最近大模型通用智能應(yīng)用持續(xù)發(fā)酵，各大科技公司都陸續(xù)推出了基于通用大模型的智能應(yīng)用產(chǎn)品，典型的如OpenAI的ChatGPT、微軟的BingChat、百度的文心一言、360的智腦、阿里的通義千問等。當(dāng)然最火的要屬于ChatGPT了，從去年年底推出到現(xiàn)在已經(jīng)有很多人體驗了，并驚嘆于如今的人工智能已經(jīng)發(fā)展到無所不知、無所不能的程度了。

經(jīng)過一段時間對ChatGPT的使用，我逐漸認(rèn)同馬占凱馬老師《ChatGPT：人類新紀(jì)元》書中對“ChatGPT：人類新紀(jì)元”的提法。ChatGPT，如同人類歷史上的單向門——火、文字、造紙、蒸汽機(jī)、電和計算機(jī)一樣，ChatGPT的橫空出世讓大家看到了通用人工智能達(dá)到了嶄新新的高度，標(biāo)志著人類科技進(jìn)步的又一重大里程碑，預(yù)示著我們正步入通用人工智能的新紀(jì)元。就像2007年喬布斯發(fā)布劃時代的蘋果智能手機(jī)iphone后，各種互聯(lián)網(wǎng)移動應(yīng)用蜂擁而至，大家再也離不開智能手機(jī)了，從此開始了移動互聯(lián)的新紀(jì)元。

一、ChatGPT之初體驗

對于一個碼農(nóng)，初接觸ChatGPT時就想驗證一下ChatGPT的編程功底，最近正好在研究用機(jī)器學(xué)習(xí)來識別心電圖。如是問了一下ChatGPT如何用Python寫一段心電圖識別波形的代碼。
看一下ChatGPT給我的答案：

關(guān)鍵是這段代碼稍作調(diào)整就可以運行起來。

看上去效果還不錯！

這可不是向搜素引擎一樣搜出一堆的結(jié)果給出一堆的選項讓我來選，而是真正的根據(jù)我的題意自己生成了一段可以執(zhí)行的代碼！這就有點牛逼了。

原來一直以為碼農(nóng)畢竟還是干技術(shù)活的，不會像那些從事簡單重復(fù)勞動的活一樣被AI所替代。但是看到ChatGPT給我的答案，又更進(jìn)一步的加深了我的焦慮。本來就很卷的IT行業(yè)，還要和通用人工智能卷，估計用不了多久碼農(nóng)這個職業(yè)就會要消失了。

二、ChatGPT與搜索引擎

有人認(rèn)為ChatGPT就是搜索引擎的升級版，輸入一些信息機(jī)器就給你反饋一些經(jīng)過精細(xì)過濾后的信息。ChatGPT與搜索引擎完全是兩類不同的東西。差別就和智能手機(jī)與以前的功能手機(jī)一樣大。

ChatGPT是通過海量的數(shù)據(jù)學(xué)習(xí)后，具備真正具有智能能力的，給出的內(nèi)容是根據(jù)自身的學(xué)習(xí)自動生成的。也就是我們常說的生成式AI，是一種能夠從其訓(xùn)練數(shù)據(jù)中學(xué)習(xí)并生成新的、類似的數(shù)據(jù)或模型的機(jī)器學(xué)習(xí)技術(shù)。這種方法不依賴于預(yù)先定義的規(guī)則或模式，而是通過自我學(xué)習(xí)和適應(yīng)來改進(jìn)其性能。

與傳統(tǒng)的AI相比，生成式AI的主要區(qū)別在于其學(xué)習(xí)方式和能力。傳統(tǒng)的AI通常依賴于專家知識或編程指令來執(zhí)行特定的任務(wù)。例如，一個圖像識別系統(tǒng)可能被訓(xùn)練成只識別特定的圖像類型，如貓或狗。然而，一旦這個系統(tǒng)遇到它從未見過的圖像，它就無法做出正確的判斷。

相反，生成式AI可以通過自我學(xué)習(xí)和適應(yīng)來提高其性能。即使它從未見過某種類型的數(shù)據(jù)，它也可以通過分析大量的類似數(shù)據(jù)來學(xué)習(xí)如何處理這種數(shù)據(jù)。例如，ChatGPT通過海量的數(shù)據(jù)學(xué)習(xí)可以自動生成給出符合題意的答案。

