所以，chatGPT为什么这么火？

本人完全个人臆想，有错误很正常

什么是chatGPT

ChatGPT（Chat Generative Pre-trained Transformer）

是一种新型的人工智能技术（应用），它可以为用户提供在社交媒体和移动应用程序中真实智能聊天伙伴。

ChatGPT旨在通过使用机器学习和自然语言处理技术来模拟人类真实的聊天情况。它将传统的AI技术与虚拟世界相结合，从而为用户创建一个更具对话性和沉浸感的客户体验。

他是由一家人工智能机器学习公司OpenAI开发，其底层应用的是GPT-3.5语言处理模型，如果服务开放的话，我们可以自己调用API创建一个聊天应用。

为什么这么火

我认为chatGPT之所以火的原因是：

其背后的GTP-3.5自然语言处理模型，有成为新一轮基建技术或者新标准的可能，也就是说他可能导致一场人机交互革命。

作为一个用户，以现在的交互方式来说，如果我们想要订一张机票，我们会：

下载携程App;
搜寻机票信息；
比价；
买票；

但我作为一个有智慧的人，并不想将时间浪费在这种琐事上，所以我招了一个“行政助理”做这个工作，这件事也能很快乐的进行，但chatGPT（GPT-3.5语音处理模型）改变了这一切，因为手机界面发生了变化！用户的交互流程变了：

手机只有一个聊天界面了...
我用了一段含糊不清的语音大概描述了自己的订票需求；
系统首先使用chatGPT进行解析，竟然听懂了；
然后调用手机里面内置安装的app，完成了订票需求；

这里的核心变化出现了，对比的当前的搜索引擎和手机系统，chatGPT作为底层基建、基本标准：

首先简化了输入流程；
其次作为助手，帮你完成了筛选工作；

而这可能导致当前手机应用的大规模重建，不得不说对程序员们可能是一个福音。

而标准产生往往意味着利益再划分，那么除了基本平台、APPStore以外，chatChat当然可以提供付费服务，或者跟底层系统进行分账。

综上，我认为chatGPT火的原因是因为：

GPT-X语音处理模型可能变成在操作系统之上的系统基建，并成为一种APP必须遵循的标准；

而新标准切实的带来了体验上大幅的升级，所以会改变用户使用习惯，这会导致几年的全方面应用重建；

这种大规模并长期存在事件，自然大受资本追捧；

在这种场景下，很多之前觉得很“扯淡”的想法都变成了可能，比如：

应用入口只有一个对话框；
研究生论文一键润色；

但这里也引出了另一个话题，很多同学是不是就失业了？

关于失业问题

GPT导致的经济问题

以技术同学为例，当我发现下面同学效率低下、天天摸鱼，但总是最后时间借助GPT按时按量完成工作，于是我尝试全方位使用GPT提升效率，短时间员工成本大幅降低，但长时间来说，你傻眼了，因为音乐行业也在用GPT，自媒体也在用GPT，甚至*部门都在用GPT。越来越多人被裁，越来越多人失业，越来越多人丧失了收入来源。

那么这会从一个技术问题变成一个经济学问题，最后变成一个稳定性问题：部分使用GPT技术可能导致更好更强，但全方位使用却会导致经济流转减缓，这可不是一个好现象了。

GPT导致的内卷问题

以研究生润文一键润色为例，之前的流程可能是70%个人努力 + 30%导师指导，后面有个APP推出了润文一键润色后变成了70%个人努力 + 30%AI润色，甚而后续发展为50%个人努力 + 50%AI润色，但这里会产生一个问题：导师是稀少的，AI是廉价的。

所以最终的结果就是，人人拥有一部《辟邪剑法》，但他并没有对人类的整体进步产生帮助。

我们认为人类的成长是由两方面组成，生存或发展能力的增加，AI润色甚至一键生成论文的产生，不会导致人类知识量的提升或增加，反而会导致整体的停滞不前，那么这种内卷就是无意义的。

上限与下限

GPT技术的核心是信息的收集处理后的展示，而这个信息源依旧来源于我们的创造，这些年互联网的发展导致了信息的爆炸，这是他能发展的根本原因，这也导致了他两个可能的问题：GPT本身是利用内容，并没有创造内容；我这里要表达的是：

