,,

ChatGPT 從出世到如今已經快半年了，帶來的革新消息有很多，然而也有很多的人在利用它提升自己的工作效率。作者對 ChatGPT 做了深入的研究，并從三個方面分享自己關于 ChatGPT 的思考和理解，一起來看看吧。

從 ChatGPT 出世到現在快半年了，這半年它給我們帶來許多革新性的消息，大量的資本向它靠攏，人們也有保不住飯碗的危機感。作為數據工作者，ChatGPT 對我來說不是那么陌生。

近幾個月也體驗了 ChatGPT, 它帶給我的感受確實很驚艷，提出各種各樣的問題，都能回答的不錯。獲得知識變得比原來更容易了。網絡上有很多關于 ChatGPT 的新聞，大多數是關于 AI 革命，人工智能突破了，要奪走我們飯碗之類的。于是也開始對 GPT 做了一些深入了解，其中有很多問題都是 GPT 給我的答案，今天想在這里把我對 GPT 的理解總結一下。

(資料圖片僅供參考)

一、ChatGPT 沒有意識，它是仿生人類學習的語言模型

1. 先簡單的了解一下 ChatGPT

ChatGPT 是個大語言模型，那為啥叫大語言模型？我特意問了行業內的專業人士，大模型的要素是 " 超多的數據量、超多的計算集群、超多的模型參數 "。

這幾天工作中和同事聊天，他說他回家的路上下載了一個英文詞典大全，有 2mb 的大小。GPT3 訓練使用了 45tb 的數據，45tb 基本上也都是文本數據，所以訓練 gtp3 的數據量級是一本字典的 23,517,744,000 ( 百億）倍。我們不經感嘆，一個英文字典的實體書拿在手上沉甸甸的，里面的內容可能我們一生也讀不完整，但它僅僅只有 2mb 的大小。

gpt 的回答：

在參數數量和訓練資源上，GPT3 有 1750 億個參數，用了數千個高端的 GPU 進行了訓練，是個典型的大模型。同事們說其實 GPT 就是 " 大力出奇跡 "，因為數據、參數量級上來了，在語言的理解和表達上就越來越準確。

2. 訓練語言模型核心是模擬人腦訓練過程

我們從出生那一刻開始就在持續的接收數據開始訓練了。想想看，你聽到的聲音、觸摸到物體的感受、聞到的氣味、看到的圖像都會轉化成信號，傳輸入到你的大腦中，并且默默地接受慢慢的訓練，且一直持續。在訓練的過程中，好的不好的感受你都會體會到，別人的反饋，會讓你知道什么是對的，什么是錯的。這個過程對于人來說，會持續一生，活（訓練）到老學到老嘛。

語言的訓練模型就是這個原理，很多人比喻它是鸚鵡學舌的過程。訓練它的數據就是在互聯網上產生的數據。這也是它遠遠遠強于人類的地方，它匯集了整體人類的 " 智慧 "。

3. ChatGPT 是否能取代人類？

網上關于人工智能時代來臨了，要取代人類了，滅殺人類的新聞吹的天花亂墜，一時間讓很多人信以為真。我通過實際體驗 ChatGPT 的功能，是真的讓人感覺在和一個人聊天。

在早些年，我們在網上客服上和機器人溝通就是定式的，感覺很刻板。例如早期的微軟小冰，對話過程是沒有這么柔性的銜接的。一是不能聯系上下文，二是回答的問題很刻板，讓你很明顯感覺它是機器。但 ChatGPT 的產品體驗已經非常接近人了，讓機器能夠和人順暢的通過自然語言對話，至少這種感覺非常真實，這種突破確實讓人覺著機器有了生命，于是它帶給人們的恐懼感就撲面而來，這本身就是人們的普遍心理反應。

ChatGPT 本質上就是個大力出奇跡的計算效果，它根據你的輸入，來算出回答概率最高的答案。它沒有意識，只有你和它說話，它才會回答你，它不會主動和你溝通。

二、ChatGPT 在人機交互上的革新

ChatGPT 不是技術革命，它的技術很早就出現了，它在這個時間出現，是必然的，因為現在滿足了訓練模型的大數據量和大計算量基礎。對產品來說，想象的空間還是挺大的。

