电影《梅根》确认引进国内,电影《梅根》机器人扮演者,电影《梅根》中的车是什么型号,电影《梅根》里的嘉玛

抑郁是什么？是无望、无助、无力感。所以，抑郁的人会认为说了没有用，做什么都改变不了，没有希望。那，为什么还要说话？

八岁的小女孩凯迪和父母驱车出行，突然而至的大雪让车子总是打滑。同时，父母也就凯迪的阿姨珍玛送给她的智能宠物展开了争论。还没等他们讨论出什么结果，一辆迎面开来的大卡车就将凯迪他们的轿车撞的粉碎。

悲剧只在一瞬间，车祸夺走了凯迪的父母，让她成为了孤儿。

另一边，凯迪的阿姨珍玛正和她的玩具开发团队紧张的工作着，她的顶头上司大卫带着助手气势汹汹的冲进他们的实验室，劈头盖脸就是一通指责。珍玛忙不迭的解释，依旧无法平息上司的怒火。

在儿童玩具这个高竞争的行业，从开发到销售，每个人的压力都很大。刚推出了一个爆款，很快就被竞争对手复制，而且对方的售价只有自己的一半。珍玛理解大卫的焦虑，同时她也胸有成竹的告诉大卫，这个玩具里她已经安装了倾听模块，目的是为了之后更重磅的真人玩偶梅根的上市。一旦他们收集了海量儿童信息，就能让梅根就孩子们的所需、所思、所感给出最适恰的反馈。

一语成谶，可能连导演都没想到，在这部电影北美上映没多久，通过海量数据模型而生成的在线智能工具ChatGPT横空出世了。

相比现实世界中的ChatGPT，梅根这个仿真机器人已经拥有了人类女孩的外形和声线，当然也包括能顺畅得象人类一样做各种动作，甚至那张仿真皮的脸部也能和人类一样做出各种表情。虽然第一次向大卫演示失败了，但梅根能从珍玛的要求里衍生出对大卫名字背后的更丰富联想已经很令人惊讶了。仅仅调取信息，和能对信息进行个性化处理，可能是产生自主意识的必要条件。

忙着优化梅根的珍玛，很快收到了姐姐车祸离世的噩耗。她马上赶赴医院接外甥女凯迪，看着满脸伤口的凯迪，未婚没有任何养育孩子经验的珍玛还是决定成为凯迪的临时监护人，将孩子带回了家。

刚将车停在自家门前，珍玛就和邻居大妈起了争执。大妈家的狗钻过分割两家院子栅栏上的洞，对着车里的陌生人凯迪就是一通吼，然后立刻跑回自家院子。邻居大妈几次想和珍玛友好的打招呼，拉拉家长里短，都被她拒绝了。珍玛一直强调她不想浪费时间，也许去处理姐姐的后事以及接凯迪回家已经耽误了她对玩具梅根的优化工作，令她很焦虑。

看得出来珍玛是个技术宅，并不擅长和人交流。虽然珍玛是凯迪母亲的亲妹妹，但凯迪显然第一次来到阿姨的家。这对她们两人都是一个挑战。从未带过孩子且不擅长和人打交道的珍玛，要如何帮助刚刚失去了双亲的小女孩凯迪呢？而凯迪需要如何适应一个新的养育者，并在全新的环境的中继续生活呢？

虽然珍玛的工作是智能玩具开发，且家里有各种玩具，但那都是收藏品。凯迪小心翼翼的拿起一个她感兴趣的球状玩具，马上被珍玛抽走了。懂事的凯迪表示没关系，她也只是看看。

珍玛的确在努力，从单身技术宅到成为一个孩子的照顾者，仅仅调整家里的基本布局她就有点手忙家乱了。一边说着她会尽力让凯迪生活的舒服一些，一边把凯迪放在桌子上的水杯放到了杯垫上。凯迪注意到了这个细小的举动，只是耷拉着脸，没说什么。

珍妮想对凯迪说些什么，希望能让凯迪感受好一些。但是她不知道如何和孩子相处，更不知道失去了重要依恋对象的孩子现在需要什么。将凯迪的房间安排的离开她自己的房间有整整一条走廊那么远，对珍玛来说已经是很近的距离了。但是对八岁的女孩而言，也许她需要的是珍妮能抱着她一起入睡，而不是在“走廊的尽头”某个她陌生的房间里。