GPT可能会使我们获取内容的下限提升，但并不会导致上限提高，他的极限值就是人类知识的上限。

而GPT会不会导致人类高级别人才比例提升，这个有些不好判断，因为“知行合一”，很多核心知识是需要大量的实践才能掌握，而这些实践是资源堆起来的。

所以对于失业问题来说，GPT不能导致上限提升，这些工作依旧是中高端人群在做，跟其掌握资源正相关，影响较小；而其导致的下限提升，可能对很多行业的门槛提升不少，这个是值得注意的。

下面是媒体网站 Insider在与专家交谈和进行研究后，整理了一份被人工智能技术取代风险最高的工作类型清单：

技术类工作：程序员、软件工程师、数据分析师像；
媒体类工作：广告、内容创作、技术写作、新闻；
法律类工作：法律或律师助理；
市场研究分析师；
教师；
金融类工作：金融分析师，个人财务顾问；
交易员；
平面设计师；
会计师；
客服；

但总的来说，我觉得暂时不用关心，真到那时也可以躺平，大不了回家养猪。

实际情况

以上是我脑补GPT技术成熟时候的样子，现在将视野收回来看看现实的情况：

在这种我们自己都闹不明白的问题上，chatGPT堪称“人工智障”。

把Python打错为pytheon，但这似乎丝毫不影响。

还有其他例子，我这里就不贴出来了，可以看到chatGPT的回答跟高质量的文章相比差距极大，还处于很初级阶段，我们现在用chatGPT可能就纯图一乐，不会真的想要获取什么，而他要突破到成熟，还有很长的路要走：

ChatGPT在其未经大量语料训练的领域缺乏“人类常识”和引申能力，甚至会一本正经的“胡说八道”。
ChatGPT无法处理复杂冗长或者特别专业的语言结构。对于来自金融、自然科学或医学等非常专业领域的问题，如果没有进行足够的语料“喂食”，ChatGPT可能无法生成适当的回答。
ChatGPT需要非常大量的算力（芯片）来支持其训练和部署。抛开需要大量语料数据训练模型不说，在目前，ChatGPT在应用时仍然需要大算力的服务器支持，而这些服务器的成本是普通用户无法承受的，即便数十亿个参数的模型也需要惊人数量的计算资源才能运行和训练。如果面向真实搜索引擎的数以亿记的用户请求，如采取目前通行的免费策略，任何企业都难以承受这一成本。因此对于普通大众来说，还需等待更轻量型的模型或更高性价比的算力平台。
ChatGPT还没法在线的把新知识纳入其中，而出现一些新知识就去重新预训练GPT模型也是不现实的，无论是训练时间或训练成本，都是普通训练者难以接受的。如果对于新知识采取在线训练的模式，看上去可行且语料成本相对较低，但是很容易由于新数据的引入而导致对原有知识的灾难性遗忘的问题。
ChatGPT仍然是黑盒模型。目前还未能对ChatGPT的内在算法逻辑进行分解，因此并不能保证ChatGPT不会产生攻击甚至伤害用户的表述。

最后我发现chatGPT在程序类问题准确度较高，这跟这么多年程序员社区特别活跃，乐于分享，有大量高质量内容有莫大关系，所以长期来看，封闭的系统未必不是一个安全的系统呢......

应用领域举例

金融领域

ChatGPT 在金融领域的应用主要集中在自动客服、金融分析和金融投资等方面。

智能客服系统

首先，ChatGPT客服自动应答系统可以根据自然语言技术实现自动应答，提供有效的快速回复，使客服系统可以实现24小时全天候工作。

此外，ChatGPT客服问答系统利用自然语言处理技术，将金融服务的内容和细节全面的抽取出来，形成客户可以简单明了的了解金融业务的参考，避免用户深入研究金融服务的麻烦，大大提升了获取金融知识和信息的效率。

投资智能分析系统

ChatGPT技术投行行业带来了更高效的工作流程，它可以通过自然语言处理高效分析市场信息、提取关键信息，从而给投行行业带来更快捷、更精准的投行分析服务，从而提高投资效率和投资回报。

