最近隨著ChatGPT爆火出圈，網(wǎng)絡(luò)上各種關(guān)于ChatGPT的爭論聲也不斷；有些人把它當(dāng)成一個更高級的聊天機(jī)器人，有人興奮地看到了創(chuàng)業(yè)的風(fēng)口，而另一些人對它取代人類的工作露出了不少擔(dān)憂；那么它到底是推動社會不斷前進(jìn)的工具，還是妄圖顛覆人類社會的T-1000？本文我們來深入的探討一下ChatGPT的那些事。

當(dāng)我們在談?wù)揅hatGPT時，討論的是聊天的欣喜，是失業(yè)的擔(dān)憂，是未來的憧憬。

發(fā)展歷程

ChatGPT看似好像是在一夜之間突然火起來，但其實(shí)它并不是一個什么新鮮的概念，最早的人工智能可以追溯到1950年，艾倫·圖靈(Alan Turing)發(fā)表了具有里程碑意義的論文《計(jì)算機(jī)器與智能》，又名《機(jī)器能思考嗎？》，在這篇論文里，第一次提出了很有哲學(xué)的概念：模仿游戲，也正是我們所熟知的大名鼎鼎的圖靈測試，正是這篇文章為圖靈贏得了人工智能之父的桂冠。

圖靈測試就是將測試人和被測試者（一臺機(jī)器或者人），在沒有面對面的情況下，讓測試者通過一些測試裝置（例如鍵盤）像被提問者發(fā)問，如果被測試者超過30%的答復(fù)，不能使測試人確認(rèn)出哪個是人、哪個是機(jī)器的回答，那么這臺機(jī)器就通過了測試；這樣的機(jī)器也被稱為圖靈機(jī)，圖靈機(jī)也只是一個設(shè)想，并不是真正的機(jī)器。

圖靈測試

其實(shí)我們發(fā)現(xiàn)圖靈測試并沒有對人工智能進(jìn)行直接的定義，什么樣才算是人工智能；而是反其道而行之，并沒有拘泥于繁雜的過程，以結(jié)果為導(dǎo)向，達(dá)到什么樣的結(jié)果（欺騙到測試人），才算是人工智能；我們有時候在處理棘手問題時也可以換個思路，以結(jié)果為起點(diǎn)對問題進(jìn)行拆解。

在傳記電影《模仿游戲》中，也對這位孤獨(dú)的天才提出的設(shè)想進(jìn)行了描繪，當(dāng)圖靈被警探關(guān)到審訊室時，警探提出了一個意味深長的問題：機(jī)器能思考嗎？圖靈就提出了玩一個游戲（正是圖靈測試）；最終圖靈露出了笑容，他感覺到警探理解了游戲規(guī)則。

模式匹配階段

在圖靈測試被提出后，很多科學(xué)家和實(shí)驗(yàn)室也向這個測試發(fā)起了沖擊；在1966年，MIT實(shí)驗(yàn)室誕生了一個真正意義上的聊天機(jī)器人Eliza，它的定位是一名心理治療師。

Eliza

Eliza主要的策略就是提出問題，并重新表述用戶說的話，引導(dǎo)用戶多描述問題。比如你告訴它：我今天有點(diǎn)頭疼（headache），它就會告訴你頭疼就去咨詢醫(yī)生用藥；如果你說今天有點(diǎn)很沮喪（depressed），然后它就會說聽說你不開心，表示很難過；如果你又說我媽媽（mother）照顧我，它會問你家里還有誰來照顧你。

Eliza通過關(guān)鍵詞匹配規(guī)則對輸入進(jìn)行分解，而后根據(jù)分解規(guī)則所對應(yīng)的重組規(guī)則來生成回復(fù)；通俗點(diǎn)說就是抓取句子中的關(guān)鍵字，比如發(fā)現(xiàn)句子中有媽媽這個關(guān)鍵詞，她就會說：跟我說說你的家庭；其實(shí)它的背后就是很多的if/else代碼。

