欢迎关注 「Android茶话会」

回 「学习之路」 取Android技术路线经典电子书

回 「pdf」 取阿里&字节经典面试题、Android、算法、Java等系列武功秘籍。

回 「天涯」 取天涯论坛200+精彩博文,包括小说、玄学等

令人惊叹的AI

如今的人工智能的发展已经远超你的想象了，玩公众号的时候，也向ChatGPT请教过一些问题测试它一些代码套路不仅给出答案，还怕你看不懂还解释了一波它的强大已经远超想像了, 不仅通过了图灵测试，还能写作文、视频脚本、法律咨询、编程、无所不能，甚至有人使用2022年北京高考卷对它做了一次高考测试，竟然考了511分，在北京这个分数一本应该是妥的了，甚至还能冲个211。所以很有必要来了解它一下。

前世

模式匹配

在它之前也有一些聊天机器人，怎么就他被称为”第四次科技革命”，颠覆世界了呢？说到聊天机器人得追溯到1950年，计算机科学之父也是人工智能之父**「图灵」，发表了一篇划时代的论文，提出了“模仿游戏”**，也就是后来大名鼎鼎的 「“图灵测试”」 简而言之就是 “不面对面时，文字聊天，人们无法准确判断出跟你聊天的是个人还是机器人，那么这个机器就通过了图灵测试，具有智能” 早期主要是通过计算机中 ** **，本质上还是识别一些关键词，调用一些预制的功能，比如，在电商客服机器人，你一说到关键词 “退货”，它就给你发给退货流程诸如此类，不过它们这些机器人肯定是无法通过图林测试的

机器学习

于是乎语言学习里面开始出现一个新的流派-机器学习(Machine Learning)，顾名思义，就是让机器去学习。不再像模式匹配一样给机器限定一些关键词，而是给出大量的实际case，让机器自己根据这些实际case 去自己学习总结找规律。听起来就跟我们学习有点像了。基于这个理论，国外在2001确实搞出了一个叫”Smart Child”的聊天机器人。首先它使用了一机器学习的一些模型，让聊天变得更加自然，在2000年那会在国外各大聊天平台都试了一遍，让全世界好几亿人，都可以跟他聊上几句，且不管它答得咋样，也算是chatgpt的老前辈了，虽然Smart Child离通过图灵测试还有一段距离。

这么牛皮的东西，在2007时候就被微软看中给收购了，可见微软在很早时候就觊觎这个领域了。

人工神经网络

随着科技发展，在2010年时候，机器学习中出现了一个金光闪闪的领域 「人工神经网络(Artificial Neural Networks)」,主要是想模仿人类大脑的思考方式。我们的大脑有超过100亿个神经元，来判断和传递信息的

这个人工神经网络就是想模拟人脑神经元来处理信息

不过人工神经网络思想其实很早就有了，甚至可以追溯到1960年代，不过想要实现这种计算方式，需要

海量的数据
巨大的算力

这些在之前都是不具备的，随之来到2010年互联网席卷全球，海量数据不是瓶颈，计算的的算力也不是问题，看看bit币那些民用挖矿的机器算力都吓人了，国家级的算力更是恐怖如斯。在这些基础上，让雪藏多年的人工神经网络才有大展拳脚的机会。现在这项技术正在崭露头角，比如图像识别、声音识别、自动驾驶。包括前几年名震全球的AlphaGo，都是使用这项技术训练出来的，可见其一出手就非同凡响。

自然语言领域的突破

不过呢，回到自然语言这种文字领域，这些技术的发展就不是很顺利。因为机器学习主要使用 「循环神经网络(Recurrent Neural NetWrok,RNN)」 来处理文字的，它主要的方式是按顺序一个词一个词的处理，这样就不可避免无法同时进行学习，而且句子也不能太长，不然就会学到后面忘记了前面。直到2017年，谷歌发表了一篇论文，提出了一个学习框架叫做 「Transformer」，具体的机制就比较复杂了，但它的作用就可以让机器同时学习大量的文字

就像之前文字学习是串联，现在切换到并联上了，这学习和训练的效率提升的不只是亿点点了。现在这些自然语言学习模式其实主要是建立它的基础架构之上，无论是谷歌早期的BERT 还是 ChatGPT中的T都是指的这个**「Transformer」**，

