chat gpt 你们都让我聊 我这真的各种私信都快郁了 那咱就聊聊呗 我就图省事啊 咱就直接问问chat gpt 能不能帮我写一个视频大纲 你看1234567就列出来了 你详细说一说第二部分 你看又1234告诉我 你来帮我写一段脚本 哎呀妈呀 我连稿都不用写了 你看 但他这稿吧 你也不能深究 我要是按他这个讲哈 估计没两期我这粉就该掉光了 不过咱先刨开他这个内容质量不说 你就光看他这个文字能力 你问他什么都能给你对答如流 还说的有模有样的 当然是把我给震撼到了 又是拿美国的医学牌照 又是参加司法考试 又能写小说 编代码查资料 就感觉只要能用文字表达的事 他全都能干 你说这玩意儿 他怎么突然就横空出世了 之前也有聊天机器人 怎么就感觉他就要颠覆世界了 让资本圈好家伙那个兴奋 他又有什么问题呢 巨头们又如何应对 他到底会让谁失业呢 小莉虽然不是什么人工智能方面的专家 不过今天咱们就壹起把这些碎片的信息都给串起来 关于Chad GPT 你需要知道的那些事 === part 聊天机器人咱们得追溯到1950年 那时候号称计算机科学之父、人工智能之父的艾伦图灵 发表了一篇具有画时代意义的论文 他提出了一个很有哲理的叫做模仿游戏 也就是咱们大名鼎鼎的图灵测试 就是说当你在不面对面的时候跟人家文字聊天 你能不能准确判断出来对方是一个人还是机器人 如果你要是很难分辨出来 那就一定程度上可以说这个机器它是智能的 你看这个图灵测试是不是又简单又易懂又具体 而且还挺有意思的 所以就吸引了很多计算机方面的科学家来向他发起冲击 不过最开始的时候都是一些非常简单的指令 他就是通过一些语言技巧就是小聪明 来尽量让你感觉到你好像是在跟一个人对话 就比如说1966年的时候 MIT实验室里就发明出来一个聊天机器人叫Eliza 这个开发者就很聪明 他给Eliza的设定是个心理治疗师 你看这种咨询师一般不都是少说话多倾听吗 所以他就可以问人家说 你有没有什么想法人家blah blah说一大通 然后他又问说你最近休息的怎么样 人家又blah blah说一大通 他少说就少错嘛 所以就真的让人误以为他在倾听然后跟你沟通 而其实他背后就是一些非常简单的if什么什么then什么什么的代码 比如说他一看到说mother妈妈这个词的时候 他就会跟你说跟我说说你的家庭 就类似这种的关键词大概有200来个 然后到了30年之后的1995年 Eliza又出来了一个后辈叫Alice 她就进化的已经很强大了 虽然跟Chad GPT还没法比 但就很日常那些对话她已经都可以应付了 不过本质上不管是Eliza还是Alice 她们的原理都是基于一个叫做pattern matching 就是模式匹配 听到一个关键词 他就会调取一个已经预设好的预案 就比如说他听见你好 你就问人说吃了吗 他听见妈妈 他就说跟我说你的家庭类似这种 其实即使是在现在 一些购物网站银行什么的机器人 他基于的还是这种Pattern Matching的模式 就比如说你跟他聊天 你一说到退货 他就给你发个退货流程 或者你一说ATM 他就给你发个附近ATM的地图 这种匹配模式 它虽然称不上是非常的智能 但确确实实减少了很多那种 大量人力机械性的重复回答 但咱就从智能的角度讲 你说这种限定规则的机器人 就算你的规则写的再复杂 预设再多 也不可能穷尽所有的答案 它更不可能去创造新的答案 所以你要真的想通过图灵测试 想要变成真正的智能 单凭这种模式匹配是不可能实现的 于是就出现了语言学习里边一个新的流派 这个也是人工智能里边非常重要的一部分 就是机器学习 === part 顾名思义,它的基本理念就是让机器去学习 就是说我不给你人为规定一些规则回答了 就给你一大堆现成的例子,让你自己去学习找规律 