chatgpt官网,chatgpt是什么意思,chatgpt下载,chatgpt怎么读

拥有大量语料库的ChatGPT上知天文下知地理，网友甚至把它当作了“心理导师”。在不少社交平台上，记者注意到，网友拿工作学习中遇到的困惑向它寻求答案，不少回答受到认可。那么，ChatGPT真的可以代替心理咨询师吗？

网友向ChatGPT倾诉心理问题

向ChatGPT提问心理困惑，会收获什么呢？有网友表示，在工作和人际交往中遇到问题，咨询ChatGPT，结果收到了靠谱的回答。“当我还不能列出我的职业规划时，按照其中一个小tips操作，心理的焦虑就会逐渐消失，直到我可以拨开迷雾，重新看清眼前的路。”并由此认为，ChatGPT可以当一个很好的心理疏导师以及规划师。

还有高一学生表示，“考入高中后多门课程测试成绩落后，甚至垫底，我感到痛苦、无助”，咨询ChatGPT也给自己带来帮助：“高中学习是一段充满挑战的时期，不同的学生有不同的学习风格和能力，因此成绩并不能完全反映一个人的能力，请不要给自己太大压力，要保持积极的态度和探索不同的学习方法，例如多向老师和同学请教、制订有效的学习计划等。”

网友跟ChatGPT交流，涉及失眠、不懂如何与别人交流等心理话题，ChatGPT不时给予鼓励和建议。当网友抱怨，“我试着销声匿迹，原来我真的无人问津”，ChatGPT回复说，“不是每个人都能理解和欣赏你。但这不意味着你是无用的或无人问津的。每个人都有自己独特的价值，有些人可能不了解你，但这不意味着你的生命没有意义……”

ChatGPT能代替心理咨询师吗？

ChatGPT的回答颇为清醒，人工智能不能完全替代心理咨询师。尽管人工智能在模拟人类语言交流方面取得了很大的进展，但不能比心理咨询师更好地理解和解决人们的心理问题。心理咨询是一种人际交流过程，需要心理咨询师深入了解客户情感、思想和行为。心理咨询师通过与客户进行交流、探究、提问等方式，帮助客户认识和解决自己的心理问题。

有心理咨询师和ChatGPT玩起了心理咨询游戏，觉得“它不理解我的感受”“全是指导，没有感情”“每次问它的体验或者过去的经历，他都说自己是语言模型，没有经历和感受”。

人工智能提供补充，但心理咨询师有共情优势

国家二级心理咨询师韩宁表示，相对于传统的心理咨询方式，人工智能具有更高的效率、更准确全面的数据分析能力。人工智能其实就是心理咨询师的现代检测工具，它可以根据大量的数据分析识别出人们的心理状况和个性特点，为心理咨询师提供更好的参考和指导。

通常来说，心理咨询也不是一次两次能解决问题的，来访者需要一个心理咨询流程并与心理咨询师建立长期关系，这样一来，需要花费一定咨询成本，在这方面，人工智能被认为存在优势。但韩宁认为，人工智能并不能完全取代心理咨询师的作用，心理咨询师的个人经验可以使其更好地了解和理解咨询者的情感状态和心理问题。此外，心理咨询师的差异化治疗也可以更好地满足个性化需求。

韩宁提出，值得注意的是，人工智能在心理咨询中的应用也存在一些问题和挑战。首先，由于人工智能的算法和模型都是基于历史数据和人工设计的，可能存在一些潜在的偏差和局限性。人类的同一句话，在不同语境下的意思也发生着变化，一些肢体语言以及声音、神态等表现，是ChatGPT作为一个智能语言系统所不能体会到的。其次，人工智能无法完全替代心理咨询师的专业技能和经验，特别是在复杂情况下，心理咨询师的个人经验和能力更为重要，比如在共情这方面人比机器更有优势。在接受心理咨询时，心理咨询师需要打开来访者的心扉，与来访者建立情感桥梁，来访者与心理咨询师需要建立一种长期合作的同盟关系，而不仅仅是提供一段建议、一个答案。

韩宁说，未来人工智能在心理咨询中将会像现代医院的CT、核磁共振、血液检测仪一样，成为心理咨询师的诊断和判断工具。但由于心理咨询涉及个人隐私和机密，如何保护客户的隐私和数据安全也是人工智能在心理咨询应用中的一个难点。（记者张楠 实习生袁先雯）

---

厉害了！北大3位硕博生搞出ChatGPT版Excel！动动嘴就能自动处理表格……免费用！...