到了1995年，受到Eliza的啟發(fā)，理查德·華勒斯開發(fā)了一個聊天機(jī)器人Alice，并于1998年開源；Alice的技術(shù)原理主要是基于自然語言處理，它的目的是模仿人類的自然語言，與用戶進(jìn)行有意義的對話。它可以回答關(guān)于天氣、新聞、體育等各種話題的問題，還可以與用戶進(jìn)行有趣的聊天。

Alice

不過目前階段，無論是Eliza還是Alice，他們的原理都是基于模式匹配（Pattern Matching），通過提取關(guān)鍵詞，調(diào)用預(yù)先設(shè)好的文本進(jìn)行回復(fù)。

這些對話機(jī)器人雖然能夠進(jìn)行簡單的語言交互，但是對語句缺乏深度的理解和推理能力，很難和人類的對話水平相比。

但這種模式也并不是一無是處，可以避免很多重復(fù)性的工作，反而在我們身邊也很常見。比如常見的購物網(wǎng)站、銀行網(wǎng)站或App等，進(jìn)入聊天界面先給你來一個熱情的聊天機(jī)器人，巴拉巴拉羅列一堆關(guān)鍵詞咨詢你想干嘛。

機(jī)器學(xué)習(xí)模式

上面我們也說到了，模式匹配的方式就算if/else代碼寫的再多，但是機(jī)器還是不能理解句子的真正含義，只是簡單的回復(fù)，因此出現(xiàn)了一個新的模式，也就是：機(jī)器學(xué)習(xí)。

顧名思義，就是不進(jìn)行人為的規(guī)定問題和答案，而是給機(jī)器一堆現(xiàn)成的案例，讓機(jī)器來進(jìn)行學(xué)習(xí)，這種方式也更加符合人類學(xué)習(xí)的認(rèn)知規(guī)律。

這個階段比較出名的就是SmarterChild（更聰明的小孩），它是ActiveBuddy股份有限公司于2001年開發(fā)，該聊天機(jī)器人用在了老牌即時通訊AIM，能夠進(jìn)行有趣的對話并快速訪問其他服務(wù)的數(shù)據(jù)，比如天氣、股票和電影數(shù)據(jù)；你甚至可以責(zé)罵它、刁難它，它似乎總是知道如何來應(yīng)對。

SmarterChild也是最早集成到即時通訊平臺的聊天機(jī)器人之一，在當(dāng)時迅速引起了轟動，有3000多萬用戶在使用它；后來于2006年被微軟收購，也被應(yīng)用到了MSN Messenger上。

SmarterChild

不過SmarterChild后，聊天機(jī)器人被遺棄了好幾年，微軟也關(guān)閉了SmarterChild的高科技部門。

2010年隨著機(jī)器學(xué)習(xí)中的一個領(lǐng)域人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks簡稱ANNs）的爆發(fā)，人工智能迎來了空前的發(fā)展。

它的靈感來源于生物學(xué)，初中生物課本中我們學(xué)到過，動物的神經(jīng)網(wǎng)絡(luò)能夠處理大量復(fù)雜的信息，就是通過大約1000億個神經(jīng)元彼此連接來執(zhí)行功能；人工神經(jīng)網(wǎng)絡(luò)要做的就是模擬大腦中的基本單元：神經(jīng)元。

人工神經(jīng)網(wǎng)絡(luò)看起來很厲害，其實(shí)本質(zhì)上就是一個不斷的提取特征的過程，跟我們小時候?qū)W會認(rèn)知事物很相似，就是找不同事物的特征；人工神經(jīng)網(wǎng)絡(luò)在得到一串樣本數(shù)據(jù)后，也是通過學(xué)習(xí)提取所觀察事物各部分的特征，將特征之間進(jìn)行關(guān)聯(lián)，再經(jīng)過反復(fù)的訓(xùn)練，最后輸出得到正確的答案。

