文章主题：ChatGPT, 失业, 技术革新
ChatGPT来袭，谁将面临失业？你会失业吗？
🔥ChatGPT的崛起，无疑是技术与创新的一次震撼性爆发，它以其全能型的表现，让全球的目光为之聚焦。🏆持有医学执照和司法资格，加上无尽的文字才华，无论是医疗法律还是文学编程，ChatGPT都能游刃有余，展现其超乎想象的能力。💻小说创作、编程逻辑，一切文字领域，它似乎无所不能。这个现象不仅引发了资本市场的热议，也让业界惊叹于人工智能的无限可能。🚀在这样的科技浪潮中，ChatGPT无疑成为了引领潮流的明星，它的每一次迭代都引发着热烈的讨论和期待。🔍探讨其背后的技术原理，探究如何将AI更好地融入日常生活，是我们当前亟待解决的问题。让我们一起深入剖析ChatGPT，探索它如何重塑我们的学习、工作和娱乐方式，以及它可能带来的未来影响。📚💻🚀#ChatGPT #技术革新 #资本圈热议
ChatGPT，一款引领潮流的对话智能工具，它的诞生可追溯至上世纪50年代，那时的先驱者——艾伦·麦席森·图灵，以其卓越贡献被誉为“人工智能与计算机科学之父”，他提出的“图灵试验”至今仍影响深远。这款现代聊天机器人的雏形，在那个时代就已经孕育而生，开启了人机交互的新篇章。
🌟在数字化时代，我们谈论的是远程交互测试🌟，即在无直接接触的环境下，利用诸如💻键盘等设备，对单个用户或系统进行无形的探索。这种评估方式确保了隐私与效率的双重保障，通过隐藏的指令和问题，以非侵入性的方式验证性能和用户体验。
原文改写如下：🌟智能评估并非简单以误判率30%为界，而是要精确到每个参与者的表现。 若要通过严谨的图灵测试，这台机器还需跨越重重难关。🏆虽然已有显著突破，但实现真正的人工智能目标，仍需不断探索与努力。记得，每一步都至关重要！🌍
原文改写如下：🎉1966年科技创新里程碑！MIT实验室推出了艾丽莎——一款革命性的聊天机器人🌟，它的目标是模拟心理咨询师，用流畅的“话语”为人们带来安慰，仿佛真的在倾听。虽然当时的图灵测试尚未实现其理想境界，但艾丽莎背后的逻辑设计却揭示了人工智能早期的魅力。🔍这款聊天机器人的诞生，标志着心理学与技术的交汇点，它通过巧妙的设计，成功地模糊了人机交互的界限，让人们在互动中获得一定程度的心理慰藉。尽管未能立即跨越图灵测试的门槛，但它对后续AI心理模拟的发展产生了深远影响。💡艾丽莎的故事，不仅是一个科技故事，更是一个探索人类沟通与理解的旅程。它的存在，提醒我们技术的进步如何以独特方式影响我们的日常生活和心理健康。💌欲了解更多关于早期人工智能的心理疗法尝试，不妨深入研究这一里程碑式的发明。SEO优化提示：#MIT聊天机器人 #心理治疗 #艾丽莎背后逻辑
✨🚀掌握关键，开启对话新篇章！💡一段高效代码，轻轻松松编织情感交流的魔法。 `”妈妈”` 这个词，就像一个线索，引领我们步入温馨的家庭世界。每一步互动，都是对家庭生活的细腻探索，通过关键词提取，与你的心灵深处对话。🌍👨👩👧👦它倾听你的故事，理解你的需求，然后，用这些关键词编织出更深入的交流。就像一个无形的伙伴，陪伴你分享喜怒哀乐，让每一次沟通都充满真诚和深度。💌💖让我们一起，通过代码的触角，探索无尽的家庭记忆与情感连接。🌍💻👩💻👨💻 #家庭互动 #关键词提取 #情感对话
艾丽莎后来又经过不断进化，到了1995年，艾丽莎衍生出了强大的后辈爱丽丝，它的智能系统已经很强大，只是和ChatGPT还是没法比，但日常的对话，它已经能够应付了。
它的原理是基于一个叫做pattern matching，就是匹配模式，它会调取一个已经预设好的文案，通过用户发送问题，提取关键词，然后匹配最佳答案。
例如我们在淘宝、京东等电商平台购物过程中，不知道怎么修改地址问客服，客服就立刻回复你，并且给你发一个修改地址的链接等等。
虽然说称不上非常智能，但确确实实可以减少大量人力机械性地重复回答，所以我们从智能角度上来看。
这种限定规则的机器人，就算我们写再多的规则，有再多的预设文案，它的答案始终是有限的，而且不可能去创新答案，所以单凭这种匹配模式，很难通过图灵测试。
于是，这时候就出现了新的流派，他们主要的目的就是让“机器去学习”，也就是说，不人为地制定规则，而是通过一来一往的“交流”，让机器自己学习找规律，也正是因为这个理念，2001年出现了一个叫作SmarterChild（更聪明的小孩）。