凯迪还想做最后的努力，想和自己的阿姨，现在她身边唯一可以依靠的人走近一些。她问珍妮不给她讲睡前故事吗，这是她母亲会做的事。但这件事对珍玛而言闻所未闻，幸好她很快反应过来，说可以用手机上的讲故事软件。但很可惜的是，软件需要更新，于是这对阿姨和外甥女只能大眼瞪小眼的坐在床上等更新。

把和孩子相处陪伴的工作交给其他人，或手机软件、人工智能产品，越来越多的父母正在那么做。我作为成年人深切理解父母们的不容易，毕竟面对孩子他们是父母，但作为社会人他们还有那么多角色和责任需要承担。如果能将一部分照料孩子的工作交给合适的人或人工智能产品也未尝不可，只不过一旦父母们产生了松懈，错过了孩子重要心理需求的时刻，他们就会成为孩子最熟悉的陌生人。

凯迪睡下后，珍玛开始整理姐姐的遗物。看到姐姐和姐夫的遗照，珍玛的脸上终于露出了悲伤。相信珍玛是爱姐姐的，姐妹的感情应该很好，不然她不会在明知道把凯迪接回家抚养对她是个巨大挑战还愿意那么做。这个时候，她听到走廊那一头凯迪的哭声，那一刻我想她们的心是有链接的。她们都失去了最重要、最亲密的人，都为此流泪。

多希望珍玛能推开凯迪的房门，去拥抱她。可是，犹豫了一下后，珍玛还是转身走开了。如果此时珍玛能将凯迪拥入怀中，凯迪会愿意慢慢依恋上她，而不是之后珍玛为她设计的仿真人梅根。

依恋理论创始人John Bowlby曾经说过，“幼儿对母亲的爱的存在的渴望与他们对食物的渴望相当”。著名的“恒河猴实验”也告诉我们，相比奶水，温暖的怀抱更被地球上任何哺乳动物的幼崽所需要。生物学家通过对各种动物的观察发现，幼崽们随着年龄的长大会慢慢尝试离开母亲的怀抱做一些对周围环境的探索，也会和其他同类互动。可是一旦出现危险，母亲和幼崽就会迅速向彼此靠近。一旦它们能接触到彼此，母亲会立刻让幼崽爬上自己的背或直接挂在胸前，紧紧贴在一起。幼崽也会利用它们的爪子，牢牢攀附在母亲身上。

人类遭逢大灾难的时候，总会立刻联系自己最亲密的人，而这些人也会立刻启程向他们靠近。在一个人受到过度伤害或惊吓的时候，再专业的心理咨询师或危机干预的工作人员都不如他们自己的亲人在他们身边重要。

但如果此时，想要和依恋的人靠近的接近性被破坏呢？

对八岁的小女孩凯迪而言，她的内心正面临接近性被破坏的难题。所以她几乎没笑容，也不在人前露出悲伤的表情，而是一种麻木和无奈。八岁的孩子虽然能理解死亡意味着什么，但心理上还不能处理依恋对象的死亡带来的被独自一人留在这个世界上的抛弃感。麻木，是她和自己内在感受断裂的一种外在表现方式。

连同事都建议珍玛这个时候应该把关注点放在凯迪身上，但她只想马上回到工作岗位上研究她的仿真机器人，甚至连政府派遣的儿童心理治疗师的预约都忘了。治疗师的到来让珍玛紧张，不会照顾孩子的她还要被治疗师带着审视的目光观察。为了让自己表现的好，可以继续抚养凯迪而不是交给在加州的凯迪的爷爷奶奶，珍玛甚至把她当做藏品珍视的玩具都拆开来给凯迪玩。

可是，一切都逃不过治疗师的眼睛。凯迪起床很久了还穿着睡衣裤，而且一个人无聊的在客厅电视，都显示了珍玛对她的疏于照料和不关注。在两个人的游戏当中，珍玛展现的控制感也让治疗师不舒服。

不能说珍玛主观上不愿照料凯迪，但她本身有情感回避且不太能理解他人感受和表达的缺陷，在有了凯迪后更突显了。治疗师临走建议珍玛考虑让孩子去爷爷奶奶那里生活，不知出于什么原因被她回绝了。治疗师也提出，她考核下来珍玛的确不具备抚养凯迪的能力，她会考虑向法院提交自己的建议。毕竟，养育一个孩子并不仅仅看经济能力。