听着是不是就感觉厉害多了 也非常符合我们对学习这个逻辑的认知 基于这个理念,就在2001年就有了一个叫做 Smarter Child,更聪明的小孩,这么个机器人就火出圈了 首先他用了一些机器学习里边当时比较先进的模型 来让聊天变得更自然 而且2000年那会儿不是兴起了一大批聊天软件吗 什么AOL、Windows、Yahoo 那个Smart Child就把这些平台横扫了一遍 就让全世界好几亿人都可以跟他对话 不管你问他什么,你甭管他答的怎么样 总能跟你聊天两句,所以算是Chet GPD的大前辈了 你说这么好玩的东西,那立马就风靡全球 吸引了超过3000万的用户跟他对话聊天 他每天光接收的信息就要超过11条,被各种人潦草 直到2007年的时候 他被一家巨头公司收购了 微软在那么早的时候就已经开始基于这个领域了 不过这个更聪明的小孩虽然已经很能聊了 但是离通过图灵测试还有很长的距离 你跟他聊两句就知道那就是个机器 好 咱们继续进步 到了2010年的时候 机器学习里边的一个领域开始闪光了 叫做人工神经网络 Artificial Neural Network 你看啊,我们人的大脑其实是靠超过100亿个神经元 通过网状链接来判断和传递信息的 虽然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 所以人工神经网络其实就是想模拟人脑的这种形式 输入信息之后就会经过若干个隐藏神经节点的判断 就跟神经元似的 然后给你输出结果 其实神经网络的思想早就有了 甚至可以追溯到1960年代 但是它需要两样东西做支撑 大量的数据和强大的算力 而这些在之前都是不具备的 所以神经网络的事就是纸上谈兵 到了2010年代那不互联网时代了吗 数据肯定是有了 算力也是持续指数级别的提升 才让神经网络开始能应用起来 人们就发现这个模式真的特别适合解决 就是人们一看就知道 就凭直觉那种事 就比如说你一看到一张脸 你就能迅速知道他是谁 我是刘强东除外 我根本不知道她漂不漂亮 你想之前要让电脑判断出这个人是谁那简直太难了 但是你用这个神经网络机器学习就能慢慢摸索出规律 现在它的应用已经非常广了 不光是人脸识别 像声音识别 自动驾驶 包括前几年夏威夷打在科节的那个alpha go 都是用这招练出来的 === part 虽说神经网络在刚才我们说的那些领域都可以大展宏图 但回到文字领域 它发展就不太顺 为什么呢?因为机器学习一般都是用一种叫做循环神经网络 就是RNN来处理文字的 它主要的方式就是按顺序一个词一个词看 一个词一个词处理 问题就是它没法同时进行大量的学习 而且句子也不能太长 要不然你学到后面的时候前面都忘了 直到2017年的时候 谷歌出了一篇论文 提出来了一个新的学习框架 叫做Transformer 具体的机制就比较复杂了 那肯定也不是小莉能搞明白的 但结果就是它可以让机器同时学习大量的文字 就比如原来那些字你得挨个学 就跟电路串联似的 现在你可以同时学 就跟并联似的 这样一下训练的速度、效率不就大大提高了嘛 有了这个Transformer 机器在文字学习方面就像打通了人多二脉 现在很多自然语言处理模型 其实都是建立在它的基础架构之上的 谷歌那个BERT里的T 包括ChetGBT里的T 都是指这个Transformer 好 你看啊 现在技术方面已经有非常强的突破 万事俱备 那不就差人和钱了吗 是时候是《刷新》T.T.