背景
最近chatgpt智能对答火的一塌涂地，就是你找chatgpt咨询，它不仅能理解你的意思，还能给出准确的答案，而且能够从上下文理解你的意思。
简单的说，就不再是之前的智能对答，如果遇到不理解的问题回复【我好像不太理解你的问题】。
更有甚者，利用chatgpt完成论文编写，同时还有帮小孩子写作业、程序员利用它整理某个业务的实现思路，作者利用其帮忙写小说细节等等。
我尝试问了一些常规问题，如下图所示，可以更好的理解chatgpt的能力。
1.如何以Nest.js框架实现用户登录功能
2.直接将高考作文题要求放入，如下：
请以“像一道闪电”为题目，写一段抒情文字或一首小诗。要求：感情真挚，语言生动，有感染力。要求800字。 —— 2022年北京卷
因此，作为程序员，没有理由不去深入且完整的了解它，故而有这篇小白科普文。
概念
为了更好的了解后面的内容，我们需要提前对一些知识概念了解一下。
人工智能
人工智能 (AI) 是计算机模拟人类智能行为的功能。 通过 AI，计算机可以分析图像、理解语音、以自然方式交互，以及使用数据进行预测。
目前AI开发流程分为：
1.确定目的模型，AI最终是用来做什么，如：图像识别、语言识别等
2.准备训练数据，收集和预处理数据，如：要识别一只猫，可能需要几十万张不同猫的图片
3.训练模型，也叫建模，通过各种算法、方法和技巧去创建，最终输出模型，如：从不同图片中去识别猫的，需要写算法、然后标注结果是否准确，这里的模型你可以理解成“只会识别猫的眼睛”
4.评估模型，反复的调整算法参数、数据，不断评估训练生成的模型，最终得到满意的模型，如：告诉【眼睛模型】哪些图片是猫，哪些图片不是猫，猫的特征有什么，直到【眼睛模型】可以识别出所有的猫的图片和不是猫的图片
5.部署模型，将模型应用到正式的实际数据或新产生数据中，进行预测、评价，如：把【眼睛模型】去接触真实世界，看到一些真实猫图片或视频
总结来说，AI就是可以模拟人的部分行为，如上文举例所说的【眼睛模型】，就是实现人类眼睛可以识别猫的功能，扩展开来就是可以充当人的眼睛去识别万物。
当然有些更加智能的模型可以重复2/3/4三个步骤让自己变得更加完善（这也叫【无监督模型或自监督模型】）。
语言模型
从前面了解到【模型】的概念，从通俗的理解模型是一个模仿人类某个功能，从技术上讲模型是一段算法代码。
因此语言模型从这两个方面来说：
- 许多自然语言处理方面的应用，如：语音识别[1]，机器翻译[2]，词性标注，句法分析[3]，手写体识别[4]和资讯检索
- 从技术上来讲，是一个概率分布的算法
我们对语言模型可以理解成，一个能够识别自然语言（包括语音，语义识别等）的算法模型即可。
常用的语言模型算法有以下几种：
- ELMo 华盛顿大学提出的算法
- GPT OpenAI提出的算法
- BERT Google提出的算法
GPT
Generative Pre-trained Transformer (GPT)，是一种基于互联网可用数据训练的文本生成深度学习模型。
GPT的整个发展过程分为：
- GPT-1，有一定的泛化能力，能够用于和监督任务无关的 NLP 任务，如：自然语言推理：判断两个句子的关系；问答与常识推理：输入文章及若干答案，输出答案的准确率等
- GPT-2，使用无监督预训练模型做有监督任务，比GTP-1拥有更加强大能力，能阅读摘要、聊天、续写、编故事，甚至生成假新闻等，甚至可以假扮网络角色进行会话聊天，如：微软的小冰。
- GPT-3，作为一个无监督模型，几乎可以完成自然语言处理的绝大部分任务，如面向问题的搜索、阅读理解、语义推断、机器翻译、文章生成和自动问答等等。
- GPT3.5，是一系列模型，使用
人类反馈强化学习(RLHF)，与GPT-3最大的区别在使用互联网的资料直接训练。 - GPT-4，针对GPT-3不分青红皂白和质量好坏地对网络上的所有文本进行学习，进而生产出错误的、恶意冒犯的、甚至是攻击性的语言输出的缺陷，而准备提出新的升级模型。
一个无监督模型功能多效果好，似乎让人们看到了通用人工智能的希望，可能这就是 GPT-3 影响如此之大的主要原因。
有了这些概念性的知识后，我们就可以开始认识ChatGPT。
ChatGPT
是什么
在官网上定义如下：
ChatGPT: 专门针对对话而优化的语言模型。同时已经训练了一个名为ChatGPT的模型，它以对话的方式进行交互。对话形式使ChatGPT能够回答后续问题，承认错误，挑战不正确的前提，拒绝不适当的请求。ChatGPT是InstructGPT的兄弟模型，InstructGPT被训练为遵循提示中的说明并提供详细的响应。 —— ChatGPT官网
按照我所理解来说，ChatGPT是：
- 一个基于