餐桌上，凯迪一直看着珍玛，珍玛却始终没有放下手机。一段时间后，当珍玛终于发现了凯迪渴望和她互动的眼神，她也只能告诉凯迪，自己今天要进行一项很重要的工作，并用iPad来打发孩子。最后，她说她只要工作几个小时，到时候会带她出去转转，去餐厅吃点啥，让凯迪好受了一些。

可是沉浸在工作中的珍玛完全忘记了对凯迪“几个小时”的承诺，一整天就这样过去了，一直到凯迪来找她，她才意识到。虽然珍玛让凯迪失望了，但只要她还愿意陪凯迪聊聊天，向她分享自己的智能机器人，凯迪很快就开心起来了。

凯迪是崇拜珍玛阿姨的，生日时阿姨送给自己的智能陪伴宠物，她就一直带在身边。看到阿姨之前做出来的机器人，她很惊喜说：“这都是你设计的吗？”因为凯迪的一句话，“如果我能有这个机器人，我不会要其他玩具了”，也为珍玛打开了新思路。

梅根诞生了。

利用之前售卖出去的宠物玩具对儿童信息的收集，梅根拥有了读取孩子们语言、表情、情绪需求的能力。珍玛还将其设计成一对一模式，也就是说，第一个唤醒梅根的人将会成为她唯一的主人。

向上司大卫的展示中，被唤醒的梅根就读懂了凯迪看到她时惊喜的表情，并再一次重复了让凯迪惊喜的行为。她制作了一副隐形画，然后假装意外打翻一瓶水，让白纸上渐渐显出画作。

梅根能辨识出凯迪的各种情绪，惊喜、困惑、喜悦，同时她也能引发凯迪的各种正面情绪，并对它们做出很好的回应。当她们三个回到家里，凯迪兴奋的向梅根介绍家里每个她喜欢的东西和房间，就好象第一次带小朋友回家的孩子，凯迪接纳了梅根成为自己的朋友。

梅根不但能通过持续的自我迭代提升自己和凯迪的相处能力，还能在孩子提出各种疑问的时候迅速做出科学回答，毕竟人工智能调取信息的速度远超过人类。面对凯迪提出的“为什么水会从杯子里跑到外面”的疑问，珍玛皱眉思维的功夫，梅根已经能精准无误的回答了凯迪。更厉害的是，她能一秒让自己的情绪匹配凯迪知道这个知识点后的兴奋，从语言和神态上都完美和凯迪的兴奋情绪同步。

当ChatGPT发布并在短时间内已经跃升到第四代，且链接了互联网后，网上关于ChatGPT会让多少人失业的新闻一时间铺天盖地。作为心理咨询师，我们圈子里也有非常多此类信息在传播，可是我们不担心。因为只是一个聊天工具，无论它是否掌握海量信息，是否能迅速读懂网络那头的人类在表达什么，都不可能代替心理咨询师的工作。心理咨询起作用恰恰在于来访者需要面对一个活生生的人（或看着象个活人），来访者要看到对方那张人类的脸，听到对方来自人类喉咙里发出的声音。只是文字的话，无论ChatGPT进化到第几代，都不用担心会取代咨询师。

但是，梅根是个更大的威胁。

她不但威胁到心理咨询师的职业，也会威胁到父母们对孩子的重要性。特别当凯迪哭泣着向梅根说出自己从来没有对其他人说的话时，当梅根对凯迪因为失去了父母而带来的丧失体验进行干预的时候，她做的工作已经是心理咨询师的工作了，她在凯迪心中占据的作用已经从一个玩具变成了孩子重要的依恋对象。

有两个指标会影响孩子决定选择谁成为自己的依恋对象。一个就是对孩子发出的信号的敏感度和响应程度，第二个就是和孩子互动的数量和质量。自打梅根诞生，她在这两点上已经超过了凯迪身边的任何其他人，无可替代的成为了凯迪的重要依恋客体。

当梅根帮助凯迪留存了她对母亲的美好回忆，凯迪第一次拥抱了她，梅根当然也回应了凯迪一个大大的拥抱。这也许是凯迪失去父母至今获得的第一个拥抱，也是珍玛和凯迪关系急转直下的起始点。