我認為，ChatGPT 的真正突破在于人機交互上的革新。剛體驗 ChatGPT 的時候，我覺著它很神奇，它什么都會，還能幫你做很多事，寫文章、回答一些天馬行空的問題，還能寫代碼，搭建個小網頁，給我一種無所不能的感覺。它具備了理解你的意思，并幫助你做事情的兩個最基本能力。

那為什么說 ChatGPT 的突破在人機交互上？作為一個老產品人，人機交互是產品經理工作中非常重要的一環，我們會花費很多時間來研究人機交互，設計頁面結構、功能、畫原型、想盡辦法提高用戶產品使用體驗。

說白了就是怎么能夠讓自己的產品好用，怎么讓用戶不用花費太多的學習成本快速的上手自己的產品。簡單的說人機交互就是功能按鈕、頁面的布局擺放，往深了說，它要研究人的心理，要通過數據進行交互統計，對用戶體驗度量，要了解用戶的心智，好的產品體驗在人機交互上一定做的很好。

但是以往的人機交互，我們努力的方向是讓人來適應機器。

我們通過良好的設計，把用戶限定在一個條條框框里（交互框架），核心目的就是讓機器能夠在這個框架中充分理解人的 " 動作’，因為我們無法通過眼神、肢體動作、語言來讓機器直接理解我們意圖，我們必須把產品的實際功能擺放出來，讓用戶理解產品功能，逐步摸索用法。這個過程實際上是人與機器在交互上的折中方案，人不能無所顧忌的讓機器隨心所欲干什么事情。

好的交互體驗無需說明書，更貼近人的本性。舉個簡單的例子，蘋果手機的屏幕使用方式（交互）（2007 年喬布斯發布的 iphone 一代機），從二歲的孩子到 80 歲的老人，不用教，看別人用兩次就會了。因為這個設計符合人的一般使用習慣。現在的應用程序，拿 ios 應用來講，產品設計基本都使用蘋果給出的基本交互框架，或者基于這個框架衍生發展出來的。例如底層頁、瀑布流、九宮格、tab 頁的設計等等。

所有的業務服務都會通過拆解業務過程，選擇合理的交互框架進行功能的組裝，最后形成一個完整的交互邏輯，就是用戶看到的產品樣子。復雜的可以看看微信、支付寶這些超級應用，都離不開蘋果 1 代發布的交互框架。

人與人的溝通是情景式的，是隨機的，每個人的表達方式又不同，通過語言讓機器理解人表達的意思并執行命令想想就很難。試想機器要和剛會說話的孩子、80 歲的老人、全世界 200 多個國家的人，得諾貝爾獎的科學家、老師、司機、學生、等等不同的角色來溝通是件多么不容易的事，全球 80 億人有 80 億種表達方式，從機器的角度來看，理解這 80 億人的表達就是一個無限集，是無邊界的。

ChatGPT 的出現，打碎了傳統的交互邊界，讓人機交互有了更多的可能。

設想未來，我們可以有自己的私人 gpt，他可以幫你整理歷史的聊天記錄，例如整理我們 2018 年去云南的的照片，然后生成一篇圖文游記；周末我想吃火鍋，結合我的口味，選擇出我要在美團買菜上的貨物；我想在周末帶孩子去圖書館，幫我預約周日下午的時間；新聞應用方面，基于我過去的喜好，總結今天的熱點新聞，告訴我財經方面都發生了什么大事情等等。這是個人生活領域。但這個過程不是一蹴而就的，隨著時間的推移，會有一個逐步的演化的過程。

在我所在的數據科學領域，我一直努力期待看到的一個場景就是說出問題后，直接給出結論。例如請幫我分析一下，華中大區昨天銷量暴增的原因，然后直接出結果：" 運營補貼起效果，又趕上地方補貼政策和節假日多重效果導致銷量暴增 "。又如電影鋼鐵俠中的助手，幫我分析一下戰甲強度，幫我分析一下反應堆的持續性…

結合現有數據進行推理分析，簡化掉所有數據分析過程，分析數據，直接出給結論是我做數據產品的一個夢想。我們現在要花費 7 成左右的時間去處理數據，大量的時間用在了數據采集、處理與準備的過程。

ChatGPT 理解我們的意圖，然后執行命令，簡化了我們搜循、準備、以及各種場景的 " 過程 "，在產品的交互上，我們可以減少很多過程式的設計。

那是不是傳統的交互框架就完全被替代消失了？我認為不會，產品設計講用戶場景，即便 AI 幫你把云南的照片整理出來形成故事游記，選擇出你周末要吃火鍋的貨物，也是需要展現出來的，展現出來的形式，還是離不開傳統交互框架，并且應用程序永遠也絕對不會只是動動嘴皮子就完成所有任務的。所以傳統的交互加上 AI 的加持是未來的發展方向。

