對于ChatGPT來說，相信各位最近都被它鋪天蓋地的新聞報道所淹沒，肯定還有不少人已經體驗到了ChatGPT，大有人工智能已經高度進化之勢。ChatGPT的出現，好像已經對當今網際網路産生了巨大的影響，如果在這麼發展下去，甚至看到了在未來能代替不少職業的趨勢，比如客服、程式設計、廣告、秘書工作等等。
什麼是ChatGPT呢？ChatGPT，是美國OpenAI研發的聊天機器人程式，于2022年11月30日釋出。ChatGPT是人工智能技術驅動的自然語言處理工具，它能夠通過學習和了解人類的語言來進行對話，還能根據聊天的上下文進行互動，真正像人類一樣來聊天交流。
首先
筆者認為不要輕視ChatGPT的出現，它不僅僅是一個會陪你聊天的AI機器人，或是什麼新一代的AI搜尋引擎，現在的ChatGPT已經可以幫你程式設計，幫你搭建一個論文、文章架構。雖然，目前ChatGPT的回答多少還是能看出一些機器人的痕迹，但是随着全世界上億人對它不斷的問答訓練，它的疊代更新速度肯定也是十分驚人的。
其次
我們也不要過分神化ChatGPT，它現在離無所不能的狀态還差得很遠，目前的ChatGPT還是處在一種“很會唬人”的狀态，乍一看它給出的答案十分厲害，但是一旦深入閱讀就會發現，ChatGPT是一個給文章“注水”的高手，内容十分空洞，它隻會單純的填充内容，和我們人類的創作差距還有很大。
最後
合理使用ChatGPT确實可以幫助我們極大的減少工作量，比如讓它為論文搭一個架構，我們再在這個架構之上進行修改，就可以讓寫論文這件事輕松不少；甚至，還可以利用ChatGPT去編寫一些子產品化的代碼，程式員再做一些對應的修改，也會使得程式設計工作輕松不少。總之，合理使用ChatGPT可以讓機械式的工作輕松不少，但是目前依然不能代替人來進行一些工作。我們不要神話它，但也不要輕視它，ChatGPT背後的人工智能AI，确實是下一個時代發展的趨勢，我們一定要重視。本篇文章，筆者想重點聊一聊，AI中的自然語言處理。
自然語言處理
在于ChatGPT的交流之中，最令人印象深刻的就是它所給出的答案，對比于其它AI聊天軟體來說，更像人類一些，甚至可以聯系上下文進行流暢的交流，而做到這一切，就不得不提一項在人工智能中主要的領域——自然語言處理（NLP）。
對于自然語言處理而言，我們在了解這個概念的時候，不妨把這個詞拆開來看。所謂“自然語言”就是人類發展過程中形成的一種資訊交流的方式，包括口語及書面語，反映了人類的思維。比如，您現在在讀的這篇文章，我就是在用自然語言書寫，是以，世界上所有的人類使用的語言都是自然語言。我們為什麼要強調“自然”呢，因為它要差別于計算機語言，計算機畢竟不是人，無法像人一樣處理文本，需要有自己的處理方式，是以，所謂自然語言處理，簡單來說，就是讓計算機接受使用者自然語言形式的輸入，并在内部通過人類所定義的算法進行加工、計算等系列操作，以模拟人類對自然語言的了解，并傳回使用者所期望的結果。自然語言處理是人工智能下各個小領域的十字路口，是人工智能最重要的領域之一，被譽為“人工智能皇冠上的明珠”。
最早的自然語言處理需求源自美蘇冷戰時期，20世紀50年代，由于美蘇之間有大量的外文翻譯需求，而在美國精通俄語的人才數量有限，又趕上計算機剛剛開始發展，是以，使用計算機來翻譯檔案的項目就被提上了日程。但是，随着研究的開展，相關人員馬上就發現了讓計算機了解人類語言的困難極大。同一種語言下的句子都有不同的歧義，有着複雜豐富的文化因素，充斥着各種無規律的、約定俗成的俗語；再加上詞與詞之間、句與句之間都有複雜的邏輯關系，讓當時算力孱弱的計算機完成這種工作，無疑是天方夜譚，就更不用說還要在不同的語言之間進行翻譯了。是以最後，人們也隻搞出了一種隻能一詞一詞對應翻譯的機器，與其說是翻譯機，更不如說是早期的電子辭典。