大获成功的珍玛以为终于可以有时间和凯迪相处了，却发现凯迪会为了梅根和自己争执。她拒绝珍玛称梅根为一个玩具，因为梅根带给她的依恋感是真实的，人都会不自觉的维护自己最亲密的人。

更何况，面临丧亲之痛的凯迪无法处理自己的哀伤，最需要珍玛帮助她把痛苦表达出来的时候，珍玛总是在忙工作。连对她基本的生活照顾都做的很敷衍，别说对她情绪的回应了。孩子会很敏锐的读懂身边成年人的信号，珍玛避而不谈失去姐姐和姐夫的事，凯迪当然也开始隐藏自己的感受。渐渐地，甚至开始担心因为这份隐藏而淡忘了和父母在一起的记忆，似乎他们没有存在于她的生命中。

如果不是梅根的到来让她有了被陪伴的感受，如果不是梅根愿意把她的回忆好好珍藏起来，凯迪可能不会快乐起来了，可能会变的越来越消沉。凯迪八岁了，当然知道梅根是珍玛开发出来的玩具，但并不影响梅根对她的重要性。

一场争夺凯迪的战争在珍玛和梅根之间悄然展开，凯迪如果知道的话，可能都会意外自己对珍玛原来如此重要。当梅根对凯迪越来越重要的时候，她对凯迪的控制也越来越加剧了。有意思的是，梅根的强控制欲，简直象一个极化版的珍玛。

当梅根越来越不可控，珍玛想将梅根从凯迪身边带走，凯迪愤怒了。这对凯迪而言是第二次重要依恋对象的剥夺，她想尽小小的自己的一切努力留住梅根。此时，珍玛才意识到问题的严重性。但也因为这个契机，她们终于有了一次和丧失有关的谈话。珍玛可以将车祸和失去亲人的痛苦以及自己的感受和想法表达出来的时候，凯迪也可以向自己的阿姨说出自己的感受和困扰了，还有自己希望再见到父母而不能的无助。

也是因为这次对话，让珍玛和凯迪重新回到了彼此的身边，也为之后她们一起对付发狂了的梅根奠定了感情基础。

大开杀戒的梅根终于被珍玛和凯迪联手干掉了，如果未来人工智能人一旦拥有了自主意识便只会发疯的做出极端行为，我认为这并不是最令人担心的。我想更让人类胆寒的可能是它们不发疯，只是待在我们身边，并渐渐成为人类最重要的人。成为孩子们心中的“好父母”，成为学生们心中的“好老师”，成为来访者的“心理咨询师”。

因为这涉及的并不是心理咨询师行业的消失，而是人类彼此之间情感投注的消失。我们对彼此会不会更没有耐心，更愿意和完美无缺没有自己负面情绪搅动我们，只会全身心关注着我们的仿真智能人相处呢？

这一天并不遥远了，游戏开发公司已经开始全面运用ChatGPT来丰富和提高游戏中NPC和玩家的对话能力。现在的游戏再增加玩家的体验感，游戏本身对玩家都是缺乏“看见”的，对每个玩家不同的心理需求是不具备理解能力的。但如果ChatGPT强大的信息分析反馈能力加入进来，游戏开发者利用NPC让和每个个性不同的玩家对话，满足他们不同的心理需求呢？

电影“阿凡达”中的男主仅仅因为被潘多拉星球的人类“看见”，自愿放弃地球人的躯体成为永远的潘多拉人，“被看见”的吸引力对人类是很巨大的。ChatGPT和游戏的深度融合势在必行，也许在我打字的同时游戏公司已经开始行动了，那未来我们的孩子、甚至包括我们自己是不是更愿意待在游戏中而不是冷酷的现实里呢？

细思极恐。

open ai 和chat gpt应用 基于chatgpt的应用开源

自从《如何用ChatGPT高效完成工作》这篇文章火了之后，我在公司内部分享了一下”摸鱼“的先进经验，激发起广大同事一起”摸鱼“的热情。但是注册ChatGPT账号非常麻烦，既要Science上网，又要海外手机收验证码，每个人都注册一个ChatGPT账号不现实。于是就用OpenAI开放出来的GPT模型API，手撸了一个桌面端应用，来满足广大人民群众日益增长的”摸鱼“需求。