厉害了!北大3位硕博生搞笑视频,北大的博士,北大博士有多厉害,北大学霸博士生涯

来源：量子位

做Excel表，真就动动嘴就够了！

看，输入想要干的事：给学生成绩排个名吧。

简单敲个回车，表格唰一下就列好了！

检查一遍也没错。

还能跨表格处理。

比如标记出两张不同表格中排名都在前十的学校。

哦豁，还有点超越ChatGPT？

毕竟给ChatGPT提出类似的要求，它只能帮我写出对应的代码，操作还得自己手动来。

这就是最近在知乎上引起关注的AI工具chatgpt，一发布就登上了热榜。

它主打用对话的形式实现Excel复杂操作（chatgpt），告别记函数、手动设置公式。

做好的成品，支持一键导出成标准Excel表格，连复制粘贴这道工序都省了。

而且不用注册、网页上就能用、不限使用次数！相当利好懒人和Excel小白。

甚至懂Excel技能的人都感慨，自己会的这些是不是要没用了。

这就是由北京大学深圳研究生院/信息工程学院3位硕博生，独立开发的项目。

目前已开放Demo供大家试玩。

看到这可能很多人都以为，“这又是一个受到ChatGPT影响开发的项目嘛”。

还真不是。

GitHub项目上的第一个commit是在22年3月就提交了。

而背后真正的契机――

其实是团队中一位小哥，想用技术帮女票解决点工作中的小烦恼啦。

这到底咋回事？量子位联系了主创团队，来一一给大家揭秘~

咳咳，别人女票的事稍后再谈，咱们先来看看chatgpt的表现到底咋样。

总体来说，它想做的事就是跳过学习Excel、跳过写函数公式，直接把脑子里的需求变成表格里的内容。

团队在知乎首发产品时，用了一张图做解释：

老规矩，我们来上手体验下。

进入主页面后，网站默认展示demo，点击UPLOAD就能上传自己的表格。格式需要是标准Excel文件。

我们找隔壁ChatGPT生成了一份学生成绩单，让chatgpt进行计算操作。

主要测试了需要插入函数的Excel操作。比如：

给总分在255以上的人标记为A，总分在240-255的人标记为A-，总分在210-240的人标记为B。

打完内容，敲一下回车，它就开始处理了。

假如老师想知道谁是单科第一呢？输入：

找到表格中数学成绩最高分的人。

然后，它就生成了一个新的界面，里面只有最高分童鞋。

如果还想对表格进行其他操作，点一下页面中的“UNDO”，它就能返回到操作前的表格了。

我们还让它对表格中的学生进行成绩排名、并列出名次，chatgpt都没有出错。

除此之外，它还能连续完成任务。

比如想在表格里增加一栏平均分，可以先要求它增加一列：

再进一步输入需求，让它把计算好的结果填进去：

最后得到的表格，点击“DOWNLOAD”，即可导出为普通的Excel表格。

体验下来，感觉chatgpt主要有两大特点：

• 连贯性

• 准确性

比如之前也有帮人生成Excel公式的工具，excelformulabot能实现这一功能，但它是独立在表格外的，需要自己把单元格带入到给出的公式了。

如果是具体一些的描述，还会出现给不出公式的情况。

而对比ChatGPT来说，chatgpt计算的准确性更突出。

比如计算同一个表格的平均数，ChatGPT不是弄错到底有多少个人，就是计算的时候带错数字，反复纠正都救不回来……

所以，chatgpt是怎么做到的？背后原理到底如何？

chatgpt的原理一言以蔽之，就是直接把“大白话指令”转换成类似于VBA这样的程序语言，然后再执行程序。

底层基于Transformer架构，基本技术路线就是无监督训练+具体场景微调。

但NLP模型搞数学，一直都很容易出错，强大如ChatGPT都很难避免。

为此，团队在训练模型的过程中，将重点放在了符号逻辑上，期间还有意引入了一些逻辑符号的新知识。

由此我们也看到，它在计算上出错的概率并不高。

除了数学能力出众之外，chatgpt最大的一个特点就是持续交互。

这是因为chatgpt每次的生成结果，都是基于用户提出的新需求+上一轮生成的表格。对模型的理解力及运算其实提出了更高的要求。

为什么要实现这一功能？

团队介绍说，如Dall・E、ChatBCG等AI工具，完成任务的方式都是单次不持续的。但在人们的实际使用过程中，想法是一步步推进的。

举例来说，用户和chatgpt之间的关系就好比甲乙双方，chatgpt是乙方，用它处理表格的我们就相当于甲方：

要求只管提，改到满意为止。（Doge）

同样，这个乙方思维也体现在开发团队自己身上。

Demo发布后，很多人跑来围观、试用和提建议。最常出现的反馈是，chatgpt有点理解不了提出的要求，需要重新措辞调整。

对于这些情况，团队先阐明态度：建议我们全盘接收。

同时也进一步解释了原因，目前开放的demo还不是很完善。

这一方面是为了看看大家的反馈做进一步优化；另一方面，也是希望收集更多的语料，让模型之后能更聪明一些。

比如，有人就提出：

既然都已经有“undo”（撤销）操作，什么时候可以把它处理表格的过程显示出来。

还有人附议，表格数据太多就很难检查它是否处理正确：

提高chatgpt执行任务的透明度，方便检查错误。

对于这些建议，团队和我们说，他们已经在开始着手调整了。

比如很多人反馈的语言理解问题，他们打算之后在对话框下根据用户的输入，推荐一些标准操作语句，大家直接选择就可以了，不用自己研究措辞，有点现在AI客服那味儿。