当时，兴起了一大批的聊天软件，很快地更聪明的小孩直接将这些聊天平台横扫一遍，让全世界好几亿人与它对话，这也算得上是Chat GPT的前辈了，只是离通过图灵测试还有很长的距离。
到了2010年，机器学习的人工神经网络领域发展突飞猛进，主要是靠超过100亿个神经元，通过网状链接来判断传递信息的虽然这每个神经元都很简单，但是它们组合起来，就可以判断非常复杂的信息，这相当于在模拟人脑。
在以前让电脑识别图片是完全不可能的，但有了这个网络神经，机器在不断学习后慢慢地摸索出规律来。
不光是图片识别、人脸识别、声音识别、自动驾驶，甚至包括前几年的阿尔法围棋，都是通过这一招练出来的。
人工神经网络已经进步到这个阶段，可谓是非常强大了，但回到文字领域它反而不灵敏了，主要是因为它用的是一种叫做循环神经网络。
它就是RNN来处理文字的，它的处理方式，就是按顺序一个词一个词看，一个词一个词处理，这就导致它没有办法同时进行大量的学习。
尤其是发送一段长文字给到它，它基本上是学到后面忘了前面，这情况人工智能领域陷入了僵局。
直到2017年谷歌出了一篇论文，提出来一个新的学习框架，叫作Transformer，它能够让机器同时学习大量的文字。
这就像从原本串联的电路，变成了并联，提高了训练速度，因此这种语言处理模型很快地得到了广泛应用。
很多自然语音处理模型，都是建立在这个基础架构之上，谷歌那个Bert里头的t，还有包括ChatGPT里的t都是指这个Transformer。
这时候就要说到一家非盈利组织——Open AI，在2017年谷歌发布相关论文后，给了Open AI非常大的启示，很快地Open AI就在2018年发表了一篇论文，介绍了一个新的语言学习模型，叫做Generative Pre-train Transformer就是GPT
在之前的人工智能语言学习模型中，基本都是人去监督，或者人为设定一些标签，但GPT则不需要这么做，只需要把一堆数据放进去，然后让它自己学习就好了。
Open AI就在2018年6月推出了第一代GPT，接着在2019年11月，又增加了训练的数据量
推出了GPT2，为了加强数据模型，微软给它建了一个全球第五的超级计算机，大大提升了它训练效率。
从只有1.2亿个参数的GPT 1，到了15亿个参数的GPT 2，到了GPT 3直接上升了100多倍变成了1750亿个。
当然，这还不够，为了让GPT更加智能化，Open AI在训练GPT时，加入了人工反馈机制，加入了这个机制之后，不管是训练的效率还是效果都得到了大大地提升。
接着在2022年3月就推出了GPT 3.5，在2022年11月就推出了ChatGPT，并且能够轻轻松松通过图灵测试，不得不说确确实实已经颠覆了大多数人，包括泓曚智联在内对聊天机器人的认知。
所以在短短的两个月内，ChatGPT的月活就突破了1亿人，扩张速度称得上是史上最快，各种数据怎么吹都不为过，但它的本质上还是一个语言模型，就是在学别人说话。
实际上它根本知道自己在说什么，就像一个记忆力很好，但什么都不懂的小孩，学大人说话，因此在使用过程中，还是会犯一些逻辑性错误，但如果这么下去，很多人开始会担心失业的问题，那么谁会失业？你会失业吗？
我们只能说，技术革新它永远是一把双刃剑，它可能会创造出来更多的工作机会，所以失业率也不一定降，只是至少在短期内会导致一部分人失业。
不过为了尽可能不让自己失业，并且利用AI工具提高自己的生产力，个人认为要尽量避免做一些套路性的工作，因为只要有套路人工智能分分钟钟就能够给你玩明白。
什么叫套路性工作呢？下面是我让ChatGPT帮忙写了一个品牌文案：
在提问过程一开始只是让它写一个泓曚智联的品牌故事，后来一步步告诉它，这个品牌创始人是谁，公司在哪里，这个品牌是做什么的，最后它往里填内容，形成了符合一个公司标准的品牌故事。
还有什么是套路性工作呢？
比如有一些特别熟练的工程师整天闭着眼睛就能写的代码，闭着眼睛就能一天写20条的那种网文等等，这些活在熟练之后闭着眼睛都能干，就是因为它背后有套路，所以才让一些行业岌岌可危。
但AI公司最初研发的时候，并没有太多的目的，只是就是纯粹把数据放进去让机器去学习，未来会怎么样我们谁也不知道，大家都是摸着石头过河，但能够见证AI领域的发展，想想还是提激动的，现在潘多拉的魔盒在一点点被我们打开……返回搜狐，查看更多
责任编辑：
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
相关文章