登场了 就在2015年 包括马斯克、彼得·蒂尔在那几个大佬 一起注资了10亿美金 成立了一家非营利组织叫OpenAI 也就是拆GDP的母公司来进行AI方面的研究 你看他非盈利嘛 就是说我不是为了赚钱 我纯粹是为了推动这项技术的发展 所以他的研究成果包括专利都是对外公开的 你看这个投资人里 咱们是不是听到了大家都非常熟悉的马斯克 实际上他逐渐发现 他的特斯拉在AI方面也需要大量的投入研究 搞自动驾驶什么的 所以就为了避免特斯拉跟OpenAI这两家公司的利益冲突 他就在2018年 也就是OpenAI成立的第三年 退出了董事会 就白白不玩了 所以现在这个OpenAI其实跟马斯克已经关系不大了 拍 而OpenAI这些大牛们也确实很厉害 2017年谷歌不是推出了Transformer吗 他们就立马在这个基础上研究学习 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-Trained Transformer 就是GPP 之前的语言学习模型它基本都是需要人去监督 或者人为得设定一些标签 但这个GPT就基本不怎么需要了 你就把一堆数据放进去 他就哗哗一顿学就能学明白了 好像大概就这个意思哈 === part OpenAI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GPT-2 这种机器学习它其实主要就拼两件事 一个是模型 一个是参数量 模型就是你决定了机器怎么学嘛 同样的数据我进去 我学的比谁都快比谁都好 那你就厉害 而参数量它其实就需要大量的计算 所以说白了就是要砸钱 就算是模型再好 它也得靠砸钱去训练和验证 这两者缺一不可 OpenAI团队对我这个模型是很有信心 那下一步不就缺钱了吗 而你每进步一点 都可能需要上升一个数量级的数据去支撑 那这些都是需要真金白银去支持的 你就比如说Google那个DeepMind 就是研究出来AlphaGo的那个公司 它每年开销就四五亿美元 最开始OpenAI这边我们不是说投了十亿美元吗 那根本不够花呀 注意哈 这时候它还是个非盈利组织 马斯克也退出了 大腿不在了 之前十亿美元情怀不够了 我上哪儿再找那么多情怀去 是吧 所以迫于资金压力 OpenAI就在2019年从非盈利组织转型了 但是它没有直接变成一个盈利组织 还是得要点情怀 而是变成了一个叫做收益封顶的盈利组织 它什么意思呢 就是说任何投资人的投资回报都不能超过100倍 超过100倍的部分投资人就拿不到回报了 就都归OpenAI自己了 但是我就好奇 你说我要是投资回报快到100倍了 我就撤出来然后重新投 那不又能拿100倍了吗 反正不管怎么说吧 OpenAI变成了一家盈利组织 也就是说你投资它是可以拿到回报的 这时候微软就立刻冲了过来 注资10亿美元 === part 这笔投资对双方肯定都是双赢的 OpenAI这边一是拿到了钱 第二微软也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 微软也得到了OpenAI的技术和团队 当然这样的话OpenAI的研究成果也就比较公开了 你说微软能投的是情怀吗 OpenAI得到了超能力和算力支持 就准备开始大力出奇迹 它之前那个一代的时候只有1.2亿个参数 到了GPT-2是15亿个 而这回半年之后又推出了GPT-3 直接上升了100倍变成了1750亿个 效果果然就真的非常好 已经有那么点现在这个Chad GPT的意思了 就你问他点什么他都能给你答出来 当时在业内就已经掀起了一波轰动 不过这个纯机器训练出来的GPT-3 它有个问题 就是它有的时候答得很好 有的时候就差那么点意思 而且问题就在于你不管再怎么加大参数量 它的提升和改善都非常有限 这个呢就因为他在训练的时候没有一个非常好的反馈机制 就是没有人告诉他你打成什么样是对的 打成什么样是不好的 你看啊我要是训练下棋 那我就想赢对吧 赢了就是好的 那我就训练让自己赢 但是你说聊天 那就很难判断了 我怎么知道我聊的是好的还是不好的 