除此之外，还有这些功能也在开发的路上了：

• 表格上传格式更加兼容

• 展示chatgpt处理表格的具体过程，更加透明化……

以及chatgpt更加具体的原理介绍，之后也会在官网以博客的形式发布。

甚至包括代码，也会进行开源。

说来chatgpt的诞生，也是相当因吹斯听了。

它受启发于团队成员的女票、导师立刻拍板认可、把业余项目做成正式课题……

这还要从Kid和CY拉起小团队说起。

他们都来自北京大学深圳研究生院信息工程学院袁粒老师的课题组，已经是准博了，还有一位成员正在读硕士。

作为机器学习的基础理论研究者，他们日常和论文打交道更多。

为啥突然从理论研究转向应用？

这还得从Kid的女票说起。

他说自己的女朋友是一位中学信息老师，日常工作中经常需要帮年纪大的老师处理Excel表格问题。

为了帮女朋友多分担一点工作（bushi）?，当然也看到确实有很多人深受Excel复杂操作困扰，Kid就萌生了试试看的想法。

我觉得Excel公式的使用，多少还是需要编程思维的，这对于很多人、尤其是不擅长电脑操作的人来说，很不友好。而拿着工具书从头啃，也确实比较麻烦。

当时正值chatgpt的Copilot大火，看到AI在提升生产力上大有可为，他就拉着CY一起，打算仔细研究研究这事儿。

但事情前期，并没有想象中顺利。

一方面，它刚开始只是个业余项目，大家都是抽空来做。

另一方面，团队在技术路线上也做过重大调整。

最初，他们觉得chatgpt应该是往判别式模型那块儿走的，于是就顺着这一思路推进，但没想到：

前期处理工作量太大，需要引入非常非常多的符号逻辑，数据要求很高。

这对于小团队来说基本上是致命的，因为数据量意味着人力物力时间成本都会飙高。

没有办法，Kid和CY就坐下来重新复盘这件事：

我们想到李沐老师发过一个视频，讲“BERT和GPT之争”，我们最初都觉得BERT各种指标表现更好。GPT呢，有点摸不清它想干啥。

但仔细一想，从任务本身的需求来看，生成式才是我们真正想要的东西。

加之去年chatgpt一系列生成式工作开始大火（如Copilot、Dall・E），两个人最后决定，推翻原有思路，重新从生成式模型做起。

明确了技术路线，后续推进也就更顺了。

加上这项工作还得到了导师袁粒的认可和支持，团队在资源和经费上也更充裕了一些。

（p.s.但团队也和我们解释说，目前其实还不能负担太多成本，运行速度会受到影响、一些命令行识别也还存在问题）

不管怎样，历经1年时间，chatgpt终于发布demo。

但这只是计划的第一步。

团队表示，接下来还将对产品做更多迭代升级，并会开源代码、揭秘背后技术。

对于chatgpt的定位，他们坚持“小而美”。

Kid介绍说，大模型的确是当下的趋势，如chatgpt、百度等都在通用大模型领域不断推进成果。但他们认为，在一些子任务领域上，模型的能力还有待提升，这可能会是未来的一个趋势。

由此，他们目前会更加专注于模型特定场景下的能力提升。

至于长远目标，团队希望打造一个“Chat生态”、交互式AIGC。

终极“Chat生态”（幻想版）大概会长这样：

而回到chatgpt本身，团队表示的确有商业化的考虑，但会是To B层面的。

（听说demo一发布就已经有不少公司联系他们了）

在To C这边，会坚持公益开放的形式，人人都能用。

而回看整个开发过程，Kid和CY的很多感受都记忆犹新。

比如看到ChatGPT做表格大火后，他们又惊又喜。

“惊”，是因为开始担忧会不会有很多同类产品出来？自己的项目没有生存余地了？

Kid说自己看到这些新项目不断涌出后，晚上都要睡不着觉了。

“喜”，则是因为觉得自己的想法和趋势发展一致，这也是一种肯定。

至于项目本身，他们的态度非常坦然，问题全盘接受，但对自己的成果也很有自信。

我们现在依旧觉得自己的方案很“优雅”。

感觉做理论的人转来做应用，总是能想到一些奇怪的思路hhh。

（应受访者要求文中Kid、CY为化名）

传送门：https://chatexcel.com/

参考链接：

1、【【网址】】/chatgpt/586673687

2、https://chatgpt【【网址】】/p/607997627

版权声明

本文来源：量子位，版权属于原作者，仅用于学术分享

本文仅做学术分享，如有侵权，请联系删文。

点击进入―>3D视觉工坊学习交流群

干货下载与学习

后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域精品课程

3D视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)2.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进3.国内首个面向工业级实战的点云处理课程4.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解5.彻底搞懂视觉-惯性SLAM：基于chatgpt正式开课啦6.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化7.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)