目前已經眼睛可見的就是工具類產品，例如微軟的 office 套件、adobe 全家桶生這類生產力工具方面的變化。例如我現在在大數據領域研究的埋點 AI 化、數據質量 AI 化，會議軟件的自動會議紀要，郵件中的自動周報等，都會先從效能工具開始，具有直觀的提效能力，消費者也有絕對的愿意為此埋單。

在未來幾年，語言模型滲透在應用交互模型里是個逐步的過程。但可能需要出現另一個現象級的應用才能真正帶起這個浪潮。現在 ChatGPT 可以說是最原始的應用，目前國民級應用還基本上看不到 ChatGPT 在應用體系內的發揮，一是思想上還沒有突破，還是原有思維模型和交互定式，二是完全獨立做自己的 ChatGPT 成本太高了，導致 ROI（投資回報率）不足。隨著技術提升和單位成本的下降，語言模型的滲透會越來越多。

三、ChatGPT 的效能提升和影響

ChatGPT 讓以前不敢想，沒有精力去做、學習成本高的事情，變得敢于嘗試了。

最近有兩個嘗試。

1. 兩個嘗試

1）內容創作的嘗試

我時常在聽到一些喜歡的音樂時有作畫的想法，想把此刻的內心感受用畫表達出來。于是我基于 midjourney 的能力輸入我想要的內容讓它幫我生成圖畫。大大的減少了我去學習畫畫的過程。

2）機器學習、代碼生成

作為產品經理我還是懂一些技術的，但是讓我完全深入代碼，從頭寫到尾還是不行的。有了 chatgpt，我就有了想去通過機器學習的方式解決工作上的內容，自己做一些簡單的研發工作，例如我工作的主要方向解決公司數據質量問題，想通走機器學習解決數據質量問題的路，不依靠研發，想自己先摸索。通過輸入自己的想法幫我生成 python 代碼，來做一些基本的驗證，這樣我不用深入學習 python，也可以搞定。

但事實證明，是我想多了。

就拿第一個例子來說，確實在一些場景下，類 midjourney 的 ai 生成的圖片是可以直接拿來用的，比如我在公司宣傳產品的一些小宣傳冊封面、產品新功能的海報，都可以直接無修改就用。還有就是如同下圖這種實物的外包裝設計，通過 AI 作畫，直接生成，簡單易用。

但是如果你想要深入一些，例如結合故事來畫一幅非常貼切故事情節的畫作或者音樂，還是需要你自己來介入完成。生成的圖畫只能當作是個 "毛坯房"，精裝修還需要靠自己，即便你再會提問，實際交付物也和你理想中（腦海里）的存在差距。也就是說，你電腦里如果沒有 PS,AI 等繪畫工具，完全依靠 midjourney 來完成作畫，是很難滿足絕大部分需求的。

第二個例子也是一樣，我想通過機器學習或者算法的方式解決數據質量的問題，ChatGPT 的的確確可以幫我寫代碼，寫的還非常不錯，但是解決數據質量的整體思路，大框架是什么，流程是什么，如何去驗證效果，如何產品化，如何很好的運用在業務中，這些不是 ChatGPT 能夠幫助你的，必須自己有思路。如果你不會 python、算法也是不行的，你必須基于你現有的知識完成任務。換句話說，對于不懂數據領域的人，你讓他通過 ChatGPT 來解決數據質量問題，是不可能的。它只能基于現有網絡上留存的數據和方法，告訴你大致的方向，但不能結合你的實際情況來幫助你完整的完成這個任務。

所以，ChatGPT 是站在你肩膀上的效能利器。他能按照你意思幫你生成一個 " 毛坯 " 狀的原料，不用再花大量的精力去處理初始內容（數據處理、素材準備），然后你要做的事情就是精雕細琢。

對于取代你工作的說法，我想上面的例子已經說明了，如果你擁有思路，擁有設計與創作能力，并且就處在創作、策劃、產品技術架構的崗位上，完全不必擔心。

其實在工業領域上，在 100 多年前就已經發生變革了，挖掘機、電梯、吊車的出現，讓摩天大樓成為可能。生產線的出現，讓社會的生產力爆炸，這其實就是工業時代的人工智能。它們的取代了傳統手工制作方式，讓產品標準化，生產出質量過硬的產品，最關鍵的是效率大幅度提升，福特 T 型車也因生產線的出現讓成本降低，大眾受益。

