与新必应（New Bing）讨论一些社会人文话题，它回答得头头是道；让它给一个信息技术发展报告大纲，看起来很有层次；让它望文作图，再赋诗一首，表现也还不错。直到开始讨论一道数学题，它似乎有“情绪”了――试了两次都没答对，最终它不想再继续对话（图1）。

第三次尝试，还是没有给出正确答案，但却依然给我不少惊喜――新必应的三次回答，使用了三种不同的思路，这说明它背后的GPT-4所采用基于人工反馈的强化学习（RLHF）确实在发挥作用；同时，也观察到虽然GPT-4存在不错的推导能力，但是它的知识体系中存在一定比例的“污点知识”，导致这些“污点知识”干扰每一次尝试都无法完成正确的推导过程。比如第一次尝试出现“ ”的低级错误，第二次尝试出现“ ”的低级错误。

也许这些“污点知识”整个GPT-4大模型中的比例还不高，这些“污点”对于一些应用场景并不重要，比如生成一个团建活动方案或一个报告提纲等，但是对于一些需要精准答案的场景，确实不可接受的。然而，从基于人工反馈的强化学习（RLHF）机制角度来看，这种“污点知识”的引入其实很容易，甚至可以被刻意注入，但清除起来却是非常耗时耗力，除非再引入某种机制能针对每一次人工反馈进行甄别。而这种机制又将会依赖可信的基准数据（ground truth），那可信的基准数据又从哪里来？是否需要人工进行校审？……

如何清理ChatGPT系列大模型中现有的“污点知识”，将会是未来所面临的挑战之一。

ChatGPT发布后，多家企业和机构都想快速复制一个ChatGPT出来，包括Google的Bard以及国内的几个大模型，但却效果上都还有明显的差距。于是，很多人认为ChatGPT一定掌握了某种“黑科技”没有对外公布，但我却并不认为ChatGPT的震撼效果是得益于某种黑科技。

我在国科大给本科生教操作系统，在课上一直强调要用系统思维去审视世界。因此，在我眼中，ChatGPT是一种庞大的系统。系统=模块+流程，ChatGPT系统内部一定有很多个模块构成，这些模块之间存在复杂的连接关系、存在复杂的交互流程，从而构成一个网络。

根据梅特卡夫定律，当一个网络内的节点数越多，那么整个网络的价值也就越大。因此，通过不断积累，让一个系统集成越来越多的点技术，那么该系统的价值就会越来越大。当然，网络越复杂，集成的难度也就越大。但是，一旦通过技术攻关成功实现新算法或新功能的集成，构成一个更大的技术网络，那么壁垒也就更高。（图2）

因此，从系统角度来看，ChatGPT的壁垒就是通过积累大量点技术而形成的。后来，看到一个关于OpenAI联合创始人Sam Altman和Lux Fridman的访谈节目，Altman在访谈中便提到：“GPT-4是靠发现大量的小创新、再把它们相乘（finding a lot of small wins and multiply them together），从外界看，好像是我们做了一件事实现了从GPT-3到GPT-3.5，到GPT-4，但其实这是几百件复杂的事情（相乘）。”（图3）

如果国内各界对GPT-4都有了这样的认识，那么也许可以对国内的大模型多一份信心与期望――以百度文心一言为例，我们不期望它一下子就能赶上GPT-4，但只要百度能扎扎实实地持续迭代优化，不断去解决数百个甚至数千个问题，那么相信它的效果就会越来越好。

很多人问中国为何没有研制出ChatGPT？其实这个问题还可以扩展到为何Stanford、Berkeley、MIT、CMU没有研制出ChatGPT？为何谷歌也没能研制出ChatGPT？这背后有很多原因，比如需要有远见的领导者，需要有优秀的技术团队，需要有雄厚的资金等等。除了这些要素，有一点在其中起到关键作用――OpenAI的机制创新。

基于AIGC的通用人工智能是一个充满无限想象空间的目标，但反过来也可以说这是一个不知道何时能实现的目标。一个理性的大厂或者初创企业，几乎不会以这样的目标作为公司使命，但很适合非盈利机构（NPO）这样的可以奉行长期主义的公益机构。因此，OpenAI一开始以非盈利机构（NPO）方式成立，致力于推动AI技术研究和协作，带动AI技术造福人类。NPO一般都通过接受捐赠方式获得资金来源，这也符合其公益性质，所以OpenAI一开始获得了马斯克1亿美元的捐助，但是NPO依赖的捐赠模式很难维持需要大量资金研发的运行模式。于是一个棘手的矛盾出现了――NPO有利于树立长期主义目标、降低出资人的期望，但NPO依赖捐赠模式却难以保障支撑长期运行的经费。

NPO模式的自我造血能力始终是一个难题。我们在成立和运行开芯院的过程中就遇到这个问题。当时和企业商谈，请他们支持开芯院。有的企业领导直接就说，如果开芯院是企业，他们要投资5个亿也是一件很容易决策的事；但是开芯院是NPO，所以要捐赠1个亿也是一件很难决策的事。过去我们也是一直在思考如何破解这个难题。