GPT-3.5系列模型+人类反馈强化学习(RLHF)实现的语言模型 - 一个可以正常对话聊天、自动纠正错误的智能对话机器人(快速，而不需要等待太长时间)
- 一个链接互联网所有公开信息，能检索到所有信息和总结的智能搜索引擎
- 一个可以辅助你实现相关工作（如：作业，代码，论文等）的智能工具
InstructGPT VS ChatGPT
- 两者都是基于
GPT-3.5系列模型做调整的语言模型 InstructGPT是一个问题就一个回答，如果回答不正确就调整，ChatGPT则是一个问题就多个回答，然后学习将这些回答进行排序
如何使用：
其实如果可以直接访问ChatGPT官网就可以直接用，国内也有很多插件可以使用。
影响什么
ChatGPT的火爆是AI多年沉淀的一次技术爆发，距离上一次AI技术的热点新闻还是在谷歌的阿尔法狗战胜世界围棋冠军李世石（2016年）。
我们可以先收集一下目前使用AI技术的一些场景：
- 各种识别，人脸、指纹等
- 智能辅助驾驶
- 各种转义，如：语音转文字，文字转语音， 翻译等
- 各种语音助手，如：Siri，小爱同学等
其实，AI在我们生活中已经随处可见，只是有时候我们觉得这些功能还是比较属于机器范围内的，如有时候小爱同学会说“我没听清楚你的问题”这种明显非智能回答，给我们造成一种认知觉得AI很傻。
因此，ChatGPT的火爆之处在于：它真的可以像一个人类给予你想要的回答，更加准确的说，它是一个负责任的智能AI，能竭尽所能的给你想要的答案。
接下来，我从网上搜索了一些资料，从几个行业讲一下它可能会带来的影响。
教育行业
其实最大的担心就是，大家利用chatgpt去写作业或论文，尤其是学龄前儿童和中小学阶段，正是属于知识探索期，chatgpt是否会影响学生的学习吗？
这里引用一段话，针对国内的，吴永和教授的一个观点：
面向未来，作为承担2021年度国家社会科学基金重大项目“面向未成年人的人工智能技术规范研究”的首席专家，吴永和从五个方面给出了教育人工智能发展的建议：
- 一、是进行理论的奠基，确定价值观、战略方向，做好顶层设计；
- 二、是提升人类的人工智能核心素养，从而使师生能正确驾驭智能工具；
- 三、是完善技术应用的监管，保持人工智能的向善性，使技术能够更好地为人服务；
- 四、是考虑技术和教育深度融合的伦理问题，更好地做到人机共融；
- 五、是落实相关标准，比如教育人工智能的算法描述信息、安全描述框架、伦理审查规范。
IT行业
网络已经有很多人利用chatgpt去生成代码甚至正式上线，那么是否会代替程序员，或者以后程序员已经如何学习发展？
这里引用知乎上的一个问答OpenAI 的超级对话模型 ChatGPT 会导致程序员大规模失业吗？，总结一下精彩回答：
- chatgpt作为一个管家型查找，把喂到你嘴里这个功能发挥到了极致。
- chatgpt给出的代码实现和"背题家"也出奇的相似
- chatGPT最多能看作一个助手, 对于广大程序员来说是一个不错的辅助工具
- AI的发展已经明确告诉你了，不要卷细节上的东西，提升核心竞争力，就是你的解决问题的思路
- 没有思想的人才是最快被取代的
- ChatGPT 又来了，这次我是什么感觉呢？感觉真的 Google 和 StackOverflow 已经不好用了
- 借助 Copilot 和 ChatGPT，程序员的自我感觉更棒了！可以更加肆无忌惮地在未知领域里自由探索了！
其他行业
引用知乎上的问答ChatGPT 会取代人的哪些工作？哪些人群的职业规划需要转变？，总结一下精彩回答：
- 内容行业：文字+图像处理效率的提升，更加庞大的内容生态也有了存在的基础，推动芯片和硬件的提升，从而实现更宏大的数字世界
- 游戏行业：npc会和你流畅的对话，黄油里面可以根据你的xp来叫主人或者变态，新的需求会生成，也催生新的经济形态
- 这将是人工智能诞生以来，人类的工作第一次真正接近被大规模替代的时点——不是部分工作被替代，而是大规模被替代的开始。
- ChatGPT的商业模式，可能不会像搜索那样依赖广告，难以出现大规模的2C级应用，而更可能是2B，主要运用于工作场景
- 会提问题的人将是最后的赢家，可以让你的工作不但不会被AI取代，反而创造了全新的工作方式
总结
第一篇关于ChatGPT的了解就先写到这里，作为AI小白，我们可以学习到：
- AI模型是的训练过程：确定模型>准备数据>训练模型>调整模型>部署模型
- ChatGPT的实质定义，利用互联网的资料训练
GPT-3.5模型而成的一个对话式的语言模型 - ChatGPT的出现可能带来的改变，可以将某些行业岗位的价值重新定义，但是却能提高更多岗位的工作效率和价值，从而提升整个社会运转速度
最后，问ChatGPT我能从你这里学到什么？如下图：