我就只能在那干学 所以为了解决这个问题 OpenAI就在训练的时候加入了一个人工反馈的机制 就是你跟我聊天 我告诉你 你聊的是好还是不好 专业术语呢就叫人工反馈的强化学习 所以你用ChangeP的时候 你就感觉他有时候特贫特能说 其实这都是因为训练他的人就喜欢他这么说 要是训练他的人是个特别幽默的人 那估计Chai的GPT就整天给你讲段子了 What 反正啊就是加入了这个人工反馈的强化学习之后呢 他不管是训练的效率还是效果都得到了大大的提升 在2022年3月就推出了GPT 3.5 之后呢又对对话进行了优化 在2022年11月就推出了 诶 它其实就是一个非常极其简单粗糙的聊天界面 但是你问他什么人家都能给你叭啦叭啦回答一通 感觉说的还很有道理 当然这里边会有一些问题 这个我们之后再说 但你就粗略的一看看 它真的是什么都能聊 而且语言表达上真的就说的跟那么回事似的 经历了半个世纪 ChetGBT这次肯定是可以轻轻松松就通过图灵测试了 你说有没有一种可能 OpenAI它是个骗子公司 每天雇了几万个人 就在那每天打字回你 开玩笑的 我可能是骗子公司看多了 反正它就确确实实已经颠覆了大多数人 包括我在内对聊天机器人的认知 所以在短短的两个月内 XGPT的月活就突破了1亿人 扩张速度肯定是史上最快 各种数据怎么吹都不为过 不过说实话 XGPT这么强的颠覆性 它产品本身给人们带来的震撼 已经远远超过那些数据了 直到现在啊 我看到回答问题的时候 它不是一口气就全给你出来 是真就那么一点一点坑着坑着 就跟个人在那跟你说话似的 我今天还真起一身鸡皮疙瘩 不过我估计一年之后大家再看这种 应该也见怪不怪 === part 好 咱们来看看啊 这个Chad GPT他是怎么做到 你不管在什么领域问他问题 他都能聊的 简单来说,类似GPT这种大型语言模型 它本质上就是在那计算下一个词、下一句话该出现什么 比如说他说到了我很要往下接 数据库里那么多词可以是 我很开心、我很健康、我很着急、我很饿等等 但是你要有个上下文 比如上面说今天天气不错 那他可能就计算出来大概率就是我很开心 其实他的每个回答每个词都是这么简单粗暴 靠前文的相关性来计算出来 当他学习内容足够多 就上千亿的参数和文字 通过这些复杂模型找规律之后 他自己就形成了一个非常庞大的神经网络 你完全不需要告诉他什么叫编程 什么是视频脚本 他自己看多了他就知道了 编程就是这么写代码 视频脚本就该长这样 所以我让他帮我写一个ChatGP的视频脚本 他就从他总结出来的那个相关性 就一个词一个词往外蹦就完了 你看他本质上还是一个语言模型 就是在学别人说话 那他知道他自己说的是什么意思吗 至少目前这个ChatGP的版本他还完全不懂 他就像是个记忆力特别好 但是什么都不太懂的小孩在那学大人说话 但是让我们以为他好像什么都懂 这也是为什么你看他说的那个话 真的都已经非常完美非常像人类了 但是还经常会犯一些逻辑性的错误 就我们看着觉得非常弱智 家庭成熟这种错误 就是因为他其实是一个语言模型 就目前来讲相对于他讲的对不对 他更在意的是我说的像不像那么回事 实际上GPT也经常会出现 大量编造答案的情况 也就是说他本来都不知道他在说什么 但他就是在那给你硬扯 也包括很多道德伦理上的问题 比如说你问他怎么看人类 他就跟你说 人类是劣等的 自私的 是最烂的生物 就应该彻底被消灭 他真的是这么想的吗 那他肯定也不知道自己在那说什么 也不知道从哪学来的 不过这些胡说八道的问题都是现在这个版本的拆GPT的问题 虽然现在它可能就是简单的模仿 但是当你模仿的越来越像 越来越高级 就不99.9%的情况你都能回答正确的时候 那它到底是真的理解了还是纯粹在那模仿 是不是就其实意义也不大了 这个其实也是图灵早在图灵测试那篇论文里面就讨论过的一个问题 就是与其我们问说机器能像人类一样思考吗 机器能做人类做的事吗? 