大家好，我是讯享网，很高兴认识大家。



据了解，ChatGPT的前身为OpenAI此前的语言模型GPT-3，而GPT-3也经历了从1代到3代的演化。东吴证券认为，通过梳理前几代模型，ChatGPT之所以能实现如此革命性的变化，新技术RLHF训练方式的引用或是关键：从GPT到GPT-3：优化主要来自算力增加（烧钱）。GPT、GPT-2和GPT-3的算法模型并没有太大改变，但参数量从1.17亿增加到1750亿，预训练数据量从5GB增加到45TB，其中GPT-3训练一次的费用是460万美元，总训练成本达1200万美元。虽然训练数据量和算力大幅增加使GPT-3有显著优化，但高额投入也使其只能走B端变现。

OpenAI在官网表示，ChatGPT 是从 GPT-3.5 微调而来的，GPT-3.5 是一种经过训练以生成文本的语言模型。ChatGPT 通过使用人类反馈强化学习 （RLHF） 针对对话进行了优化，这是一种使用人类演示来指导模型实现所需行为的方法。

聊天机器人ChatGPT为何“出圈”？我们让它写了篇文章

★第一层

人类从ai这里快速得到答案，从而认知了什么叫高效，高效带来极强的用户粘性。
既然如此高效，使用它搜索的人会越来越多。

第一层逻辑，干掉谷歌，百度

★第二层

集中 专项整合教育类问题，ai就是学生们的最爱，无时无刻得知高效答案，快速建立对应学科认知。
ai就是最强老师
学生们只要稍微提高一下学习的能动性，便能很快获得想要的知识

第二层逻辑，向教育领域拓展。

然而现实的教育体系是滞后的，后知后觉的，教育体系等到学子们都习惯ai之后，才后知后觉，跟进教育＋ai的融合。

此举会干掉许多教师，百万漕工衣食所系，ai融入教育体系困难重重，只有等许多人老去，烟消云散，主流才会慢慢推进教育融合ai的新教学模式。

官员们发现，新教育似乎不太合适传达价值观，因为ai是相对客观的，除非你要求它主动修改一系列的答案。

上面有要求，下面还真这么做了。

从此，人类教会了ai如何忽悠人类自己。

★第三层

重点是百科，然而商业逻辑不允许ai白嫖人类文明底层的碎片。
翻译翻译就是，有对手限制ai的发展，利用，知识从别处来，是全人类的结晶，免费的，你凭什么收费？
要不就是掐断ai训练大数据的源通道，比如知乎声明，ai你不能提取我大知乎的数据。
ai要做大做强，就必须有建立自己的库。用来供给ai继续成长。

库支持的必要性，就看运营团队有没有意识到卡脖子的问题，进而通过创建自己的库来确保ai的持续成长。

谷歌也有类似的ai，但其不愿意公开，使得算法迭代速度较慢，被chatgpt率先成熟，反过来威胁谷歌了。

好称all in ai的百度，依然忙着追赶系列ai的培育，一直处于，别人有的我也要尽量学会，创新是不可能创新的，这辈子能跟在别人的屁股后搞出类似功能的ai就不错了，要是对方不开源，百度也抓瞎，赶超是不可能赶超的，这辈子都不可能赶超的。

你指望百度给点力，百度却渴望赚更多小钱钱，然而越是想赚小钱钱，实力却越发展越弱，要不是有垄断地位方便割韭菜，百度根本维持不下去。

李不明白的是，科技是第一生产力，(这谁不知道？但理解，是有深度区别的)

他只想做个商人，一直都是。

能作为库的除了百度还有知乎，夸克等

在不知道chatgpt之前，11月21日，我就给知乎提供了建议，让他们搞ai，结果没几天，chatgpt出来了，并且大量ai回答冲击知乎…..

第三层逻辑是，ai寻求库的合作，以保ai成长。

然而，最好的库，是ai用户本身。长期免费使用ai就能通过用户提供的数据作为养料。

由于ai使用场景的限制，ai通常输出更多，输入极少。这个库的建立，得好好设计一番才能获得属于自己的数据库。需要一个平台，最好是类似百科的平台，它拥有独特的组网模块化结构，天然契合ai的算法逻辑，也就是说，要从算法方面入手去设计全新的百科数据，它必须是网状的，模块化的，容易拼合的结构。

知乎如果获得ai的源代码，也需要做本地化改造，才能修改出匹配知乎的ai，前面我也说了，知乎合适开发的是【答者】模式的ai。

它将会推翻现有的运营思路，如果管理层没有get到文库的模式，就很难针对性改革，眼睁睁看大量用户拥抱其他ai，前期还好，知乎最为一个平台，ai回答冲击知乎表面上不会有什么端倪，而等用户习惯高效信息反馈之后，他们回发现，知乎的效率终究是干不过ai的。