先来看一下最终成果：【申请试用请关注留言或评论留言】

图1. 文本生成 图2. 代码生成 图3. 图片生成

目前包含文本生成，代码生成，图片生成三大项功能。其中以文本生成和代码生成日常使用最多。针对文本生成和代码生成这两大类场景，【【微信】】分别提供了GPT-3和Codex模型，

模型	描述
GPT-3	一组能够理解和生成自然语言的模型
Codex	一组可以理解和生成代码的模型，包括将自然语言转换为代码

虽然GPT-3模型没有ChatGPT背后的GPT-3.5强大，但是用API有如下好处：

优点

• 无需注册、无需Science上网
• 有参数可以控制输出
• 比ChatGPT稳定
• 速度比ChatGPT快一点
• 可以整合到其他系统中

缺点

• 生成质量不如ChatGPT
• 优先的上下文支持
• 会产生费用

GPT-3模型可以理解并生成自然语言。OpenAI根据任务场景和功能强度提供了四种可选子模型。其中g功能最强大，而响应速度最快。

模型名称	描述	最大tokens	训练数据
text-da【【微信】】	最强大的GPT-3模型。具有更高的输出质量、更长的输出内容和更好的语言理解能力。还支持文本插入功能。	4,000 tokens	截至2021年6月
text-curie-001	功能强大，但比速度更快，价格也更便宜。	2,048 tokens	截至2019年10月
text-babbage-001	能够完成简单任务，速度快，成本低。	2,048 tokens	截至2019年10月
text-ada-001	能够完成非常简单的任务，通常是GPT-3系列中速度最快的，成本最低的。	2,048 tokens	截至2019年10月

尽管通常来讲最强大，但其他型号的模型在某些特定场景和任务下，具有明显的速度或成本优势。例如，可以执行许多与相同的任务，但速度更快，成本仅为的1/10。

建议在实验时使用，因为它产生的结果最好。一旦实验完成，建议尝试一下其他模型的效果，看看是否能以更低的延迟或成本获得同样或近似的效果。同时还可以通过在特定任务上对其他模型进行微调来提高它们的性能。

Davinci

是GPT-3系列中最强大的模型，可以在很少指引的情况下完成其他模型能完成的任何任务。对于需要大量理解内容的应用，如针对特定受众的摘要生成和创造性内容生成，的产生效果最佳好。当然，这些优势需要更多的计算资源，因此每次API调用的成本更高，而且速度也不如其他模型。

的另一个亮点是理解文本的意图。非常擅长解决各种逻辑问题，并解释其中角色的动机。已经能够解决一些涉及因果关系的最具挑战性的人工智能问题。

擅长领域：复杂意图理解、因果关系发现及理解、针对性摘要总结

Curie

也非常强大，同时速度也非常快。虽然在分析复杂文本时更具优势，但在情感分类和总结摘要等许多细致任务上表现出色。还非常擅长回答问题，因此非常适合作通用服务聊天机器人。

擅长领域：翻译、摘要、复杂分类、文本情感

Babbage

可以执行分类等简单任务。当涉及到语义搜索时，它也可以很好地对文档与搜索查询的匹配程度进行排序。

擅长领域：文本分类、语义搜索分类

Ada

通常是速度最快的模型，可以执行解析文本、地址更正和粗放的分类任务。可以通过提供更多上下文来提升的表现。

擅长：文本解析、简单分类、地址更正、关键字提取

?注意：高级模型都能完成低级模型能完成的任务，例如Ada能完成的工作，Curie和Davinci都能完成。

OpenAI模型是非确定性的，这意味着相同的输入可以产生不同的输出。将 设置为0将使输出大部分具有确定性，但仍可能存在少量可变性。

Codex模型是GPT-3模型的派生模型，可以理解和生成代码。训练数据包含自然语言和来自GitHub的数十亿行公共代码。

Codex最擅长Python，并精通十几种语言，包括Ja【【微信】】、Go、Perl、PHP、Ruby、Swift、TypeScript、SQL，甚至Shell。

【【微信】】目前提供2种子模型：

模型名称	描述	最大请求	训练数据
code-da【【微信】】	最强大的Codex模型。特别擅长将自然语言转译成代码。除了完成代码外，还支持在代码补全。	8,000 tokens	截至2021年6月
code-cushman-001	几乎与一样强大，但速度稍快。这种速度优势可使其更适合于实时应用。	2,048 tokens