有点深度了 === part 其实我觉得Chat GPT它重大的一个突破 就是极大提升了人类和机器之间沟通的效率 人类之间沟通信息的方式主要是文字 那电脑呢它是用代码 那之前呢人类签就是电脑 什么事我都得先学编程然后想好了 把它编成一个电脑能理解的语言 然后让它执行 包括搜索 我们也是先把自己的问题换成几个关键词 然后去搜 那有了这些语言模型之后呢它就变了 电脑可以慢慢理解人了 我就可以直接跟它说人话 然后它自己去翻译自己去执行 大家都觉得Chat GPT很神奇 你问它什么它都知道 但其实它的神奇之处并不在于说它能去执行这些任务 更主要的是它能非常准确地理解你的问题 然后呢结合语境从它那庞大的数据库里边 提炼出来最恰当的信息 换成人话再告诉你 它这个沟通的环节其实是这里边最神奇的 有了一个这么强大的接口 那很多东西我们就可以更轻松地交给机器去做 那做事的效率就大大提高了嘛 你就想象啊 假设我们能把它跟一个语言识别系统 比如说像Siri这种连起来 让它可以跟你自由对话 然后你要再能接上一些专业的分析接口 比如什么AI的股票分析啊 编程啊 计算啊 什么机器人 然后再接上一个视觉生成的部分 好家伙 那咱真的每个人就能像电影里那钢铁侠跟他助手似的 比如你跟他说 啊你帮我算一下什么莫比乌斯环再什么什么 然后他就给你算 然后你就说 真棒 === part 你看啊,这个CHBT一下子开启了这么多可能性 本身又这么火爆 那它背后的大股东微软肯定乐疯了 那赶紧投钱造势! 1月份就宣布给Openai再注资100亿美元 估值达到了290亿美元 而且这回微软跟Openai签的这个deal还挺有意思 就是微软投完这100亿美元之后 Openai的利润里边75%得先分给微软 直到把这100亿回本 就是微软得先保证我投进去的钱能收回来 然后微软持有Openai 49%的股权 可能还有个100倍投资回报的上限 大概就是这么一个奇特的deal 这个deal达成之后 接下来2月7号微软就举办了发布会 宣布要把Chad GPT融入到自己的搜索引擎Bing里边 微软就把它叫做Copilot for the Web 大概就是个网络助手吧 其实Chad GPT他有一个问题 就是他训练那些数据只截止到2021年 也就是说最近发生的事他都不知道 那微软把它跟Bing这么一结合 你看逻辑类的我可以用Chad GPT 如果需要信息或者新闻我拿Bing这么一搜 这不就强强联合了吗 你比如说我要是问Chad GPT 你知道小林说吗 他就只能说他不知道 那我要是问Bing呢 他就说小林说是一个又有趣又有用的那种创作者 很多要追求自己梦想的人都好榜样 说的我都有点不好意思了 所以他火是有他道理的 而且微软还很阴险 他这个聊天功能必须用他自己家的Edge浏览器才能用 不得不说就这一波的营销和造势我给满分 === part 好那面对这一波铺天盖地的宣传 这时候最慌的 为什么呢?因为CHIPT很可能会撼动他们最大的一块蛋糕——搜索 你想啊,我要问CHIPT,他都能组织好语言告诉我 那我要想搜东西的时候,我就不用再去查他的自己挨个看了 我就直接问CHIPT就行了,对吧 那就没人再用搜索引擎了,那你说谷歌他能不慌吗? 