陝西科協 中國科技網 2023-02-09
ChatGPT是什麼？
ChatGPT是美國人工智慧研究實驗室OpenAI開發的一種全新聊天機器人模型，它能夠通過學習和理解人類的語言來進行對話，還能根據聊天的上下文進行互動，並協助人類完成一系列任務。 這款AI語言模型，讓撰寫郵件、論文、腳本，制定商業提案，創作詩歌、故事，甚至敲代碼、檢查程序錯誤都變得易如反掌。
不少和ChatGPT“聊過天”的網友紛紛感歎，“只有你想不到，沒有ChatGPT辦不成的”。 和ChatGPT聊天，可以直奔主題、開門見山，也能由淺入深、由表及里。 當被問到一些嚴肅性話題和解決方案，ChatGPT的回答邏輯合理、用詞到位，雖然沒有提出老生常談之外的觀點，但清晰直觀且迅速的表達方式、反應過程令人拍案叫絕。 上線僅僅兩個月，ChatGPT的活躍使用者就突破一億。
ChatGPT會搶誰的「飯碗」？ 我們如何正確看待？
ChatGPT的迅速普及有可能顛覆許多行業。 紐約大學計算機科學與電氣工程系副教授Chinmay Hegde認為，新聞、高等教育、圖形和軟體設計等行業的某些工作——這些工作有被AI代替的風險。
以新聞媒體為例，衛報早在2020年就讓ChatGPT軟體撰寫了一篇文章——結果喜憂參半。 複製編輯當然是它非常擅長的事情。 總結一下，使文章簡潔明瞭，這確實做得很好，“Hegde說，但一個主要缺點是該工具無法有效地進行事實核查。 在教育領域，《紐約郵報》則指出，教授和教師可能被人工智慧課程取代。 英國牛津互聯網研究所的學者Sandra Wachte擔心，如果學生們開始使用ChatGPT，這不僅是“外包”了他們的論文寫作，還會” 外包“他們的思維。
我們應當秉持怎樣的態度看待這種技術革新？
人工智慧本就是人類智慧的產物，其運行基礎是人類高度的想像力與創造力，解決問題更繞不開設計者給定的程式框架。 對待新技術，相比於杞人憂天，更值得思考的是如何規避濫用等現實問題。 畢竟，人工智慧產業正逐漸告別野蠻生長，而其背後暗含的數據隱私、演算法偏見、倫理失範等治理困境，才是智能化轉型帶來的現實挑戰。
ChatGPT爆紅背後也有挑戰！
自ChatGPT發佈以來，它的能力也不斷被人們解鎖，但人們在試用中慢慢發現，數學能力是ChatGPT的一大短板，連簡單的「雞兔同籠」題都能算錯。 大概是考慮到這一點，ChatGPT近日宣佈了一次重要更新：提升了真實性和數學能力。
據瞭解，ChatGPT較上一代產品提升明顯，對話模式具備更好的交互體驗。 但對比Google等搜尋引擎，ChatGPT尚不具備替代搜尋引擎的能力。 ChatGPT的數據來自訓練資料庫，目前資料庫僅更新至2021年，可用資訊有限，同時真實性也無法得到保障。 此外，從商業模式來看，ChatGPT目前採用免費的模式。 根據OpenAI的CEO SamAltman披露，ChatGPT每次聊天成本約為幾美分，其中一部分來自Azure雲服務，未來公司在持續優化成本的同時， 會考慮通過收費獲利，預計的收費模式包括訂閱制、按條收費等。
隨著ChatGPT迅速走紅，其競爭者也不斷湧現，從Anthropic公司的Claude、DeepMind公司的Sparrow、谷歌公司的 LaMDA到Character AI，這個賽道將變得越來越“卷”。
ChatGPT“出圈”，意味著AI大規模商業化時代可能到來
北京市京師律師事務所高培傑律師對《證券日報》記者表示，“ChatGPT在To B端到To C端的智慧運用方面具有巨大的商業價值，通過ChatGPT 交互平臺可以幫助企業與客戶建立有效的溝通方案，並在教育、醫療、汽車、智慧場館、智慧家居等領域產生新的行業發展變革，在提高服務品質的同時也降低了企業的服務成本。 ”
2月初，OpenAI宣佈推出ChatGPTPlus付費訂閱套餐，每月收費20美元，開啟商業化變現道路。 訂閱該套餐的使用者可在免費服務基礎上享受高峰時段免排隊、快速回應、優先獲取新功能等額外權益。 同時華西證券研報顯示，除了ChatGPT以外，NovelAI、Stable Diffusion等其他主流應用亦開啟商業變現，根據內容生成次數、生成品質等條件設置多級別訂閱套餐。
隨著這些主流應用逐步開拓商業化模式，AIGC行業的商業化潛力逐漸釋放。
中國版ChatGPT有望兩年內出現
“這類人工智慧產品和我們‘聊天'，其實是在分析我們所發出指令的關鍵詞，再調用相應任務模塊給予回應。” 清華大學計算機科學與技術系副教授劉知遠解釋，通過預訓練語言模型生成的ChatGPT更像一個真實的交流者，通過對互聯網極大規模數據的自主學習，它會‘思考’，不僅能理解需求， 還能很好地完成複雜的任務，“可以說這是一個革命性的飛躍，是人工智慧領域里程碑式的產品。 ”
中國版ChatGPT何時能夠出現？ 在劉知遠看來，以ChatGPT當前的可見技術為基準，我國的預訓練模型再用約1至2年的時間即可追上其步伐。 “這個差距並不懸殊，但我們需要努力的是要從‘追隨者'變為‘原創者'，在人工智慧領域引領新的技術或產品發展，這需要更長的時間。 ”
RSS 訂閱