直到90年代，IBM才提出了新一代的翻譯模型——基于統計的機器翻譯。簡單來說，就是通過大量的樣本資料，加以分析，統計詞與詞如何搭配機率最大，以此來找出詞與詞之間的關系。這樣做有一種好處，就是可以讓機器産生一種類似于人類的“語感”。比如，當統計了足夠大的句子之後，當“芒果”和“吃”一起出現的時候，計算機很可能就會知道，這句話指的是水果，這時語言的準确性就會大大提高。但是，這裡還有一個緻命的問題：這種模型對于句子的順序不敏感，也就是說它很可能給出你一個絲毫沒有文法邏輯的結果。比如“What’s your name?”所得到的翻譯結果很可能是“什麼是你的名字？”讀起來就十分怪異。
為了解決這個問題，那便要引入一個全新的AI算法——神經網絡。雖然，其底層本質還是統計機率，但是它可以讓計算機逐漸開始“了解”句子的含義。從此，自然語言處理将會逐漸跳出翻譯領域，開始逐漸擁有“智能”。具體的神經網絡算法我們在這篇文章就暫時不展開了，感興趣的各位可以移步這篇文章：
https://toutiao.le365.cc/127088.html
詞向量
在這裡，筆者隻想說明一個概念，那就是：詞向量。在人類眼中，當看到“蘋果”二字時，可能想到的是一種紅色或綠色的水果，也有可能是某科技公司；但是在計算機的世界中，它們隻是一串毫無意義的0和1，計算機不會記錄意義，它也不會了解意義，它隻需要讓操作它的人了解其中的意義就可以了。到了人工智能這裡，對于計算機有了新的要求，它需要“了解”意義。那計算機如何才能“了解“呢？答案就是：向量化。
如何向量化呢？打個比方，就是“蘋果”這個詞，形狀是球形的指數是0.9，味道是甜的指數是0.8，得到的坐标就是[0.9，0.8]；“桃子”這個詞，形狀是球形的指數是0.8，味道是甜的指數是0.9，得到的坐标就是[0.8，0.9]，那麼這樣它們就能在極坐标軸上被表示出來，就會很容易的看到，桃子和蘋果，在坐标軸上關系很近，那它們很可能就有某些直接聯系。當然了我們可以也可以添加更多元度的特征量，比如顔色、重量、體積等等，随着次元的增加，描述也會更加精确，計算機也就會逐漸“了解”一件事物，甚至能明白事物與事物之間可能的聯系。就如同馬克思所說：“人是一切社會關系的總和。”在計算機的世界裡，詞語也是一樣的，我們往往用其他的詞語來定義另一種詞語，當計算機精确的知道了詞與詞在坐标系中位置，它也就能确定每個詞之間的關系，那麼計算機就能知道每個詞之間的語義聯系，也就“了解”了語言。
現在，還有一個問題，那麼詞之間的位置怎麼确定呢？讓我們來看看著名的詞向量算法word2vec是怎麼做的。其實，答案十分簡單粗暴，就是通過大量的“完型填空”來訓練人工智能。比如，先給人工智能一句話“我喜歡吃蘋果”，然後隐藏掉“喜歡”，變成“我____吃蘋果”，讓人工智能去猜中間是什麼，這時詞向量的值都是随機生成的，人工智能自然猜不對，以此往複，直到猜中“喜歡”，這時随機出的詞向量的數值就更加接近正确的值，就這麼訓練上幾百、幾千億次，詞向量的數值就會逐漸正确，進而AI的回答就會越來越智能。這時一個詞就完成了詞的向量化，這一過程，還有一個專有名詞叫做“詞嵌入”。
而本次大火的ChatCPT，則是基于谷歌改良的自然語言處理算法Transformer的底層魔改的産物，簡單來講，就是通過算法模拟人類的“注意力”，進而極大的提升了AI了解語義的精準程度，就像谷歌自己論文的标題所說“Attention is all you need（注意力是你的全部所需）”，而具體的Transformer模型概述，各位可以移步這篇文章：
https://www.jianshu.com/p/b40deff0ca63
寫在最後
随着ChatGPT的讨論持續升溫，現在在網際網路上也出現了許多擔心未來自己的工作會被AI取代的聲音，就目前的情況來看，筆者認為還差得遠，但是一定會出現善于使用ChatGPT輔助自己工作，進而極大提升自己工作效率的情況。當然，發展AI是未來的趨勢，随着AI的疊代，一定會有大量從事瑣碎的、重複的、機械式工作的人将會被取代，這是未來的趨勢，我們任何人，都隻能去擁抱這樣一個時代趨勢，也隻能順勢而為。這樣的AI替代，必然是有争議的，但好不好，都不影響AI發展的趨勢。我們能做的隻有積極學習AI、接受AI，讓AI幫助自己更好地工作；同時努力提升自己，積極從事一些個人創造力占比大的職業。
祝各位都有一個光明的未來。
作者：ZongYu 來源：公衆号ID：EEPWweixin