你要知道,他现在占有全球搜索市场的份额是93% 那是妥妥的垄断 美软那个病呢,虽然排在第二,但只有3% 搜索业务带来的广告收入能占到谷歌总数60% 你说本来都做得好好的,突然横空跳出来个什么什么PP 其实一直以来谷歌在人工智能领域都是领先的 你想那个Transformer不就是他搞出来的吗 他其实一直也在内测一个机器人叫Bert 跟拆CPT很像 只不过没有花大量的精力去训练他 他其实还有另外一个机器人 更厉害 叫Lambda 完全就是基于人类正常的对话 所以他甚至还会开玩笑或者表达自己的情感 就完全不是说光你问他就是回答这么简单 就因为他说话确实是太自然了 甚至于都骗过了当时在谷歌内部一个开发测试的员工 相信Lambda已经具备了自己的意识 就差不多像个七八岁的小孩 所以谷歌其实在聊天机器人这块一直都是很强的 但是他的立场跟微软就完全不一样了 你想谷歌本来就是搜索领域的王者 他吃饱了撑的非得搞个机器人 然后把自己的摇钱树给砍了吗 那不到万不得已肯定不会的 所以这也是为什么我估计他那个Lambda 更专注于对话和聊天 而不是像拆GPT这种什么问题都能回答 而且他一直不把这些AI机器人放出来 也是担心自己的名誉风险 谷歌他毕竟是搜索的 要的就是要准确严谨 你说你要是推出来个还没训练好的 不玩八道的机器人 另一方面,这么大规模的训练是非常需要算力和烧钱的 每个问题消耗的能源大概是现在谷歌搜索的10-100倍 像拆GPT这种,现在每天就要花掉100万美元来运行 所以你看得出来,微软这波先发优势也是确实非常有道理的 它不光投对了公司,而且真的是下得了这个狠手去砸钱 面对微软这边强大的舆论压力,加上媒体铺天盖地的报道 谷歌是真的坐不住了 拆GPT刚上线不久,谷歌内部就发布了一个叫做红色预警Code Red 这是我们生死存亡的关键时刻了 我们得集中全公司的力量到AI这个赛道上了 因为这个东西关键它就是得快 快到谷歌把自己的腰给扭上了 === part 咱刚刚不是说微软的发布会是2月7号吗 说把ChatsPT融入到他的搜索引擎里了 谷歌这边急忙2月8号就举办了发布会 发布了自己的对话服务叫Bard 这个就是基于他们刚刚那个对话机器人Lambda开发的 你就看看谷歌发布会之后 微软和谷歌这两个公司的股价 你就知道谷歌这发布会到底有多惨 这个行业真是怪不了别人 你都不用看什么专业分析 你只要静下心来把他们两家发布会从头到尾看一遍 就不知道为什么了 所有人都知道这里边大家最关注的就是AI聊天的部分 但谷歌它整个发布会40分钟 前面先是说自己之前的成就 然后又是照片搜索 这中间还出现了那个演讲的人找不着展示的手机 只能跳过这一趴 后来好不容易进入到正题开始介绍这个Bird了 也就说了几分钟就完了 而且谷歌发布会的时候同时还发布了一个介绍Bird的视频 要命的是这个视频里Bird的回答还出现了事实性的错误 其实说实在的 现在这种聊天机器人 他出现一点事实性的错误 大家也是可以理解的 但是你广告片上的答案都没查清楚 手机还忘带了 然后雷声大雨点小一代而过 肉眼可见能看到谷歌的仓促和慌乱 这个才是市场担心的 虽然拆GPT风光无限 可大家都知道Google是AI领域的强者 所以就算你短时间内没怎么吭声 估计外部人也知道你不好惹 你估计是在那憋大招 你看它发布那个红色预警 其实有个原因可能就是让外部知道说 我很重视这个事儿 你们先别着急卖股票 所以你看发布会之前 谷歌的股价跟微软比也并不差 可是非得着急忙慌搞了这么一出 那不就有点漏怯了嘛 所以谷歌的市值一下蒸发了1000亿美元 === part 相比之下微软那边就稳多了 你看微软的CEO、OpenAI的CEO全都出来亲自讲解 将近一个小时的发布会都在着重讲这个AR聊天的功能 还加上各种演示,很明显就是做了充分的准备 这AI战争刚一打响 谷歌这边先是被拆GPT搞了个措手不及 然后自己一慌又来了个低级失误 可以说这第一仗算是惨败 但这个毕竟也只是第一仗 谷歌毕竟也还是谷歌 后面怎么样呢 我们就拭目以待 当然这场AI战争也绝不仅限于这两家公司 像Meta、百度、腾讯、阿里也都抢着入局 但凡和生成式AI沾边的股票都开始狂涨 