Al有多会聊天？这两天爆火的ChatGPT 情商比我都高

  最近，一个问世不到一周的一个AI聊天机器人光速走红，疯狂程度直追羊了个羊。

  很多人便深陷其中，不能自己。就连马斯克不忘调侃一句这种“人传人”的疯狂现象。

  想必消息灵通的差友已经猜到了，他就是 OpenAI的新产品 ChatGPT。

  之前，OpenAI 就曾发布了新模型 DALLE，能从文本直接生成图像，打破了自然语言与视觉的次元壁，AI 圈欢呼，二次元猿狂喜。

  从被 AI 作画惊艳到现在，抖音都慢慢的开始全面整活AI 漫画脸，人工智能好像在以一种很新的方式入侵了各位差友的生活。

  这一回 OpenAI 的诚意制作 ChatGPT，更是直接拿“ 代表先进生产力的科技巨头 ”开刀，直指谷歌的基本盘---搜索业务。

  12月1日，一位名为 josh 的博主在将他日常请教谷歌的问题喂给 ChatGPT 时发现：“ AI 对话模型 ChatGPT ”的回答竟然完爆了谷歌搜索结果。

  为了赶上这波AI的潮流，差评君带着黑眼圈连夜尝鲜。一顿操作过后，感觉已经成功见证了历史。

  ChatGPT 的出现基本宣布了，人工智能的对话模型开始能在大范围、细粒度问题上给出普遍稳妥的答案。

  简单地说，人工智能的大对话模型能够达到基本不犯错误的水平了。（ 当然现在还是测试版 ）

  有个网友问 ChatGPT：给我讲讲 2015 年哥伦布来到美国的故事。

  ChatGPT 不仅会指出问题的错误 “ 哥伦布不可能活到 2015 年 ” 这个假设，还能将问题，自动理解成一个假设性场景，并创造性地想象哥伦布生活在当代的场景。

  于是为了直观地体现这种差距，有网友特意带着我们这位人工智能界的新秀做一次智商测试，结果显示平均智商 83。

  这还没完，甚至在某些领域，ChatGPT 已经彻底走在了大部分的人类前头了。

  Anaconda 公司的 CEO ，Python 社区中最具影响力的领导者和开发者之一，Peter Wang 表示：我刚刚与 ChatGPT 就现代物理学的历史进行了大约 20 分钟的对话。如果我在高中和大学期间有这样一位老师OMG。我认为我们基本上能重新审视大规模教育的概念。我们所知道的大学将不复存在。

  当然 ChatGPT 真正让人拍案叫绝的领域还得是代码。当用户命令ChatGPT找出一段程序的bug时；

  它不仅能清楚地描述 bug 及原因，还能自动修复 bug，写出一段正确的程序：

  不少外网开发者在试用中声称 ChatGPT 针对他们的技术问题提供了非常详细的解决方案。（ 打工人泪目 ）

  最丧心病狂的是，ChatGPT甚至不拒绝用一整段程序，给你拼接成一条小狗。

  ChatGPT 的前辈--- GPT-3 语言，更是早就被微软用在了编程软件里，开发者只需要说明自己想在 App 里实现什么功能，就可以自动生成代码了。

  不过，为了不给大家一种AI时代就要来到的错觉，还是给大家先浇上一盆冷水。

  有业内人士表示，ChatGPT 只是经过了某些算法的修饰，更擅长应付常规的问题。

  这就好像所谓的互联网黑话，以及神棍算命的话术一般，是为了使用者真实的体验而服务的。

  所以，这样一个看上去很完美的AI到底能不能成功代替谷歌呢？这其实是一个开放式的问题。

  与其说，ChatGT AI有多先进，在搜索业务上比谷歌更优越，不如说，AI 在以一种很新的方式，改变搜索引擎业务的生态。

  我们知道，目前的主流搜索引擎，比如谷歌，都是基于对问题本身的搜索，但它们有一个很大的限制：用户有时也描述不清自己的问题。

  恰好，ChatGPT 能够和用户进行互动，在充分挖掘用户真实需求的基础上，提出解决方案。

  有什么“ 专家级解决方案 ”比“ face to face ”的专家更加贴近客户的真实需求呢？触及用户痛点的呢？

  在此基础上，通过算法给ai加上一点点的温度（ 拟人化 ），简直就是王炸。

  这才第五天，已经有大量将 ChatGPT 嵌入谷歌的插件出现了，这里头有没有 ChatGPT 自己的作品呢？我很期待。

  不得不承认，这可能就是未来搜索引擎的的新范式，ChatGPT 也许会引领一场大革命！

  尽管，通过发布 DALLE 和 ChatGPT 两个拳头产品，OpenAI 似乎在一年内快速占领了，生成式 AI 的高地。（ 所谓“ 生成式 AI”是指：用AI在几秒钟之内迅速生成图片、视频等创造性内容的能力。）

  2015 年，谷歌推出 DeepDream，开创了 AI 根据文本生成图像的先河，而这时候，OpenAI 才刚刚成立不久。

  像 GPT 这样的大型语言模型是谷歌主要研究的领域之一，而且有大量相当明显的应用，它们能被用来回答查询、索引信息等。

  但是显然谷歌认为，在最大的产品（ 如搜索、Gmail ）中实际使用这一些语言模型的经济性还不太成熟。

  说白了，谷歌有足够的技术储备，但是觉得生成式人工智能作为通用性人工智能不太赚钱，所以战略性放弃了。

  这就使得，即使 DeepMind 最著名的专用人工智能AlphaFold DB已经几乎准确预测了所有已知的蛋白质结构，彻底引领了生物学的革命。

  依然不能改变和 OpenAI 在通用 AI 上的差距，因为AlphaFold DB的所有的技能点都点在了蛋白质结构预测上。

  OpenAI 在这方面则要幸运得多。首先，他是一家为通用性 AI 而生的非盈利性公司。

  OpenAI 的联合发起人 Ilya Sutskever 表示：一个真正的 AI 应该能解决任何你交给它的问题。

  近期，AI科学家们更是发现了一个大型模型从量变到质变的节点，让 OpenAI 在通用AI领域强者更强。

  研究表明：在学习效率和可靠性上，大约在 10 亿参数（ 10^9 ）之后的大模型都会出现飞跃式的提升，放大了OpenAI 高达1750 亿参数的大模型的的优势。

  同时期，谷歌推出的语言模型 MT5 只有约 130 亿个参数，这其中的差距大家自行脑补。

  惊艳全网的 DALLE 2 才新鲜出炉一个月，谷歌就派出名为Imagen的选手来打擂台。

  但是架不住，OpenAI图像领域杀完，立马拿着 ChatGPT 出来了。

  事实上，谷歌的例子生动的告诉我们，在AI领域，就是传统经验也有些无力。

  新时代的到来,不是大鱼吃小鱼,而是快鱼吃慢鱼。没有人会保证，不会杀出下一匹的黑马。