最近一周忽然登上了国内各大平台的热搜榜，应该在去年11月末的时候就有不少同学了解并使用过，那个时候它刚刚问世，在互联网圈子里有了很大的热度，但是对于大众来说，还是不太了解的。
我在去年的时候就跟风注册了一波，其回答问题的准确性和编码能力让我吃惊。不得不说，作为一个新兴的AI产品，和老美的电影里的人工智能有那么一些相像了，甩了三问一不知的小爱、小度和小E不止一条街。
上周它忽然就出了圈，让很多人惊喜的同时，也让很多人产生了担忧，下面我们一起来聊聊它，以及如何使用它来让我们生动有趣的编码生活变得更有趣起来(斜眼笑)。
HOT! HOT! HOT!
首先我们先来看下最近的热度来的有多么的突然，那简直是太炸裂了，语言不好描述，我收集了一些常见平台的指数截图，大家可以感受一下：
百度指数
image.png
注意，近期的峰值可比去年11月底刚推出的时候高的不是一星半点。
image.
image.png
注意，搜索热度最高的国家是中国，这还是在有墙的前提下，看来中国人的忧患意识不是一般的强
微博指数
image.是什么❓
在这个产品推出之前，大家应该听说过他们公司的一些其他产品，比如：
这是一款图像AI，主要功能有“根据文案绘画”、“无限拓展图像的边界”…
这是一款自然语言转化成代码的AI产品，它就是之前比较火的微软的 的驱动模型。
包括在内，他们几个都是衍生自GPT-3的产物，那么GPT到底是什么意思呢？
2018 年 6 月， 发布了一篇关于通用语言模型的研究（/blog/… ），虽然全文都没有出现过 GPT 这个名词，但其实它就是 GPT-1。
这篇文章提出了一个叫作 Pre-的概念：生成式预训练。
和传统的以任务为导向的训练方法不一样，生成式预训练不需要人工标注，比如我们之前分享的《手把手带你实现 ”在浏览器上进行目标检测“ – 掘金》，里面就有需要人工在图片上标注二维码的位置，生成数据集告诉AI，然后AI再根据这些去学习；再比如说你想训练一个可以做中英文翻译的 AI，你就需要提前准备好大量的中英文对照的句子给 AI 去学习。
生成式预训练的思想就不一样了，我直接拿着人类已有的现成的文字资料去训练 AI，怎么训练呢？我就让 AI 根据上文去续写下文，比如一句话，张三每天都很认真地学习，老师们都夸他是好____，“好”字后面我让 AI 去写，如果 AI 写出来的是“学生”，这就和原文一样，那就判断正确了，要是不对，就继续训练它朝着对的方向去走，这种训练方式的好处，就是研究人员不再需要花大量的资源去人工准备答案，每句话里下一个词就是上一段话的答案，理论上人类现有的所有文字资料，都可以作为训练数据直接喂给 AI 去学习，这就远远大于现有的任何人工制作的数据集。
因为这个预训练过程不需要人工编写答案，所以人类现有的所有文字信息，小说、典籍、歌词、论坛里的回帖，甚至是软件代码，只要硬盘装得下，都可以喂给 AI 模型去学习，不断地增大神经网络模型的参数量，不断地增加训练数据里的文本量，预训练模型的能力就会继续增长，用标注好的数据引导它去做各类具体任务的水平也会相应提升，这种生成式预训练，与一种叫做变形器的模型结构相结合，就成了 Pre- ，取三个字母缩写，就是 GPT。
此后 2019 年的 GPT-2、2020 年的 GPT-3，核心迭代思路都是利用“钞能力”扩大模型规模，GPT-2 的参数总量是 15 亿，GPT-3 更是提高到了惊人的 1750 亿，而截至今天，这条“钞能力”路线依然没有摸到天花板， 还在往下继续。
image.png
以上文案和数据部分来自B站UP主 @林亦LYi：诞生记：先捞钱，再谈理想｜翻身史_哔哩哔哩 讲解的特别好，大家感兴趣的可以看一下！
能做什么❓❓
不单是聊天机器人，它还能进行撰写邮件、视频脚本、文案、翻译、代码等任务，我尝试使用它来进行了一些测试，下面是一些示例截图：
写邮件
image.png
写短视频脚本
image.png
写代码
image.png
image.png
案件分析
image.png
优化周报
image.png
写小诗
image.png
……
✖️ 前端
作为一名前端开发同学，我这段时间就在想，在日常生活里我如何使用来帮我做些什么事情来提高开发效率呢？最后想出了几个场景以及我的示例，大家可以参考一下：
一、技术调研 + 文档编写阶段1、Cover不住的需求点应该用什么技术点来实现比较合适
以我最近在做的需求为例，我需要实现一个比较复杂的树图，类似XMind的那种脑图，我就问了一下它，得到的结果还是比较令我满意的，即使还是有些问题存在。
image.png
image.png
image.png2、不确定的技术方案（1）
image.png
image.png2、不确定的技术方案（2）
