，但是它们组合起来，就可以判断非常复杂的信息，这相当于在模拟人脑。

在以前让电脑识别图片是完全不可能的，但有了这个网络神经，机器在不断学习后慢慢地摸索出规律来。

不光是图片识别、人脸识别、声音识别、自动驾驶，甚至包括前几年的阿尔法围棋，都是通过这一招练出来的。

人工神经网络已经进步到这个阶段，可谓是非常强大了，但回到文字领域它反而不灵敏了，主要是因为它用的是一种叫做循环神经网络。

它就是RNN来处理文字的，它的处理方式，就是按顺序一个词一个词看，一个词一个词处理，这就导致它没有办法同时进行大量的学习。

尤其是发送一段长文字给到它，它基本上是学到后面忘了前面，这情况人工智能领域陷入了僵局。

直到2017年谷歌出了一篇论文，提出来一个新的学习框架，叫作Transformer，它能够让机器同时学习大量的文字。

这就像从原本串联的电路，变成了并联，提高了训练速度，因此这种语言处理模型很快地得到了广泛应用。

很多自然语音处理模型，都是建立在这个基础架构之上，谷歌那个Bert里头的t，还有包括ChatGPT里的t都是指这个Transformer。

这时候就要说到一家非盈利组织——Open AI，在2017年谷歌发布相关论文后，给了Open AI非常大的启示，很快地Open AI就在2018年发表了一篇论文，介绍了一个新的语言学习模型，叫做Generative Pre-train Transformer就是GPT

在之前的人工智能语言学习模型中，基本都是人去监督，或者人为设定一些标签，但GPT则不需要这么做，只需要把一堆数据放进去，然后让它自己学习就好了。

Open AI就在2018年6月推出了第一代GPT，接着在2019年11月，又增加了训练的数据量

推出了GPT2，为了加强数据模型，微软给它建了一个全球第五的超级计算机，大大提升了它训练效率。

从只有1.2亿个参数的GPT 1，到了15亿个参数的GPT 2，到了GPT 3直接上升了100多倍变成了1750亿个。

当然，这还不够，为了让GPT更加智能化，Open AI在训练GPT时，加入了人工反馈机制，加入了这个机制之后，不管是训练的效率还是效果都得到了大大地提升。

接着在2022年3月就推出了GPT 3.5，在2022年11月就推出了ChatGPT，并且能够轻轻松松通过图灵测试，不得不说确确实实已经颠覆了大多数人，包括泓曚智联在内对聊天机器人的认知。

所以在短短的两个月内，ChatGPT的月活就突破了1亿人，扩张速度称得上是史上最快，各种数据怎么吹都不为过，但它的本质上还是一个语言模型，就是在学别人说话。

实际上它根本知道自己在说什么，就像一个记忆力很好，但什么都不懂的小孩，学大人说话，因此在使用过程中，还是会犯一些逻辑性错误，但如果这么下去，很多人开始会担心失业的问题，那么谁会失业？你会失业吗？

我们只能说，技术革新它永远是一把双刃剑，它可能会创造出来更多的工作机会，所以失业率也不一定降，只是至少在短期内会导致一部分人失业。

不过为了尽可能不让自己失业，并且利用AI工具提高自己的生产力，个人认为要尽量避免做一些套路性的工作，因为只要有套路人工智能分分钟钟就能够给你玩明白。

什么叫套路性工作呢？下面是我让ChatGPT帮忙写了一个品牌文案：

在提问过程一开始只是让它写一个泓曚智联的品牌故事，后来一步步告诉它，这个品牌创始人是谁，公司在哪里，这个品牌是做什么的，最后它往里填内容，形成了符合一个公司标准的品牌故事。

还有什么是套路性工作呢？

比如有一些特别熟练的工程师整天闭着眼睛就能写的代码，闭着眼睛就能一天写20条的那种网文等等，这些活在熟练之后闭着眼睛都能干，就是因为它背后有套路，所以才让一些行业岌岌可危。

但AI公司最初研发的时候，并没有太多的目的，只是就是纯粹把数据放进去让机器去学习，未来会怎么样我们谁也不知道，大家都是摸着石头过河，但能够见证AI领域的发展，想想还是提激动的，现在潘多拉的魔盒在一点点被我们打开……