ChatGPT 會引發生產力的爆炸，引發內容生產的爆炸，有思路有想法有創意的人，制作內容變得更容易。跨界、復合性的工作也變的更簡單，減少了你復合學科的學習成本和時間。它不是奪走大家的工作，或者說它奪走的是生產 " 毛坯 " 的那部分人的工作，真正的創造者會因為 ChatGPT 的出現而讓生產力提高，讓更多的人敢想之前不敢想的，敢于跨領域去實現，復合性工作變得越來越容易，讓更多的不可能成為現實。

我們自己訓練自己的 ChatGPT 的可行性？這個東西我覺著具有先發優勢。GPT 從 1 代到 4 代，經歷了 5 年時間，從 2018 年 1 代開始到 2023 年初的 GPT4，我想不存在彎道超車的，別人走過的路我們要想達到同樣的效果，也一定要走的，可能走的比別人還長。單拿訓練數據來看，1 代用了 15G 數據，到 3 代的 45TB 數據，光數據的處理所花費的時間就要用年來計算。所以像文心一言如果達到 ChatGPT 同樣的效果，肯定也要經歷同樣的歷程。另一個就是太費錢了，一個英偉達 A100 要將近 10 萬塊錢，訓練 GPT 要幾千塊上萬塊 GPU，還不算電費，機房等費用，燒錢的同時，還沒有經濟回流，這個賬擺在各公司面前還好，真的要等上幾年哪怕 1 年才出效果，我想在國內的環境下，應該沒有幾家公司能有這樣的耐心。

2. 對育的影響

我上學時候對于每天做題寫卷子這種事就提不起來興趣，尤其是背誦類的任務，例如古文、歷史、政治這種，我是直接放棄的。那時就覺著，為什么考題是考朱元璋是哪年生人，明朝是哪年滅亡的，鄭和去了哪些國家，機械的背下來著實讓人痛苦，過了幾年我不還是會忘了嗎？現在隨手上網就能查。我夫人的副職是老師，她跟我說，她的很多學生，背誦能力很強，以至于依賴背誦。學習數學、物理都是背公式，背概念，根本不理解其中的意思。這是一個很可怕的現象，孩子們沒有學習的欲望，缺少求知欲。語文英語歷史方可以背誦解決，數理化也是這樣，分數低先不說，危險的是磨滅了孩子對世界的科學理解和邏輯思維的培養。

ChatGPT 的鸚鵡學舌能力，我認為在未來會對現有教學模式有更大的沖擊。你再怎么背，也趕不上機器，就如同英文字典那個例子，僅僅只有 2MB 的內容，我們都不可能完全記住。當然不是說語文、歷史不用學了，而是要減少死記硬背、完成任務式的教育方式，多以解決問題，開放式討論的方式學習，學習科學的歷史演變，培養推導、演繹的能力，利用 ChatGPT 的海量知識與人機交互的提升，讓它融入到教育、科學探索的過程，幫助我們提升解決問題的能力。考試的問題不在是清朝是哪一年滅亡的，而是問問在 1912 年，都有哪些因素導致了清朝滅亡，為什么會出現這些因素？講講自己的思考和論證。

人和 ChatGPT 的最大區別在于，人具備總結、分析、積攢知識的能力，能夠掌握 " 方法 "，而 ChatGPT 終究是冷冰冰的算法與模型，應該讓我們的方法中，融入 ChatGPT 的能力，當作自己的一部分。

總結

ChatGPT 沒有意識，它是仿生人類學習的語言模型

ChatGPT 突破了傳統的交互模式，讓人能夠更好的與機器溝通

大語言模型未來會逐步融入我們身邊的應用

ChatGPT 是站在我們肩上的提效利器

ChatGPT 能帶來更多想象空間，讓更多的人做以前僅僅想一想的事情

它取代的是生產毛坯、原材料的人

填鴨式教育只會讓孩子更快的被淘汰

利用 ChatGPT 打開廣闊的空間

不知道 ChatGPT 是不是這個時代的攪局者，它能否打破我們傳統的平衡，是否能夠真正革新我們和機器的交互方式。

因為理解我們，完成指令兩個必備要素它已經基本做到了。