通過這個過程，我們也能發(fā)現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)需要海量的數(shù)據(jù)訓(xùn)練和強(qiáng)大的計(jì)算能力支撐；隨著互聯(lián)網(wǎng)的快速發(fā)展，大量的數(shù)據(jù)集也不再是問題。

Siri成立于2007年，2010年被蘋果以2億美金收購，最初也是以文字聊天為主，隨后與全球最大的語音識別廠商N(yùn)uance合作，Siri實(shí)現(xiàn)了語音識別的功能，并于2011年在iPhone 4S上首次亮相，在當(dāng)時引發(fā)轟動，iPhone 4S也成為了一代神機(jī)。

Siri識別你的聲音使用的就是深度卷積網(wǎng)絡(luò)，也是人工神經(jīng)網(wǎng)絡(luò)的一種；iPhone中專門有一個低功耗的處理器來運(yùn)行這個神經(jīng)網(wǎng)絡(luò)，當(dāng)相似度達(dá)到一定的閾值，就會啟動Siri。

?

Siri的推出也標(biāo)志著聊天機(jī)器人技術(shù)進(jìn)入了一個新的時代，

?

Siri在官網(wǎng)宣傳

時間來到了2017年，谷歌在《Attention is all you need》一文中發(fā)布了一個新的機(jī)器學(xué)習(xí)模型：Transformer模型，該模型主要用于克服機(jī)器翻譯中傳統(tǒng)網(wǎng)絡(luò)訓(xùn)練時間過長，難以較好實(shí)現(xiàn)并行計(jì)算的問題。

傳統(tǒng)的自然語言處理（例如語音識別、語言建模、機(jī)器翻譯）依賴于循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network, RNN），利用循環(huán)進(jìn)行順序操作，也就是一個字一個字的學(xué)習(xí)，有著訓(xùn)練時間過長、難以并行計(jì)算的缺點(diǎn)。

而Transformer模型拋棄了傳統(tǒng)的時序結(jié)構(gòu)，并行處理序列中的所有單詞或符號，同時利用自注意力機(jī)制將上下文與較遠(yuǎn)的單詞結(jié)合起來；這就相當(dāng)于學(xué)渣還在一個字一個字看書時，學(xué)霸已經(jīng)一目十行，幾個段落都看完了，這學(xué)習(xí)效率自然就杠杠的。

微軟的GPT模型和谷歌的BERT模型，其中的T都是代表Transformer模型的意思。

我們發(fā)現(xiàn)一個規(guī)律，科學(xué)技術(shù)的發(fā)展進(jìn)步總是伴隨著理論研究的提出和突破。

既然模型有了，那肯定就有公司來對其進(jìn)行商業(yè)化了，我們先來說說ChatGPT的母公司OpenAI，它于2015年由一幫硅谷科技大佬成立，包括我們熟知的特斯拉創(chuàng)始人埃隆·馬斯克等，成立之初就確認(rèn)了公司的主要目標(biāo)：

包括制造“通用”機(jī)器人和使用自然語言的聊天機(jī)器人。

2018年，OpenAI在Transformer的模型基礎(chǔ)上，又發(fā)布了生成式預(yù)訓(xùn)練語言模型（Generative Pre-trained Transformer，即GPT-1）；不過老對手谷歌的BERT很快就出現(xiàn)了，并且性能上全面碾壓了GTP。

ChatGPT的發(fā)展歷程

那被對手超過了OpenAI自然就不甘心了，于是瘋狂砸錢，增大了訓(xùn)練數(shù)據(jù)集，陸續(xù)又發(fā)布了GPT-2和GPT-3模型，模型的參數(shù)量也從GPT-1的1.25億個迅速“狂飆”到GPT-3的1750億個；數(shù)量更龐大的參數(shù)量也就意味著模型具有更強(qiáng)大的表達(dá)能力和更小的預(yù)測誤差，也就是可以生成更長、更自然的文本。

海量的模型參數(shù)就讓GPT-3在一些比較復(fù)雜的問題上也能有很好的表現(xiàn)，比如代替人類寫一些論文，甚至編寫SQL語句、JavaScript代碼等等。