而搜索引擎甚至連傳統(tǒng)的AI都算不上，只是通過大數(shù)據(jù)的搜索算法將符合搜索條件的信息查詢后返回到你，你還要根據(jù)自己的判斷去識別和刪選有用的信息。尤其是有了競價模型后，可能搜索引擎給你的數(shù)據(jù)排名前幾的都是對你來說沒有什么用的，只是出價高的幾個。

三、機(jī)器學(xué)習(xí)與人類學(xué)習(xí)

機(jī)器學(xué)習(xí)其實是和人類學(xué)習(xí)是一樣的?；驹砣缦聢D所示：

機(jī)器學(xué)習(xí)的輸入是海量的數(shù)據(jù)，通過模型的訓(xùn)練從數(shù)據(jù)中學(xué)習(xí)，生成并輸出新的數(shù)據(jù)，根據(jù)輸出的效果的進(jìn)行評估和反饋來調(diào)整模型參數(shù)使模型的學(xué)習(xí)效果達(dá)到最優(yōu)。

人類學(xué)習(xí)也是一樣的，平時我們努力大量的看書、看視頻、看其他資料、與人交流，其實都是在獲取信息，將信息輸入至大腦后，大腦經(jīng)過思考輸出結(jié)果，結(jié)果是對世界的認(rèn)知、對人生的看法、對專業(yè)知識的領(lǐng)悟、輸出一篇論文、輸出一次演講等等。也是對自己輸出的結(jié)果進(jìn)行評估和反饋來強(qiáng)化學(xué)習(xí)效果。

比如：學(xué)生通過大量的閱讀和做題作為輸入來學(xué)習(xí)知識，通過考試來評估學(xué)習(xí)效果，根據(jù)考試評估的結(jié)果來調(diào)整自己的學(xué)習(xí)方法策略來取得更好的學(xué)習(xí)成績。

我們也是一樣的，要想提高自己的認(rèn)知和能力，就要通過大量的閱讀（輸入）、思考（學(xué)習(xí)）、不斷的反思（反饋評估）、不斷的思考調(diào)整學(xué)習(xí)方法策略等（優(yōu)化模型參數(shù)），最終提高自身的能力，可以有高水平的認(rèn)知輸出（輸出）。

四、智能涌現(xiàn)與從量變到質(zhì)變

“智能涌現(xiàn)” 是一個涵蓋廣泛領(lǐng)域的概念，它描述了在復(fù)雜系統(tǒng)中，智能行為或性能如何從簡單組件或個體之間的互動中產(chǎn)生或 “涌現(xiàn)” 出來。在機(jī)器學(xué)習(xí)中，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)模型可以通過大量的神經(jīng)元之間的互連來實現(xiàn)智能任務(wù)。

在ChatGPT驚人的智能表現(xiàn)背后，就發(fā)生了智能涌現(xiàn)的現(xiàn)象。涌現(xiàn)現(xiàn)象是極為復(fù)雜的，因為復(fù)雜性科學(xué)就是復(fù)雜的，復(fù)雜是其基本特征。通俗的將就是當(dāng)數(shù)據(jù)和模型參數(shù)達(dá)到一定的數(shù)量級后模型涌現(xiàn)出了新的完成任務(wù)的能力。

目前，在大模型的智能涌現(xiàn)方面，有三個結(jié)論。
第一，我們不知道什么時候會涌現(xiàn)某種新能力；
第二，我們不知道到一定規(guī)模時會涌現(xiàn)哪一種新的能力。
第三，我們唯一知道的是，只要數(shù)據(jù)量足夠大，訓(xùn)練得足夠深，一定會有涌現(xiàn)發(fā)生。

于是，我不禁又要拿出這張圖：

這張圖可以理解為從量變到質(zhì)變的過程。在人類學(xué)習(xí)的過程中，學(xué)任何東西，如：學(xué)習(xí)英語，只要輸入足夠多通過大量的聽說讀寫（數(shù)據(jù)量足夠大），投入的時間精力夠多（訓(xùn)練得足夠深），一定會有拐點（涌現(xiàn)）發(fā)生，一定會成功，就像頓悟后開了掛一樣。

既然基于大模型的通用人工智能不可避免的來了，就讓我們一起擁抱吧！

作者博客：http://xiejava.ishareread.com/文章來源地址http://www.zghlxwxcb.cn/news/detail-716229.html

到了這里，關(guān)于擁抱AI-ChatGPT:人類新紀(jì)元的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！