关于

ChatBro 想做大众和人工智能间的一座桥梁，我们创建工具、分享知识，努力做一点有意义的事，目的是让人工智能更便捷地融入我们的日常。

我们的联系方式是：📬 hi@chatbro.cn，与产品相关的话题也可在这里交流。我们的公众号是 ，平时会分享一些与人工智能相关的知识。

OpenAI 在2022年11月30日向公众开放 ChatGPT 标志着人类正式迈入了人工智能时代。ChatGPT 向我们展示了 LLM(Large Language Models，大规模语言模型)的能力和潜力，而当时还仅仅是 GPT-3.5。几个月后， 更智能的GPT-4发布了， 有分析指出 GPT-4 已10倍领先于 GPT-3.5。

ChatGPT发布后，全球巨头和AI创业公司呈井喷式爆发。 微软发布了 New Bing、Google 发布了 Bard、百度发布了文心一言。下图是全球人工智能企业不完全统计图。

大规模语言模型是通向AGI（Artificial General Intelligence, 通用人工智能）一个重要的里程碑， 可以说我们已经很接近人工智能的终极形态了(简单科普一下，通用人工智能是可以像人类那样全方位的推理、思考、分析的机器。）

其实在 ChatGPT 发布前，一些群体就已经在利用人工智能来提升效率了，比如Github推出的Copilot可以为开发人员生成代码，编写注释，减少我们查阅文档和编码的时间，就我个人体会，效率提升不止50%；还有 MidJourney，一款能根据自然语言生成图像的应用 ，其出图效果完全不输 PS 高手。

下面的这幅图就是由 MidJournery生成的，我的描述是“A robot and a boy are reading book together in 3D Pixar style。”

这是一幅 Pixar 风格的图片，我们也可以换一个风格，这次我告诉计算机我想要的是“A pretty young twenty-senven woman in ultra realistic style, cyberpunk background。”

当然，人工智能的能力还远不止于此，在 GPT-4 发布后，OpenAI 进一步上线了 Plugin 生态。这等于是将一颗超级大脑连上了网，OpenAI 变成了一个巨大的信息中转站，人、各种系统、设备都在这个地方完成交互。而在此之前，大家对 ChatGPT 的认知更多是一个聊天机器人。由于大规模语言模型是利用我们人类已知信息进行训练的，只能发现材料包含的规律，对超出训练集的东西是无能为力的。对于 2021 年后发生的事情，亦或我们人类至今未解的难题，ChatGPT 也没辙。

当 ChatGPT 联网后，训练数据时效性的问题就得到了解决，对于之后发生的事情它完全可以通过网络获知。更重要的是 ChatGPT 不再局限于只是给出答案，而是可以执行具体的操作，比如为你规划出行并预订好机票和酒店。

这个时候，人工智能淘汰人类的言论再次成为了热点。有文章说机器取代人类的"奇点时刻"已然到来、还有文章分析了哪些技能失去了价值，哪些群体已在失业边缘。

OpenAI 官方的一篇论文也分析了大语言模型对劳动力的市场影响（主要对美国），核心的观点大致如下：

1. GPT模型和相关技术可能对美国劳动力市场产生重大影响;
2. 大约80%的美国劳动力可能有至少10%的工作任务受到GPT的影响，而约19%的劳动者可能有至少50%的任务受到影响；
3. 这种影响涵盖了所有收入水平，高收入职业可能面临更大的风险。值得注意的是，这种影响并不局限于近期生产力增长较高的行业。

同时还给出了受影响程度最大的行业：

1. 信息技术和媒体，因为这些行业的工作任务很大程度上涉及到语言处理、文本生成、数据分析等GPT的核心能力；
2. 教育和培训，因为这些行业的工作任务需要高水平的语言表达、沟通、创造和批判性思维，而这些能力可能被GPT的高质量文本输出所挑战或替代；
3. 法律和金融，因为这些行业的工作任务需要处理大量的文本信息、合同、报告等，而这些信息可能被GPT的快速阅读、理解和生成所优化或简化。

以及受影响最小的行业：

1. 建筑和制造，因为这些行业的工作任务主要涉及到物理操作、机械技能、空间感知等GPT的较弱能力（好消息，搬砖不受影响😉）;
2. 卫生保健和社会服务，因为这些行业的工作任务需要高度的人际互动、情感关怀、专业判断等GPT的难以模拟或复制的能力;
3. 艺术和娱乐，因为这些行业的工作任务需要独特的创造力、个性和风格，而这些特征可能超出了GPT的范式或规则。

我们相信，人工智能对人类社会的影响是深远且持续的，但不会是以一场革命的形式颠覆我们所习惯的一切。我们无须过于担心“被取代”，但也不要轻视技术带来的变革。

如何用好人工智能现在成为了一门新的学科。目前流行的大规模语言模型是用来处理语言文字（或者符号体系）的 AI 模型，对机器更友好的指令会获得更好的生成效果，为了能更好的利用 ChatGPT, 大家都开始研究什么样的指令对机器更友好，由此诞生了一门新的工程方向：Prompt Engineering，从事这方面研究的人则是 Prompt 工程师（或者“魔法师”）。 Prompt 工程师就是人工智能时代的程序员，编程也是在用一种对机器友好的语言转述我们的需求，不同的是有了大规模语言模型，自然语言对机器也变得友好了起来。

驾驭人工智能是我们现在面对的难题，很多人现在的心理是矛盾的，一方面对人工智能充满期待，希望搭上这班车享受红利，另一方面又担心技术发展太快自己被取代。所以刷新闻追产品成了缓解焦虑的一种方式。作为互联网从业者的我们由于较早接触到变化，更是焦虑，都已经记不住刷了多少论文，注册了多少 Wait list 了，而且这种焦虑从web3.0的时候就已经出现，有一个单词专门来形容这种症状——FOMO(fear of missing out) 。

但现在互联网产生内容的速度和新产品的发布频率只会让人越来越焦虑😂

所以我们冷静下来捋了一下，事情会怎么发展，我们能做点什么。

1. 语言领域的人工智能训练成本越来越高，小公司，个人很难担负成本，所以底层模型会离我们很远，不用惦记了;
2. 成熟的多模态输入输出已经在路上了（就是除文字外，还支持图片、音频、视频等）；
3. AGI还有很长的路要走，人工智能威胁论可以先缓一缓；
4. OpenAI这类企业会越来越中心化（听闻已经在找客户端开发人员了），但巨头们有增长压力，利基市场看不上，小科技企业还是有空间的；
5. 在应用层将会有大量的AI产品出现，将人工智能逐渐融入我们的日常；
6. 技术变革是一个长期的过程，不会在短期内取代你我的工作，但会改变我们工作的方式，积极适应新的方式很重要，否则替代你的不是人工智能，而是会用人工智能的人；
7. 人工智能也会犯事实性错误，而且特别能编，现在尤其需要一点怀疑精神；
8. 记忆从来都不是人类的优势，所以让人工智能去记录发生的事情， 人类负责思考。永远不要低估思考的深度。

人工智能时代充满机遇和责任，一切才刚开始，去做一名参与者而不是旁观者，在新时代闪闪发光。💪