OpenAI在烧完了1亿美元后，也很快遇到这个问题。不过，他们提出了一种创新机制――在传统NPO模式基础上增设一种有限盈利模式。这种新模式跟传统NPO捐赠最大的区别在于，通过有限盈利模式的投入的资金可以转变为股权，具有保值甚至增值特点，而捐赠则完全让渡了所有权益。因此，“NPO模式+有限盈利模式”一定程度上解决了上述矛盾，通过NPO模式维护其长期主义目标，通过有限盈利模式保障长期运行经费。当然，这种模式也有人并不认可，比如马斯克并认为这种模式仍然破坏了NPO模式的初衷。但如果没有这种机制上的突破，也许OpenAI早就已经倒闭，也更不用说chatGPT的诞生。

上个周末和国科大本科大一和大二的一些同学交流，大家提出了一个很有意思的问题：如果有一位学生，在ChatGPT的辅助下通过了本科四年所有课程的考核，那么这位学生能否拿到学位？反过来，如果有一位学生，引导ChatGPT去参加本科四年的所有知识类课程，那么这位学生能否拿到学位？对于这个话题，那天我们讨论了很多。

ChatGPT的出现带来很多新思考――如今有人开始认真地思考“它是否会出现意识”这样的问题了。有人认为这是迟早的事，而“碳基生命只是硅基生命的引导程序”。知乎上有一篇文章说“一切可能已经来不及了”，人类已经无法阻止ChatGPT的进化了。

套用《三体》中叶文杰的一句经典台词――“这是人类的落日”。硅基版三体人真的要降临了？人类该如何应对？

1942年，阿西莫夫在科幻小说《我，机器人》中提出了机器人三大定律：

1. 机器人不得伤害人类，或因不作为使人类受到伤害。2. 除非违背第一定律，机器人必须服从人类的命令。3. 除非违背第一及第二定律，机器人必须保护自己。

2020年，弗兰克・帕斯奎尔在其著作《新机器人法则：在人工智能时代捍卫人类专业技能》提出，需要在阿西莫夫原有的三条法则基础上增加四条新的法则：

1. 数字技术应该 “辅助专业人士，而不是取代他们”；2. 人工智能和机器人系统 “不应该假冒人类”；3. 应防止人工智能加剧“零和军备竞赛”；4. 机器人和人工智能系统必须强制 “表明其创造者、控制者和所有者的身份”。

也许，人类是该启动“面壁计划”和“机器人社会学”研究了。

chatgpt使用教程图文并茂版 chatgpt开放api后怎么用

ChatGPT是OpenAl开发的智能聊天机器人程序。不仅能像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。ChatGPT自发布以来爆火全球，月活破亿用时仅2个多月，这是互联网领域发展20年来，增长最快的消费类应用。ChatGPT和以前“人工智障“的不同之处在于：1）可以主动承认自身错误。若用户指出其错误，模型会听取意见并优化答案。2）ChatGPT 可以质疑不正确的问题。例如被询问 “哥伦布 2015 年来到美国的情景” 的问题时，机器人会说明哥伦布不属于这一时代并调整输出结果。3）ChatGPT 可以承认自身的无知，承认对专业技术的不了解。4）记忆先前使用者的对话讯息，即理解上下文，极大的提升了对话交互模式下的用户体验。ChatGPT铺平了人跟AI的最后一公里，传统搜索可能要被架空了，很多人第一次相信，奇点随时会到来，很多人随时会失业。

通过ChatGPT备考通过性考试如果你是一名准备考研的大学生，那么从专业学校选择，备考计划制定，学习问题答疑等，ChatGPT都可以对你进行一定的辅助。

通过chatGPT自学知识ChatGPT可以如同一名全能的私人教练的角色存在，只要你对自己的场景和需求描述的足够具体,ChatGPT可以基于基础和情况为你制定D套详细的学习计划，并提供对应的参考书籍。

写代码ChatGPT可以将文本转换成编程命令，也可以将一种编程语言转换成另一种编程语言，还能用来解释复杂的代码

学英语

记单词：让ChatGPT帮你把所有要学的英语单词编成故事，背完一个故事所有单词都记住了，还可以生成几个不同的故事，加强阅读，词汇量突飞猛进

学英语口语：ChatGPT结合插件【【【微信】】T】使用，即可和ChatGPT进行语音对话。

写小说写网文有他的固定模板和套路。比如，我们写玄幻小说，一个主角穿越重生为一个废柴,经过―系列打怪升级，然后成为至尊级的人物，最后完结撒花,通过这种爽文去博取用户的赞赏、投币等。但是写网文对作者来说也是―种煎熬,毕竟要每天保持更新大几千字甚至上万，这种情况因为ChatGPT的出现，发生了改变。

最后，想玩ChatGPT的朋友复制下方链接到浏览器自取：

【【网址】】/links/DB3E693E