ChatGPT还可以通过收集、统计和建模用户历史交易行为，分析交易参与者的策略偏好，从而识别出潜在的欺诈行为。

例如，ChatGPT可以识别出用户重复性交易的行为特征，以及交易参与者之间不一致的行为特征，并根据模型对其进行预测，以防止金融损失。

总之，ChatGPT的应用在金融领域还在不断开展，它可以有效地帮助金融行业提供更优质的客户服务、更高效的投资分析和更严格的风控服务，为金融行业的发展贡献力量。

但是这里有个非常大的问题是用户的隐私数据如何处理，这是一个控制权的问题，其次就算用户机构乃至国家都同意，而数据打通、数据安全等也是一个漫长的过程。

医疗领域

ChatGPT在医疗领域的应用可以分为三类：自动诊断系统、医疗信息自动搜索系统、虚拟助手服务系统。

自动诊断

ChatGPT在医疗领域的发展百家争鸣，自动诊断系统最为人所熟知。在这里，ChatGPT尤其能够发挥其优势――机器学习（Machine Learning），以及语言理解（Natural Language Processing）。

相比传统的诊断系统，自动诊断系统的优势在于准确性方面，可以有效帮助医生准确诊断疾病，从而准确、迅速地治疗疾病，提高医疗水平。而且自动诊断系统也可以为医学科研提供质量更高的数据和分析结果，有助于指导医院的检测、诊断和治疗过程。

作为一种人工智能技术，ChatGPT可以使用海量的病历数据，模仿人的行为，从而自动诊断疾病。

例如，ChatGPT可以根据患者的症状、体征和化验报告等信息，对疾病进行诊断，并分析患者的病情，为治疗方案提供决策建议。ChatGPT还可以根据诊断报告中的数据，使用预测模型，以精准地预测患者的病情发展趋势，从而帮助医生为患者制定最佳治疗方案。

通过ChatGPT，医疗机构不仅可以减少医护人员的检查和诊断时间，还能够节省大量的诊疗费用，从而改善患者的体验。

2022年12月22日，来自美国德雷塞尔大学的两名学者在PLOS Digital Health上发表的一篇论文探索了ChatGPT在这方面的能力。他们将它用于诊断阿尔茨海默病（AD）。

作为痴呆症中最常见的一种，阿尔茨海默病（AD）是一种退行性中枢神经系统疾病，多年来科学家们一直在研发抗AD的特效药，但目前进展很有限。目前诊断AD的做法通常包括病史回顾和冗长的身体和神经系统评估和测试。

由于60%～80%的痴呆症患者都有语言障碍，研究人员一直在关注那些能够捕捉细微语言线索的应用，包括识别犹豫、语法和发音错误以及忘记词语等，将其作为筛查早期AD的一种快捷、低成本的手段。德雷塞尔大学发表的这项研究发现，OpenAI的GPT-3程序，可以从自发语音中识别线索，预测痴呆症早期阶段的准确率达到80%。

人工智能可以用作有效的决策支持系统，为医生提供有价值的数据以用于诊断和治疗。人眼可能会错过CT扫描中的微小异常，但经过训练的AI却能跟踪最小的细节。一位IT领域的专家告诉“医学界”，ChatGPT对于临床医学可能会有很大的帮助，毕竟每个医生的记忆都有限，无论如何也比不过计算机的强大存储。

医疗信息自动搜索

ChatGPT可以为医疗信息自动搜索系统提供实质性的帮助。它利用人工智能和大数据技术，将大量不同格式的病人、保健机构和相关文献的信息进行检索和解析，进而自动推荐最佳解决方案。

首先，ChatGPT可以帮助医疗信息自动搜索系统快速检索出与诊断和治疗有关的研究、文献或数据信息。如新药的开发，可以帮助医生快速检索出相关的药物，以便更快地找到有效的药物。此外，ChatGPT还可以通过自动搜索技术来识别前沿研究、基因组序列和疾病风险，从而提供全方位的医疗信息搜索。

其次，ChatGPT可以帮助医疗信息自动搜索系统快速识别出专业医疗服务机构的信息。系统可以自动搜索出合适的医疗保健机构，从而帮助病人更容易地找到合适的服务机构。此外，ChatGPT还可以协助医疗信息自动搜索系统对病人及其家属的病情和诊疗过程进行实时监控，以便及时发现变化，快速做出应对。