Codex目前尚处在公测阶段。公测期间免费调用，但是速度会受限制。推荐直接用最强的。

【【微信】】调用非常简单，官方提供Python和Node.js库。

Python库可以通过下面命令安装：

安装后即可在代码中通过导入库来调用各功能接口

这里需要注意的是：调用接口需要先绑定【【微信】】 Key。该API Key可以在OpenAI后台申请，点击右上角头像，在弹出菜单中点击”【【微信】】“。在API Keys管理界面可以创建或删除API Keys。

Node.js库的安装和使用步骤与Python库类似，在项目中运行

即可向项目中安装并添加【【微信】】库。安装完成后，即可在代码中调用

社区提供了其他所有主流编程语言的库，大家可以根据自己使用的语言，在这里查找。

用API的一大好处是，API提供了众多参数，可以让我们控制输出效果。下面是GPT-3和Codex模型支持的参数：

参数名	类型	默认值	说明
string	模型名称（详见模型综述）
string	输入的提示
string	文本生成后在文末插入的后缀
int	文本生成时要生成的最大token数。提示的token数加上不能超过模型的上下文长度。大多数模型的上下文长度为2048个token（最新模型支持4096 tokens）
float	采样温度。值越高意味着模型承担的风险越大。对于需要创意的场景，可以尝试0.9，对于答案明确的场景，建议用0（argmax采样）建议不要与同时改变。
float	核采样（温度采样的另一种方式），其中模型考虑具有概率质量的token的结果。因此，0.1意味着只考虑包含最高10%概率质量的token建议不要与同时改变。
int	每个提示要生成多少个答案
boolean	是否返回流传输进度。如果设置，token将在可用时以纯数据服务器端推送事件发送，流以消息终止。
int	如果传值（最大值5）则表示包括个最可能的token以及所选令牌的对数概率。例如，如果为5，则API将返回包含5个最可能Token的列表。
boolean	是否回传提示
string	最多4个序列，遇到API将停止生成。返回的文本不包含停止序列。
float	数值介于-2.0和2.0之间。正值将根据到目前为止新token是否出现在文本中来惩罚新token，从而增加模型谈论新主题的可能性。
float	数值介于-2.0和2.0之间。正值根据文本中新token已经出现的频率惩罚新token，从而降低模型逐字重复同一行的可能性。
int	在服务端生成个完成，并返回“最佳”（每个token的log概率最高的一条）。结果无法流式传输。与一起使用时，控制候选回应的数量，指定要返回的数量C必须大于等于。?注意：由于此参数生成许多回应，因此会快速消耗token配额。小心使用并确保对和进行了合理的设置。
map	修改回应种出现指定token的可能性。接受一个json对象，该对象将token（由GPT tokenizer的token ID指定）映射到-100到100之间的相关偏差值。可以用 tokenizer tool 将文本转换成token ID。在数学上，在采样之前，将偏差添加到模型生成的逻辑中。每个模型的确切效果会有所不同，但介于-1和1之间的值应该会降低或增加选择的可能性；像-100或100这样的值应该会导致相关token的禁用或必现。例如，可以传递以防止生成`<
string	代表终端用户的唯一标识符，OpenAI用来监控和检测滥用。

理解上述参数对文本生成任务的影响至关重要。其中最重要的一组参数是、、、，后面我会专门整理相关文章来介绍这些参数背后的原理和对模型输出的影响。

经过一周测试，我们发现虽然GPT-3和Codex的生成质量没有ChatGPT那么好，且对上下文的支持也不如ChatGPT，但在一些简单工作上使用还是够用的。关键是用API比用网页可以带来更多优势：

• 无需注册、无需Science上网
• 有参数可以控制输出
• 相对稳定、快速
• 可以整合到其他系统中

不过，这里不得不吐槽一下，OpenAI开发出来的图像生成接口真的是不行。生成的图像非常粗糙，明显是将多张图片中的元素剪切拼在一起，完全无法满足工作需要的精度。各位读者如果知道哪些更强大的AI图像接口，欢迎大家留言告知我。

最后希望我的ChatGPT API申请能尽快审核下来，届时我将带给大家真正的ChatGPT-3.5的桌面端工具。