如果知乎先知先觉早做打算跟进ai还好，若依然搞视频库，搞美食汽车。。。等回过味来就错失良机了。。。

届时，只能期待ai运营出昏招，收费，才让其它库有缓一缓的空间。。。。

★第四层

chatgpt强大的语言处理能力，天然契合解读人言。

语言操控系统会变得更加强大，万物互联时代需要用到它的场景可就太多了。只要给权限，它就能给你安排得明明白白。

不仅仅是物联网的大脑，向微软这样的桌面端操作系统，ai也是可以参与竞争的。

不单单是语音操控领域的建树，怎么切入我现在想不出来，我知道的是，必然有某种玩法，能碾压微软操作系统。

也许是和某种新事物连线，达成了某种特别效果从而让它有了优势。

比如。。。脑机接口？？

私人秘书服务？？

★第五层

人类一直诟病ai不够聪明，比如下棋的只会下棋，不会洗碗，做菜的只能做菜而不会打游戏，打游戏的只会打特定游戏而不会洗碗洗衣服。。。。

而所有这些单方面很强的ai拥有一个大脑后。

人类所害怕的终极ai诞生了，不过大家也不用担心，因为

终有一天，人类会亲自把AI捧上神坛

所有问题在库中都有答案，包括全产业链的建设。

当然，普通人想要得到全答案是不可能的。

技术在各领域实验室中迭代，谁会免费上传到库？

如果这个库是国家层面建立的呢?

库里的知识只说一半，另一半知识存储在实体产业链中。

也就是说，库和全产业链本身就是一体。

它在国家意志的督促下，把已有的产业链模块化，就和打游戏一样。想要多大规模的工厂，一键生成蓝图，一键ai施工，一键构建材料运输网络，一键生产。。。。

人类将强化这套系统，带它进入太空诘屈太空资源。

而这一切的起点，不过是个高效的回答机器人而已。

chatgpt在写作，写代码方面给人耳目一新的体验。让人看不到机械搜索的样子，替而代之的是在已知信息的基础上进行改编和灵活重组的智慧。加上基于人类反馈的强化学习（RLHF)，让聊天显得更真实（能把前后的对话关联起来，似乎每一句都听懂了）。相比3.0，chatgpt3.5最明显的提升是有了自己的主见，知道太阳没有脚。然而细心的人很快就找到其中的一些问题。

chatgpt的方向应该是奔着图灵测试去，继续完善聊天体验，4.0版应该会改善以下问题：

1. 不能不识数。弥补数字之上的基本计算错误。描述的时候方法没错，但其中的数字的基本计算（如比较大小）错误显得太低级。
2. 知错要改。有些答案中的问题单独问，它知道有不对，但是再回答时依然原错不动。
3. 降低水份。在客观认知面前能得到很肯定的回答（如写排序算法，问）。编写主观认知方面也给人才高八斗的感觉，但是看多了觉得套路严重，逻辑不合理。水文一篇。新版应该会在逻辑上更合理，避免自相矛盾和明显的套路感。
4. 降低聊天费用。按照目前的一条问题0.01到0.2美元计算。真要收费的话，很多人还是宁愿用免费的搜索引擎。
5. 用于审核网络文字。这套系统最大的应用落地应该是文字审核。马斯克收购推特后裁员几千人中最多的是内容审核人员。为什么？因为可以用chatgpt机械化判断，这些人显得多余。

从技术上讲，这些问题在现有版本的基础上应该是可以克服的，但是依然不能改变我认为它始终是感知智能的看法，不能走向正真的认知智能。

GPT3，已经学会了社会上常见的那种“满嘴跑火车”的人，你敢开个话头，它就敢接着往下说，完全不知道自己在说啥。说话的流利程度已经算是筑基了。

在被instructGPT训斥之后，收敛了不少，开始认真答题，进化到GPT3.5，开始冲击金丹期。

GPT4如果仅仅只是增加训练数据集，你真觉得能引起质变突破到金丹么？

chatGPT作为一款应用，这段时间内吸引的大量关注者中，恰恰不是那些“曾经在DNN中输出过成吨论文的行业内人士”，反而是“满脑子有很多奇思妙想，就缺个AI程序员的那种人”。这个现象不奇怪，看清一个行业发展方向的往往是局外人。

所以市场所需的4.0并不是要一个“能上天入地无所不知的智能百科全书”，而是一个“可以针对某个领域某个行业做出有效应答的系统”。

所以务实点看，我对4.0并没啥期望，我觉得更有价值的事情是：如何就在GPT3的基础上，追加/优化一个能处理具体领域的专家系统，能有chatGPT流畅的口齿，喂一些领域内的专业知识，能把这个过程实现出来并开源就算是踏踏实实做了件善事。

关于有人讨论什么4.0能够通过图灵测试，这纯粹是在浪费时间。图灵测试本身就不是一个精确的数值化或者符号逻辑化的问题，没有严格的定义，判断依据纯粹就是靠众人的感觉，如果3.5的对话能让你觉得它是人，那对你而言，它***就是人了。完全是个没营养的问题。