最后，ChatGPT可以为医疗信息自动搜索系统提供个性化推荐服务。根据不同病人的病情和病史，ChatGPT可以自动提供最有价值的诊断和治疗方案，从而节省医疗资源，提高医疗服务质量。

综上所述，ChatGPT对医疗信息自动搜索系统的帮助是显而易见的，能够有效的加强医疗效率，为患者提供更优质的医疗服务。

虚拟助手服务

ChatGPT在医疗领域可以大大改善虚拟助手服务系统，将人工智能与虚拟助理服务相结合，为医疗机构提供智能化服务。

举个例子，ChatGPT可以识别患者的口头描述，根据其传达的内容，自动显示相关医疗建议，帮助客户更快找到所需信息。

其次，ChatGPT可以与医学知识库和诊断报告进行交互，帮助患者进行诊断。例如，ChatGPT可以根据患者症状、体征和化验报告等信息，对疾病进行准确的诊断，以及分析病情走向，为治疗方案提供参考。

此外，ChatGPT也可以在病历管理系统中发挥作用，帮助医生更有效地安排患者就诊。它可以实时识别患者病历以及医疗机构病床状况，从而让医院更容易管理病床平衡，确保患者的治疗质量。

最后，ChatGPT也可以与医疗机构的护士联系，帮助他们更好地处理病历，指导和答复患者的问题，从而提高整个就医流程的效率。

在2018年美国的一项调研中，70%的医生表示，他们每周在文书工作和行政任务上花费10个小时以上，其中近三分之一的人花费了20个小时或更长时间。英国知名的圣玛丽医院的两名医生2月6日发表在《柳叶刀》上的评述文章指出，医疗保健是一个具有很大的标准化空间的行业，特别是在文档方面。我们应该对这些技术进步做出反应，并探索在医疗保健的不同场景使用聊天机器人（如ChatGPT）的可行性。

“出院小结”是这项技术一个很典型的应用，作者指出，因为它们在很大程度上是标准化的格式。ChatGPT在医生输入特定信息的简要说明、需详细说明的概念和要解释的医嘱后，在几秒钟内即可输出正式的出院摘要。这一过程的自动化可以减轻低年资医生的工作负担，让他们有更多时间为患者提供服务。

但是，貌似不用chatGPT技术，也能实现...

竞品

Bard

北京时间 2 月 7 日凌晨，谷歌 CEO 桑达尔·皮查伊（Sundar Pichai）宣布，谷歌将推出一款由 LaMDA 模型支持的对话式人工智能服务，名为 Bard。

Bard 的工作方式大概率与 ChatGPT 类似，都是通过对话来回答用户的问题或者提供用户想要的信息，用户可以不断地追问、改进、丰富自己的问题，让 AI 的回答更贴近自己想要的东西。

据介绍，最初发布的 Bard 服务，将使用轻量级 LaMDA 模型。从执行任务的角度来看，轻量级模型将需要更少的算力，从而让谷歌可以扩展和服务更多的用户。LaMDA 模型的全名是 Language Model for Dialogue Applications（对话应用的语言模型），最早在 2021 年的谷歌 I/O 大会上公布，后于 2022 年更新为第二代。它基于 Transformer 神经网络架构，使用高达 1370 亿个参数进行训练，它的训练数据是对话内容，而非普通的句子和文章。

文言一心

2月7日，百度公司透露，此前流传的类ChatGPT聊天机器人项目名字确定为“文心一言”，英文名ERNIE Bot，3月完成内测，面向公众开放。

放眼国内，不管是说对AI的技术积累，还是说在自然语言领域的经验优势，百度都首屈一指。百度在人工智能技术领域深耕多年，有芯片、框架、模型、应用四层技术栈。其中，文心系列大模型参数规模达到2600亿，表现超越谷歌的T5和OpenAI的GPT-3，是全球最大的中文单体模型，在行业产业已经获得普遍应用。

元语AI

体验地址：或扫下面二维码

总体感受比起ChatGPT，不管是体验还是信息准确性都要“笨”很多，当前还有bug，进行第二轮回话时，会卡：

除此之外，据悉，百度、阿里、腾讯、网易、三六零、科大讯飞等国内公司都在研发类似ChatGPT的产品。

结语

最后总结一下，chatGPT之所以火的原因是：