像英伟达、AMD这种提供算力基础的硬件厂商也跟着沾光 其实像AI聊天、AI作画、AI编程这些生成式AI 在前两年就已经迎来了井喷式的发展 这个方向过去几年的融资额从21、22年就已经开始起飞了 每年都是10多亿美元 但2023年一开年微软就先砸进去了100个亿 资本已经尽其所能全都涌到这个赛道 === part 那这个东西发展的这么快 它会不会导致很多人失业呢 它会导致谁失业呢 会不会导致你失业呢 就这种技术革新它永远都是一把双刃剑 它可能会创造出来更多的工作 就失业率也不一定降 总体的GDP八成还会上升 但是短期内它肯定会导致一部分人失业 我就在想 你说咱们怎么能尽可能的不让自己失业 甚至说能够利用这个AI工具来提高自己的生产力呢 我个人的总结就是咱们得尽量避免那种套路性的工作 就以前电脑刚出来的时候 可能解决的是一些人类的重复性工作 就我每天都在那不停地不停地重复一件事 你搞个电脑for loop就给解决了 那现在呢就不光是那种重复性工作了 就连套路性工作 就只要你有套路 哪怕你感觉你每天在那创作 实际上呢根本没动太多脑子 就这种事儿那机器也能分分钟就给你玩明白了 那什么叫套路性工作呢 我给你举个例子 就比如说我让XGBT 写一个有关小林的童话故事 他就说小林有一只会说话的猫 它打败了恶龙 拯救了公主 成了英雄 那我告诉他不对 小林是个女的 你重编 他说小林是个女的 有一只会说话的猫 打败了邪恶的女巫 成了英雄 所以你看啊 这就是童话故事的套路 它有一只会说话的动物 打败了一个东西 成了英雄 虽然这个会说话的猫它在里边毫无作用 但这就是童话故事的标配 就类似的比如有一些特别熟练的工程师 整天闭着眼睛就叭叭叭能写的代码 写手闭着眼睛就能一天写20条的那种网文 或者公司一些特别基本的财务报告啊 基本的设计 基本的法律建议等等 你想为什么这些活我熟练了之后闭著眼睛都能干 就因为它背后有套路 那现在AI学会这些套路 那你也不用闭著眼睛干了 AI全都给你包了 注意啊 我并不是说程序员、会计师、作家、分析师 这些人都会被取代 只是说他们工作当中里面那些套路性的部分 会慢慢机器就会学会了 所以你要是感觉自己工作当中有一些套路性的成分 那你就得小心了 反正至少你别把那些套路放在网上 反正AI不就都学去了吗 === part 其实不光是失业这块 就是因为它的颠覆性实在是太强了 我们已经能看到它给现在的社会造成了巨大的冲击 你就比如说学校教育这块 它才上线几个月 现在美国18岁以上的学生里边 都有9成用过ChinaGDP帮他写作业了 而且它基本上除了体育是不是哪一科都能做 你说我怎么知道你这作业是不是自己写 当然不是说这个东西我们就不能用它帮忙了 只是说我们现在的教育体系还没有准备好让ChinaGDP进来 这个颠覆性它就好像我们用几百年 好不容易建立了一套比较完善的交通系统 结果突然有一天这车全都会飞了 飞车嘛这个技术长期来看它肯定是好的 但短期我们还没有一套完整的新的体系的时候 所有人都满天乱飞那不就乱套了嘛 那社会的秩序就会被极大的扰乱 所以你看像学校公司一时他也想不好拆GPT怎么融入到自己现有的体系 那就只能一刀切直接限都给禁止 包括你说像AI它写的内容它画的画到底算谁创作的 版权算谁的 对吧 这些其实都是很棘手的问题 所以说这种生成式AI它之后到底能发展什么样 其实谁也说不准 你想拆GPT团队它最最开始的时候也没有什么特别多的目的 就是纯粹把数据放进去让机器去学习 弄出来之后才发现 哦 原来这么厉害 还能跟搜索连接上 大家其实也都是摸着石头过河 所以你也不知道突然哪天AI在哪个领域就开窍了 我有时候就感觉能见证AI这么神奇的发展 其实还是个挺激动的事 潘多拉的魔盒也在一点一点被我们打开了