今生

GPT

技术已经有所突破，就差巨头砸钱搞事情了，在2015年，包括马斯克在内的大佬们，注资了10亿美金，成立了一家**「非营利性组织OpenAi」**，（也就是ChatGPT的母公司）来进行AI方面的研究，因为非盈利所以它的技术和专利都是对外公布的

❝

马斯克由于自家的特斯拉也是需要AI，防止利益冲突，在2018年就退出了OpenAi的董事会

❞

OpenAi这些大牛们，在谷歌上面提到2017年Transform论文基础上搞出了一个新的语言学习模型 「Generative Pre-trained Transformer, GPT」, 大致就是你把一堆数据喂进去，它就能自己去学习.

image.png

在2018年6月时候OpenAi推出了第一代GPT
2019年11月，OPenAi推出GPT-2

机器学习说白了就拼2件事

模型(GPT) 同样的数据量学习的又快又好
参数梁(烧钱) 海量的算力来计算

由于马斯克这些大佬退出，资金有些捉襟见肘了，OPenAi在2019年从一个 「非营利性组织」转变成「收益封顶的盈利性组织」，就是说任何投资人的投资回报不能超过100倍，超过部分就归OpenAi自己所有了。不过可以盈利这时微软就带着10亿美金冲了进来了，毕竟微软很早就关注这个领域了，针对这个马斯克还吐槽了一番这与过去的目标已经相反了。微软和OPenAI双赢，微软给OpenAi搭建了全球算力前五的超级计算机，加速它的训练效率,同时得到了OpenAI的技术。有了超级算力，OPenAI开始大力出奇迹，一代只有1.2亿参数量，2代15亿个，到了GPT-3,参数量直接飙升到了1750亿，这时候就开始所向披靡了，一经问世，在业内就引起了极大的轰动。然后又加入人工反馈的强化学习，在22年3月，推出了GPT-3.5.

ChatGPT

GP和ChatGPT是2码事，GPT-3.5之后又经历了一波优化，在22年11月就退出了基于自然语言的 「ChatGPT」.一经面世直接就是颠覆性的，给人们带来的巨大的震撼，机器好像真的具备了智能，它是如何做到不管在什么领域都能跟你聊的呢？而且回答问题质量还不低。简而言之，这些大模型，回答时候其实在计算下一个词、下一句话该出现什么，本质上就是个概率问题。比如chatgpt 说到了 「xxxx，喜欢吃xxxx」 ，它的数据库那么多词，它怎么知道下一步是用什么词呢？但是呢，你只要给个 「上下文」 ，小猴子，他就能计算出，喜欢吃，后面跟 “香蕉”这个词的概率比较大，依次类推，「都是靠前文的相关性来计算拼接出来的」，当它的学习了海量内容，通过这些复杂模型找出规律之后，它自己就可以形成一个非常庞大的神经网络，无需告诉它什么了编程、什么是数学这些，它自己看多了就知道这些词的相关性，直接使用就完事了。不过呢，还要是一个语言模型，只是模仿人类说话，「相对说的对不对，它更加在在意的是说的像不像人类」，有时候也会出现大量胡编乱造的答案。不过随着这种”模仿”越来越像，越来越准确，那它到底是理解了还是模仿本身意义就不大了。

AI时代来临，谁将取得胜利？

ChatGPT最大的感受就是极大的提升了人与机器之间沟通的效率，比如现在写软件，就是写一段编译之后电脑能”看懂”的东西，包括日常搜索也是，我们也是先把问题转换成关键词，不过ChatGPT 横空出世之后一切都变了,我们可以直接跟它使用自然语言沟通，比如汉语、英语等等，机器自己结合语境理解你的问题，然后从它庞大的信息库中去找到最恰当的信息，换成自然语言反馈给你。微软目前就把ChatGPT融合到自己的office套件、和自己的Edage浏览器中，你可以给它一些关键词让它给你做ppt、生成word文档这些；极大提高生产效率。那么会不会导致一波失业潮呢？技术革新都是一把双刃剑，长期未知，但是短期内任由发展，肯定会导致一拨人失业，不光是 「“机械重复性”」 工具，甚至那些工作中 「“套路性”」 的部分大概率是会被取代，除非AI没学会这个套路。一些游戏公司甚至开始优化美工了，要求熟练掌握AI画画的Midjourney。我们在日常也可以使用chatGPT来帮助我们提效，提升我们的工作效率，所以潘多拉的魔盒已经打开了，类似ChatGPT的AI 成为我们生活的一部分是不可避免的，「所以，这篇文章有多少是AI来帮忙完成的呢?？」