ChatGPT 从大火到现在已经过去半年，对它的讨论也一直持续着。对于个人而言，它已然成为我的得力助手，我经常用它来寻找解决方案、改进文案，甚至让它向我提问，激发我的思考。关于 ChatGPT，我依然有一些想聊的话题，不知道现在是否合时宜。不过，只是想把当下的思考记录下来，有感兴趣的一起讨论。
看到过这样的说法“GPT 的出现意味着互联网时代结束，智能时代的开启”，“人类文明将再次被革命”。普通打工人或许无法感知到，GPT 是否已经带来如此大的冲击。
从它的底层原理来说，GPT 是对自然语言(即人们日常使用语言)的真实理解，拟合出类人的思维与心智，让 AI 具有真实的人类智能，进而能够替代人类脑力劳动。它是一个超大型数据模型，几乎涵盖目前为止的人类所有知识文明，区别与之前细分领域 AI 模型，例如 AlphaGo，ChatGPT 是一位超强的十项全能选手。
从脑科学的角度来说，GPT 模仿人类大脑神经元系统，用数学的方式拥有了人类的认知，包含知识，情绪认知等，智商+情商双高。基于这样的能力，GPT 将会实现什么样的商业价值，无法想象，根据它的发展速度，之后 GPT+任何行业在应用层的落地实现，都不足为奇。
或许我们处在历史变革中，只是没有感知，maybe，结合自己使用 GPT 半年后，让我明显感知到两点变化：
以下是几个使用 ChatGPT 示例：
之前购买了一个月的 PLUS 会员，想要体验一下与3.5版本相比有何不同。PLUS 4.0 版本在回答时，答案更加精准，输出速度更快，而 3.5版本的回答更加发散。网上提到一种观点，称" 3.5具有创造力，而 4.0 扼杀了创造力"，OpenAI 官方声明中提到 4.0版本增加了限制，使得回答更加精准。实际上，我发现 3.5版本已经完全够用，对于对回答没有特别要求的人来说，3.5版本完全可以满足。
以下是对同一个问题，3.5 与 4.0版本分别回答：
由于不小心删掉 GPT-4 版本答案，将当时记录下来的文字放在这里：
问：我想要了解“什么类型的工作最容易被 AI所取代？”，可以提出哪些问题？
答：当探讨什么类型的工作最容易被 AI 所取代时，以下问题可能会引发更多的探讨和讨论：
- 哪些工作需要进行重复性的任务，从而容易被自动化的机器人或软件所取代？
- 哪些工作需要处理大量的数据和信息，从而容易被AI所取代？
- 哪些工作需要进行精细的计算和分析，从而容易被AI所取代？
- 哪些工作需要进行标准化的操作，从而容易被AI所取代?
- 哪些工作需要进行简单的物理劳动，从而容易被AI所取代？
- 哪些工作需要进行基于规则和程序的判断和决策，从而容易被AI所取代？
- 哪些工作需要进行人际沟通和交流，从而难以被AI所取代？
这些问题可以帮助我们更好地理解哪些类型的工作最容易被AI所取代，也能够帮助我们更好地适应末来的工作市场和职业发展。
对比两个版本的回答可以看出，当我提出“什么类型的工作最容易被AI所取代”时，GPT-3.5的回答更多是发散型的，将“自动化”“编写代码”等同于“AI”，GPT-4的回答更多是围绕“容易被AI所取代”来进行，更精准更简洁，甚至第7点引导我进行逆向思考，这点当时让我感到很惊艳！
在使用 GPT 半年后，自己还没有挖掘出它更多的使用技巧与场景，现在的使用只是冰山一角。但是，即使是最简单的一问一答，也对我的工作效率促进较多。在这里不禁思考，当GPT完全发挥出它的洪荒之力，当 GPT+商业+场景普及时，是否会完全改变人类社会的本质，包括生产关系，教育体系，工作方式等等，人类，是否会失业？AI是否会完全取代人类？
对于这个问题，我试着从 GPT 底层来思考：GPT 是基于对人类现有知识的训练，这也正是限制它能力的原因之一，它无法从0开始创造全新的事物。个人认为，GPT 会替代人类做一些重复繁杂的脑力劳动，例如文案翻译、文案校对、数据分析、规则制定等。
然而，它难以替代涉及"与人类心灵有关的"工作，比如作家的作品和艺术品的创作。GPT 难以涵盖人类个体的独特性，比如，一部优秀的作品是基于艺术家个人的生活经历、心境、当下环境、情感流动、灵感与直觉等因素而创造的，我认为它无法创作出像"今晚月亮好美"这样的诗句，也无法绘制出米开朗琪罗的《创世纪》或梵高的《星夜》这样的伟大艺术作品。
我也试着让 GPT 写过文章，给定详细的提示与参考，并模仿某位作家的文风，写出来的内容更像是一篇60分的作文，称不上是一幅“打动人心”的作品。
个人认为它无法完全取代人类，但是 ChatGPT 的出现，还是带来了危机，传统自然语言处理任务在学术界逐渐失去研究价值，研究其他自然语言的科研失去意义。另外我国大模型的使用与体验，与顶尖模型还是存在一定的差距，或许在硬件，算法高端人才，以及数据上补齐。
作为互联网从业者，无论大厂还是小厂都在探索新机会，以下是个人想法，我们可以从其他角度来思考如何入局。
- 产业应用：通用模型降低了门槛，为实际产业应用带来更多可能性。正如逍遥子所说：“面向 AI 时代，所有产品都值得用大模型重新升级。”大模型在商业和用户场景中仍待开发，需要时间让商业场景成熟。
- 研究模型背后的机理：深入理解大型模型的原理，推动后续模型的研究与应用。
- 跨领域应用：将自然语言处理与其他领域结合，例如机器人控制指令等。每个应用领域都可以被机器人替代，人类可以享受更多元化的生活，追求精神层面的体验，这将是一个理想的乌托邦世界。
每一项颠覆性的技术出现时，挑战和机遇是相互交织的。重要的是，认识到人类独特的创造力、情感和艺术性，大模型可以帮助提升效率，但在与人类创造力的交汇处，仍然存在着无限的可能性和机会。
有一种言论是“chatgpt 的到来，人类不再需要掌握知识”，不太赞成这样的说法。这种说法的本意是，GPT 已经掌握所有知识，我们不用学习啦，需要用的时候只要去提问就可以。但是，思考与提问的能力，是基于个人的认知，而这些认知反而是从学习知识里获得的。“知识”不仅仅是事实、公式的集合，数学物理培养了逻辑思维，解决问题能力，历史培养批判性思维，诗歌培养感性思维等等。
个人认为更贴合的说法是：chatgpt 的到来，人类需要学会思考。提一个好问题远比答案更重要。
夏天到了最炎热的时候。时常望着办公楼下的街道，人人行色匆匆，耳机里传来歌声：“敬不值一提的矮行星，敬一闪而过的彗星，敬在秩序中稍作改变的自己”。似乎，世界已经从停摆中苏醒过来。
科技与人文，往往相互碰撞，对于 AI 永远也存在着辩证的看法。我们无法预判到未来将会作何改变，如果规划未来的确有用的话，那现在可以去拥抱，然后扬帆出航，前往那乌云密布之处。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。