2021年，OpenAI基于GPT-3模型進(jìn)行修改和改進(jìn)，調(diào)整了模型參數(shù)，添加了訓(xùn)練數(shù)據(jù)，年末發(fā)布了GPT-3.5，也就是目前很火的ChatGPT的原始模型。

2022年11月，ChatGPT上線僅僅幾天就獲得了100萬用戶，上線兩個月，其月活就達(dá)到了驚人的1億，成為歷史上用戶增長最快的消費(fèi)應(yīng)用。

月活1億每個App需要月數(shù)

大量用戶涌入的背后，是需要龐大的算力成本和服務(wù)器的投入；根據(jù)某研究機(jī)構(gòu)的測算，運(yùn)行這么復(fù)雜的GPT-3.5模型，需要的GPU芯片的數(shù)量就高達(dá)2萬枚，而專業(yè)級顯卡一般使用A100；根據(jù)某購物網(wǎng)站的數(shù)據(jù)，10萬人民幣一塊A100顯卡的價(jià)格在國內(nèi)還是有市無價(jià)；因此粗略計(jì)算下，單單顯卡的投入就至少在20億以上；還有其他如數(shù)據(jù)采集、人工標(biāo)注、模型訓(xùn)練等軟性成本更是難以統(tǒng)計(jì)。

應(yīng)用場景

所以，這么多科技大佬砸了幾百億研發(fā)出來的ChatGPT，僅僅是用來給我們聊天的嗎？要想了解這個問題，我們不妨先來問問ChatGPT自己吧。

應(yīng)用場景

聊天機(jī)器人

確實(shí)，讓ChatGPT用作聊天機(jī)器人，確實(shí)有點(diǎn)殺雞用牛刀了；但是，我們先來看看這把牛刀，用來殺雞到底夠不夠快呢？我們要是想要搞點(diǎn)事情，就需要調(diào)用API，而OpenAI剛好在近期提供了API Keys的接入方式，可以將ChatGPT集成到我們的應(yīng)用程序和服務(wù)中。訪問platform.openai.com，點(diǎn)擊API Keys => Create按鈕，在出現(xiàn)的彈框復(fù)制keys即可。

?

彈框隱藏后就看不到api key了，需要去重新生成。

?

生成API keys

復(fù)制成功后，這里推薦wechatbot這個項(xiàng)目為個人微信接入ChatGPT；有多種方式來運(yùn)行項(xiàng)目，可以基于源碼運(yùn)行，也可以基于docker來運(yùn)行，不過都需要用到上面復(fù)制出來的key，具體運(yùn)行方式可查看項(xiàng)目說明，這里不再展開了；如果對docker不了解的小伙伴可以查看這篇文章。

項(xiàng)目運(yùn)行后，使用微信掃碼登錄即可，然后我們的微信號就自動接入了ChatGPT的聊天了；使用方式也十分的簡單，私聊這個微信號會直接回復(fù)，群里需要@這個微信號。

?

重要提示：濫用有可能會被微信封禁危險(xiǎn)，盡量用小號，本文不承擔(dān)任何責(zé)任。

?

微信聊天機(jī)器人

不過需要注意的是，每個賬戶的API的調(diào)用也是有限制的，目前是5美元，還有過期時間，大家娛樂玩玩就好，有條件的小伙伴可以進(jìn)行充值。

工作學(xué)習(xí)助手

除了用來聊天，在工作和學(xué)習(xí)中，也深受眾多學(xué)生和職場人追捧。在國外一所大學(xué)哲學(xué)教授評分時，十分驚喜的讀到了一篇“全班最好的論文”，論文以簡潔的段落、恰當(dāng)?shù)呐e例和嚴(yán)謹(jǐn)?shù)恼摀?jù)探討了一個哲學(xué)問題；然而在教授的追問下，學(xué)生「承認(rèn)了論文是用ChatGPT寫的」。

