后台看了下之前的那篇秒秒钟安装插件免费体验chatGPT 的阅读数据走势，每天还是有新的阅读量产生。看来对chatGPT感兴趣的人还是不少哇，那，这这这，这让喜欢分享资源的我，岂不是得再分享一波白嫖chatGPT的资源？

前面那篇文章已经分享了chatGPT大致的用法，当时演示的是如何利用chatGPT协助写代码。实际还有很多其他玩法，比如帮助构思文章（有没有可能我这篇文章就是它构思的？）、做一个完整的程序出来（网上已经有人利用它在短时间内做成了一套编程导航网站，涵盖上千篇文章）、还有……

打住，咱们本次讨论的重点是，还有没有其他资源用来白嫖chatGPT，不需要付费的那种

下面直奔主题，开始分享资源

1、插件、插件

没错，这一款又是插件哈，先看看截图

看到插件中间那亮眼的 Chat AI 了么。安装插件之后，浏览器中打开新的标签页就会进入上诉页面，然后直接点你想玩的那个就行。安装教程如下

使用google浏览器，点击打开设置

找到 扩展程序

扩展程序的页面长这样

直接把插件拖到这个页面即可，等待安装（会提示确定安装吗，点击确认即可）。安装完成后，打开一个新的标签页就会展示我们前面截取到的主页，下图展示的是点击了图中的 Chat AI之后的效果

其他就不过多赘述了，尽情玩耍吧。插件名叫做 wetab，可以自己搜索下载。当然，也可以直接在此公众号回复关键词 wetab ，会直接发给你

2、在线体验:

地址1：【【网址】】/#/chat/1002

操作简单，打开即用。这一类的网站目前看到的比较多，很多是要收费或者有积分要求，但目前这个网站作者还是对外免费提供的，没体验过的朋友可以体验体验。

地址2：https://supremes.pro/

这一款相对简陋了点，但是功能是正常的，玩一玩还是没什么问题

3、chatGPT调教指南

你还在纠结于怎么让chatGPT快速进入状态吗，比如充当一名教师？一名HR?一名专业领域的专家？可以尝试下以下的关键词

教你如何使用关键词迅速将chatGPT带入特定情境中

如有需要，在公众号回复 ai调教 获取链接

本文来自2023年4月14号笔者和一群投资分析师做的关于人工智能投资的分享，略有删节。

（1）

先做一下风险提示。第一，今天和大家的分享全是来自公开可以到网上查的信息。第二，这里只是谈我对美国股票市场的经验，对亚洲和中国的市场，我不了解。第三，我只是预测比较长期的，三四年以上的趋势，也只对这种研究感兴趣。就是你投了以后，可以什么都不管，躺平。也不用挖空心思，揣测下个季度收入好不好，也不用太担心竞争者来了，等等。第四，我的观点，也会随着新的信息，新的变化而不断调整。所以，今天和大家分享的，只是我这一刻的观点, 非投资建议。投资有风险，入市须谨慎。

（2）

以 chatgpt 为代表的人工智能大语言模型 (LLM) 的涌现，对世界的冲击力将大于蒸汽机，大于印刷术，大于文字，大于火。其进化速度和传播速度前所未有。终日沉浸其中才能理解其威力。世界结构和运作方式将彻底改变，而且已无法逆转。

去年还在谷歌工作的 Jason Wei有篇论文，“emergent abilities of large languages models" (大语言模型的涌现能力)，此文揭示了未来科技加速发展的核心法则之一。很多大语言模型，当计算训练量超过 10^23 FLOP 之后，准确度突然开始飞跃。

chatgpt 的出现是一种"涌现"的现象和数学的必然。理解此机制后，就会意识到下面将有一长串的不断涌现的新的 AI 的强大功能，而且这也是数学的必然。(涌现可以定义为：某个系统的某种能力，在某个维度的参数超过某个临界点后，突然开始迅速增长。而这种能力在未突破临界点之前不存在)

LLM的关键点在于模型大小和数据量达到了一个临界值，过去认为机器不可能的有的推理能力，突然有了。大模型迎来了人工智能的顿悟时刻。人的一生，时刻都在对各种情况，建立模型，做出分析判断，现在人工智能拥有自己的推理能力，而且将不断规模化，自动化，成本不断降低，等于是触及了人类活动本质，对未来的冲击，不可限量。

GPT 里面的 T，是 Transformer 的缩写。这个技术对于自然语言处理上的核心改进，是在训练 AI 理解力时，把距离相对远的词语建立起相关性。比如说这句话 “我对花生过敏，每次吃到它，身体就不舒服”. Transformer 能够通过所谓 “注意力”的机制，把 “花生”和“它”两个词建立起相关性，相对于传统 AI 语言模型而言，其理解力大大提高。把这个概念推而广之，要提升对这个世界的理解力，也应当不断训练自己把各种看似距离较远，但实际上强相关的事物关系，能够迅速提取出来的能力。

(3)

人工智能技术的突破一个重要因素是大规模并行计算能力的提升。

人工智能技术的核心是神经网络，神经网络的核心算法是调网络参数时的前向传播和反向传播计算，这本质就是矩阵乘法。而矩阵乘法计算，每一个元素的计算可以单独平行展开，和其它元素的计算互不干扰，所以特别适合用 GPU 的大规模并行计算能力来实现。

人脑里的初级视觉皮质层 (Primary 【【微信】】)，据说有一点四亿个神经元。这些神经元在后台进行复杂的并行计算和信息传递，赋予人脑快速的视觉感知力。这在最底层看，和 GPU 的并行计算获得图像识别能力，其机制是类似的。有视觉能力的动物，在多数环境下，可以迅速在生存竞争中获得压倒性优势，慢慢把没有视觉感知力的其它动物淘汰。

但在听觉和其它文字处理任务上，人脑的并行计算处理能力其实非常差。即使一目十行，也就最多同时看两百多个字。而现在 Gpt-4 一次性输入可以接受三万多个词，比人的能力要高两个数量级，而且还会继续迅速增加。这种不断增加的高并行度，意味着其对文字和世界的理解力和穿透力，将不断达到一个常人难以理解的高度。所以一定要努力学习用这种工具来提升自己对世界的理解力。

需要理解的是，gpt 作为一种以自然语言为界面的工具，可以容忍输入信息的一定模糊性，因此可以几乎无限的向更大的数据培训量上扩展. 之前的很多工具，需要特定的输入界面和语法，差几个字母就完全无法理解，根本不具有扩展性，和 gpt 完全不是同一性质的东西。

效率高的工具，演化到一定程度，会把各种元素连接综合起来，成为一个前所未有的效率越来越高的实体，甚至从一个遥远的观察者来看，像一个有着明确目标的生命体。要注意观察 Gpt 的连接，会造就出什么样的全新的，结构完全不同的实体。

大语言模型将成为智能组合叠加的超级胶水。本质上是语言理解力强，降低了接口的精确性要求（一般软件接口种类繁多，各家定义不同，格式严格精确性要求高，还要考虑兼容，做到通用性不容易），大大提高了接口的通用性， 降低了各个子领域技术组合的门槛

把这个思路延伸一下，在分配时间和注意力的时候，最重要的不是你掌握某个具体的技术的能力，而是要保持始终和智能最高的大语言模型生态连接 （而不被切断）的能力。始终沉浸于这个生态中，你就赢了大半；孤立的闭门造车，而幻想能创造出什么竞争优势，最好也就是昙花一现，大概率则是白忙一场。

未来超级个体和公司的区别会越来越模糊。人与人之间沟通互动的带宽是比较窄的，容易出错掉链子，经常要等待。LLM 和其插