之前实现过一个浏览器插件，可以一键识别你当前屏幕中所有的二维码，并且将识别结果返回到对应的位置，我想以这个需求为例，让它帮我想想方案。之前的文章：手把手带你实现 ”在浏览器上进行目标检测“ – 掘金
插件效果：
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png二、编码阶段1、正则表达式就不需要自己去写了
image.png2、代码优化（1）
image.png
image.png3、代码优化（2）
image.png4、我想实现一个XX功能，帮我在上找一个demo
image.png三、自测阶段1、帮我测试一下XX方法
image.png
image.png2、运行不及预期，帮我看看有什么问题
image.png
image.png四、读源码
image.png
Σ(⊙▽⊙”a 下面的这些回答把我惊艳到了！它是真的懂这些代码！而且还能帮我找类似的代码！！！
五、不错的插件
1、中文版
（不太推荐，当使用之后，就无法使用上下文的方式和交流了，不过因为是中文版，可以装上玩玩）
2、
推荐!，简单使用下来比较顺畅，该有的快捷功能也都有，最重要的是聊天时是支持上下文的。
使用展示图：
指令的美学
如何和这一类的AI沟通，他们叫做“指令”，好的指令和坏的指令得到的效果是非常不一样的，如果经常使用一些宽泛的生活用语和它交流，那么得到的结果往往不尽人意，甚至和手机里的语音助手没太大的区别。
我们先看一个不太好的例子：
我们可以看到，它的回答和网上搜索出来的结果没什么两样，当看到这种结果之后，很多人就会觉得：“啊，它不过如此，对我帮助不大”，可是当我们换一种方式来问它，结果可能让你惊艳到，我们重新问：
可以看到，当我们向它发送一些比较专业一些的指令的时候，得到的结果往往也是更专业的，同样，这种结果也是更有参考意义，也是我们更想要的结果。
在发送指令前，希望你的指令最好满足以下几点：
以上参考：抖音@绝对社，对于如何使用更精确的指令讲解的特别好！推荐大家去看~
杀死那个？1、For 教育
在美国，有很大比例的学生拿写作业、写论文、考试，而且给出的答卷往往成绩都很棒~
在一项由宾夕法尼亚大学沃顿商学院 教授进行的研究显示：能够通过沃顿MBA课程的期末考试。这位宾大教授1月17日发表的名为《能否获得MBA学位》的论文中称：经过实际测试，其考试得分介于B-和B之间。
该教授指出，“在解决基本运营管理和流程分析问题方面，包括基于案例研究的问题方面都表现出色”。机器人给出的解释也非常优秀，它还“非常擅长根据人类提示修改其答案”。
鉴于这一系列情况，斯坦福大学终于坐不住了。他们的研究人员已经开发了一种名为的工具。这工具可以帮助教师识别使用或其他类似的大型语言模型 (LLM) 生成的内容。（魔法才能打败魔法）
号称“干翻媒体人”的，已被多家出版机构“封杀”
多家期刊、出版机构禁止将列为论文合著者
遭美国多市学校封杀
2、For 程序员
它面进了！你怕不怕！它的工资可能比你还高哈哈哈！
18万美元offer！通过谷歌L3入职测试，人类码农危？
通过谷歌 L3 工程师入职测试，年薪 18 万美元
版必应搜索悄悄上线又下线，但评测已经出炉
3、For 其他岗位
从这周的搜索数据趋势来看，很多人还是怕了的，“它究竟会不会代替我！”
瑟瑟发抖？基于的AI律师太过强大 被人类律师疯狂阻挠
放心 们不会完全取代会计,也不会完全取代审计,理由如下_会计审计第一门户-中国会计视野
来编辑部上班了，这篇推送它写的
结束语
如上，像一个一样引爆了全网的讨论热潮，但是这个热潮终将会慢慢褪去，在兴奋的向他人疯狂安利它之余，我也看到了很多人的思考，综合一些我自己的思考，总结了以下几点：
当然，以上的一些想法会比较偏保守一些，后期肯定也会有更多的法律或者条款来限制AI的野蛮生长，前段时间马斯克也讲到“人工智能比核弹更可怕，要成立AI监管机构”。
不过作为一个普通用户来看，目前的还是一个值得一试的产品，它真的可以为我们提升蛮多的效率。
目前大家使用的是从GPT3.5衍生出来的AI产品，其训练集并不是互联网上实时的数据，而是来自截止到2021年的数据。
它还处于一个婴儿阶段，还有很多不成熟的地方，据统计，从2012年到2020年，人工智能模型训练消耗的算力增长了30万倍，平均每3.4个月翻一番，超过了摩尔定律的每18个月翻番的增速。
畅想一下未来~ 我们可以和钢铁侠一样，拥有一个知晓所有事物的，你在工作、生活中的时候来上那么一句：帮我看看这段代码有没有什么漏洞、帮我想一下xx功能怎么实现、我想做一个xxx，帮我画个图纸，图纸画好之后，交给3D打印机，打印好之后告诉我…
而且这个未来，应该很近。
发表回复