在工作上，ChatGPT也挽救了不少職場人的發(fā)際線，用它生成了包括且不限于：領(lǐng)導(dǎo)講話稿、媒體通稿、集團(tuán)簡介、頒獎詞、祝酒詞、宣傳冊等等，甚至連周報(bào)月報(bào)、請假理由這些微不足道的小事，它也能給你包圓咯。

請假理由

在文字潤色方面，ChatGPT絲毫也不輸專業(yè)的編輯，在周報(bào)月報(bào)甚至是年報(bào)中，這就相當(dāng)實(shí)用了，懂得都懂。

周報(bào)

對于一些簡單的工具函數(shù)，我們可以很方便的讓ChatGPT直接生成即可；比如我需要一個隱藏手機(jī)號碼的函數(shù)，描述這個函數(shù)的功能即可；甚至還能夠聯(lián)系上下文，這是以往的人工智能沒有實(shí)現(xiàn)的。

生成javascript函數(shù)

ChatGPT不僅幫助我們解決了問題，還能有理有據(jù)的解釋問題背后的邏輯；比如筆者上周在Vue3中使用KeepAlive組件就遇到了問題，在搜索百度后，雖然有很多的回答，但我們還需要在大量的網(wǎng)頁中去進(jìn)行二次篩選，最后可能篩選出來的解決方式都是千篇一律（互相抄襲）；而且用下來也是錯誤百出，各種報(bào)錯，用戶體驗(yàn)十分不友好，估計(jì)花了大半天的時間才解決問題。

錯誤的案例

比如百度找到的這篇文章中，如果使用紅色線框中的寫法，vue-router就會出現(xiàn)各種奇怪的報(bào)錯，而且出現(xiàn)的錯誤信息根本沒法去搜索。

但是筆者如果使用ChatGPT提問，我們看到它邏輯清晰，還有具體的案例和注意的提示，我們只需要把組件的名稱放到include屬性下即可；在它的幫助下，筆者相信在當(dāng)時能夠跳出錯誤的邏輯，大大縮短解決問題的時間。

ChatGPT的回答

在文案生成方面，ChatGPT也是一把好手；當(dāng)我們面對空白的文檔苦苦思索的時候，不妨打開ChatGPT，描述我們的需求，輕松的生成一段粗略的文案，在此基礎(chǔ)上進(jìn)行再次編輯，節(jié)省時間和壓力。

在之前辦公軟件一文中我們就介紹了ONLYOFFICE，在ONLYOFFICE官網(wǎng)免費(fèi)下載桌面版或者免費(fèi)注冊在線個人版，在辦公軟件里面使用ChatGPT，快速的生成文案。

首先需要安裝插件，我們在github克隆代碼后，找到/sdkjs-plugins/content/openai/，選擇所有文件添加到ZIP文件，然后把文件格式改成plugin；打開文檔界面，找到插件 => Setting => Add plugin，選擇我們的plugin文件，插件就成功安裝了。

添加插件

然后輸入上面獲取到的API Key，我們的插件就激活完成了；在文本字段中描述我們想要生成的文案內(nèi)容，點(diǎn)擊提交按鈕即可；ChatGPT會對請求進(jìn)行處理，在幾秒鐘內(nèi)返回響應(yīng)，并在文檔中以純文本的形式插入。

生成文案

可替代性

很多小伙伴看到這里肯定也不得驚嘆：這ChatGPT確實(shí)太厲害了！筆者的很多程序員小伙伴也都在感嘆：我們是不是要失業(yè)了，但是目前看來暫時還不會，畢竟它的訓(xùn)練成本確實(shí)高昂，應(yīng)用落地起來不容易。

取代打工人

但有一些崗位，比如客服崗位，就比較容易受到?jīng)_擊了；相信大家應(yīng)該都接到過類型的機(jī)器人客服電話，都是識別特定的關(guān)鍵字，按照固定流程，一句話一句話的回復(fù)；隨著ChatGPT的出現(xiàn)，相信未來機(jī)器人客服能夠應(yīng)對更加復(fù)雜的場景，更加精準(zhǔn)的理解顧客的需求，從而靈活的應(yīng)對。

?

