ChatGPT 是一种基于自然语言处理和深度学习的新技术，它可以自动生成有意义的对话，将有助于构建更自然、更聪明的聊天机器人。它给对话AI带来了技术革命，可以使更自然、更有智能的聊天机器人成为现实，在客户服务、聊天机器人和教育等领域都会发挥重要作用。相比以往的技术，ChatGPT会有更好的理解能力和更快的生成能力，可以为用户提供更加人性化、更加可靠的服务。
ChatGPT主要讲了两点：更智能的聊天机器人、更好的理解能力
除了这两点以外，本站认为还有以下几点：
- ChatGPT之所以强大，主要还要归因到背后依托的GPT 3.5太强了，这体现了模型规模的魔力。而这意味着很多目前独立存在的NLP研究领域，将被纳入LLM（Large Language Model）的技术体系，进而不再独立存在，逐步消失。
- 在通用人工智能（AGI，Artificial General Intelligence）领域，未来的技术发展趋势应该是：追求规模越来越大的LLM模型，通过增加预训练数据的多样性，来涵盖越来越多的领域，LLM自主从领域数据中通过预训练过程学习领域知识，随着模型规模不断增大，很多问题随之得到解决。研究重心会投入到如何构建这个理想LLM模型，而非去解决某个领域的具体问题。这样，越来越多NLP的子领域会被纳入LLM的技术体系，进而逐步消失
- AI模型大一统：ChatGPT的出现标志着子领域的AI模型可能消失，比如聊天机器人、智能问答、文章摘要生成、AI写作、AI绘画、AI编程等等，这些独立应用的独立模型，都有可能被ChatGPT这样的大模型取代。未来完全可以把ChatGPT做成基础服务，企业支付一定费用即可，完全不用再单独开发一个专有模型。
ChatGPT在技术上最大的一个贡献是找到了通用人工智能的一条可行之路，证明了大模型这条路是可行的，后面的人只需要投入到如何构建这个理想LLM模型，而非去解决某个领域的具体问题。
AI大模型相当于是通过积累大量知识，最后形成的一个有泛化知识的个体。它跟原来传统意义上的小模型之间的差异，就相当于一个经过了大量通用题库训练的大学生，和一个只在特定专业受训练的技校生的差异。
放眼整个AI大模型，不论是整体创建还是训练的成本都非常高，也是为什么国内外都是以研究院机构在主导技术推进。
自然语言处理（NLP）和计算机视觉（CV）这两块大模型是细分领域发展得最快的，技术上是因为相比其他情感或者逻辑推理等功能，结构更简单；应用上的原因主要是因为数据相对充分和廉价易得，大量的视频和文字资源可以近乎零成本扒取，另外也有直接可以应用的落地前景，比如对话系统推进系统、CV安防、智能产品的图像识别。
大模型的整体价值在于解决场景碎片化，在具体应用场景中，传媒影视用的比较多，做动漫游戏背景需要大量的素材，除了少部分核心的原画需要插画师创作，很多篇幅都可以通过机器生成；在科研领域，它也有可能驱动产生全新的研究范式，像生命科学以前基本上是靠纯手工的方法去做实验，现在结合大模型，演变出了干湿结合的新实验方法；智慧工业场景或者偏柔性的产线里也会产生各式任务和各种指标，像生产线传送带的温度、速度、压力以及生产数据本身，都可以通过大模型分析数据趋势，修正产线缺漏。
在产业端，大模型更像一种基础设施，达到一定规模后，它的重置成本就会非常高，如果最终只剩下少数几家取得优势地位的大模型供应商，并且在大多数行业上又有较好牵引力的话，那么就可能出现我们设想中的“AI超级大脑”。
眼下当务之急还是要找到更多行业结合点，让大家首先知道有大模型这种工具来尝试，现在陆陆续续有传统行业和互联网团队在积极对接了解大模型，这是好的信号。
目前ChatGPT相比之前AGI已经有了很大改进，目前来看确实实用性强。而且微软已经宣布ChatGPT将加入云服务，这为ChatGPT的广泛应用提供了基础。
如此看来，理想中的通用人工智能未来真有可能走进千家万户。
点击收藏本站，随时了解时事热点、娱乐咨询、游戏攻略等更多精彩文章。