ChatGPT會完全替代程序員的工作嗎？

?

在編程方面，筆者覺得ChatGPT在目前階段還不能完全的取代程序員；在生成代碼片段雖然能夠很好的實(shí)現(xiàn)，有點(diǎn)類似之前的Copilot；但是在復(fù)雜的項(xiàng)目中，需要去理解不同文件模塊的含義，從而進(jìn)行調(diào)用，ChatGPT就無法取代了；在代碼bug修復(fù)、前后端聯(lián)調(diào)、跨部門協(xié)調(diào)、出差對接等需要組織協(xié)調(diào)的工作上更是無法替代人工。

筆者認(rèn)為ChatGPT帶來更多的是編程效率的提升；比如原來我們需要一天做的工作量，有了它的協(xié)助，一些重復(fù)簡單的模塊我們直接丟給他就能生成了，最終可能不到半天就能夠完成了。

?

商湯科技董事長：未來軟件的代碼可能80%都是由AI生成的。

?

雖然目前看來并不能完全的替代，隨著硬件成本不斷降低、機(jī)器學(xué)習(xí)能力提高；當(dāng)機(jī)器訓(xùn)練的成本低于程序員的工資時，你覺得資本家在需要交五險(xiǎn)一金、時不時還要摸魚的你和三四毛一度電、24小時不停運(yùn)行的機(jī)器之間如何抉擇呢？相信未來原本可能需要數(shù)十人的研發(fā)部門，最終只需要三四個核心工程師維護(hù)就能保證業(yè)務(wù)的正常進(jìn)行。

?

未來我們?nèi)绾稳ミx擇就業(yè)？

?

未來ChatGPT雖然會替代一部分低端的崗位，但是肯定也會不斷創(chuàng)造出新的職位；就像計(jì)算機(jī)的出現(xiàn)淘汰了打字員，但是創(chuàng)造了大量的程序員崗位一樣，人工智能創(chuàng)造出很多新興崗位，比如提示詞顧問師（筆者自己臆想），專業(yè)負(fù)責(zé)給ChatGPT提問生成相應(yīng)文案或者素材；這是社會進(jìn)步的必然趨勢，也是逼著被歷史大勢裹挾前行的我們，不斷的學(xué)習(xí)進(jìn)步。

取代程序員

在前端方面肯定也會淘汰很多初級的程序員，程序員的門檻不斷降低；因此我們需要在人工智能取代我們之前不斷的學(xué)習(xí)進(jìn)步；筆者認(rèn)為在WebGL方面，人工智能對于復(fù)雜圖形化和對美學(xué)的理解還是不能夠替代人工，因此前端的小伙伴可以嘗試進(jìn)階這塊領(lǐng)域，同時高級架構(gòu)師也是不錯的方向。

總結(jié)展望

相信在不久的未來，ChatGPT能夠幫助我們極大的提升生產(chǎn)力和學(xué)習(xí)效率；面對新技術(shù)或新文章時，不需要再完整的閱讀，讓ChatGPT生成文章的大綱和主要內(nèi)容，幫助我們快速學(xué)習(xí)；在寫文檔時，也能夠讓它快速生成一篇文字優(yōu)美的內(nèi)容。

我們正處在一個見證歷史的時刻，沒人能夠在人工智能的歷史洪流面前獨(dú)善其身，保持傲慢不屑的態(tài)度只會加速被淘汰，正如小說《三體》中說的那樣：

?

弱小和無知不是生存的障礙，傲慢才是。

?

在電影流浪地球2中，劉培強(qiáng)問Moss，人類能活下來嗎？Moss說人類的命運(yùn)取決于自己的選擇；就像我們現(xiàn)在問ChatGPT會不會取代程序員一樣，雖然它告訴我們還無法完全取代，但是如何做出選擇，是關(guān)系著我們每個人的命運(yùn)；而當(dāng)歷史的車輪緩緩駛過時，我們唯一要做的事，就是盡量跑在它的前面。