先说概念，Chat-GPT（Chat-Generative Pre-Training），直译是聊天-生成式预训练。当然了，一般中译的时候会加上AI模型的后缀。所以通常意义上来说，这个Chat-GPT是个主要用于聊天的，生成式的预训练AI模型。
这里面的G也就是生成式，是相对于之前的决策式AI来说的，具体的差别可以参考下图：
（图1）
可以看出来，决策式AI就是根据学习过的已知对类似的新问题下判断，而生成式AI则是在此基础上根据要求“创造”出新的类似内容。
那么显然这套系统在对外提供服务的时候需要有预先的训练才能按照人类的思维方式来输出内容。
终于提到内容了。为啥要选Chat聊天这个主题来推进这个服务模型？因为这个场景是随机性最强以及最需要不断的内容输出的，因此难度也相对较高。所以更精确的描述，我们是要在生成式前面再加上内容的限定，也即Chat-GPT是聊天-内容生成式与训练AI模型。
概念之后说说核心技术：
1、语⾔处理：
OpenAI 开发了⼏款⾼度先进的语⾔处理模型，其中包括GPT-3，这是⽬前为⽌最⼤最强⼤的语⾔处理模型。这些模型能够⽣成⼈类⽂本，并在⾃然语⾔理解⽅⾯取得了显著的进展。
2、计算机视觉：
OpenAI 也在计算机视觉领域开展了⼤量研究，并开发了⼀些先进的 AI 系统，能够像⼈类⼀样识别和理解图像。
3、深度强化学习：
OpenAI 还在深度强化学习领域开展了⼤量研究，并开发了⼀些⽤于游戏和其他应⽤的 AI 系统。
以上这些都是Chat-GPT说的。
基于核心技术的分析，Chat-GPT也是有前世今生的，本次之所以能在全球全行业形成如此震撼的影响力，主要的提升如下：
1、敢于质疑不正确的前提
2、主动承认错误和⽆法回答的问题
3、⼤幅提升了对⽤户意图的理解
4、大幅提升了结果的准确性
那么如何产生以上提升的呢？
我们来看一看Chat-GPT的训练方式：
（图2）
这里面最重要的是两点，一是算法的持续迭代，二是为了支持算法持续迭代进行的海量数据输入和结果反馈。这里面弥漫着金钱的味道，说白了就是拿钱砸。
那么最后我们来看看，全球最聪明的这批大脑花了无数银两打造出来的这个模型能有啥用。这就要提到通常意义上科技进步的动力。一是懒，二是省钱。没错，重金打造的产品和服务最后却是为了省钱而存在的，多少有点儿荒谬，但，也是真相。
所谓懒，举个简单的例子，现在Chat-GPT在与bing搜索整合，之后我们在搜索的时候再不用面对冷冰冰的搜索框和无数的有关的无关的以及不知道有关无关的搜索结果链接了。Chat-GPT是直指答案且是最优答案的。
而省钱的部分，怎么说呢，这个玩意儿的出现意味着内容“创造”这个原来属于人类的独门绝技被学会了，而且说实在的，像内容生产的这种事情也并非每个人类都能做到的，甚至是大部分人类做不到的事情。
而现在，Chat-GPT直接给了你水准之上且超快的输出，那么可以想见，相关行业的中端及中低端人员替代是个马上可以提上日程的事情了。这是多么巨大的人力成本节约。这也是改变范式的力量，前两年在思考的一个问题是除了大陆，有如此巨量的工程师基础，数字化才能如此深彻到社会的各个角落，其他国家可能包括美国都不太可能在这个问题上找到太好的解决办法，否则台积电在美国建厂也不用整飞机整飞机的往美国本土运送工程师了。
但由于现在范式的改变，这种情况很有可能在根本上产生逆转。因为对Chat-GPT来说，代码也不过是内容的一种。今天参加我们甲方爸爸的大会时，给所有人安排了一个23年节约10%cost的课题，我觉得对我们digital这个领域来说，有了Chat-GPT这东西，想实现太容易了，未来确实不需要那么多人了，只是23年是否能实际达成的问题。略有点悲凉，项目组的各位，请珍惜你们还能有不错薪资工作的美好时光吧。从这个角度来说，这个东西未来也会成为数字化转型的重要基石，费效比太高了。
最后我们简单看看行业中预测的一些Chat-GPT的落地场景：
（图3）
说的更具体和直白一点：文案写作、文字转图片、视频智能配音、智能海报生成、视频智能特效、代码生成、语音人机交互、智能医疗诊断等等，这些都没问题。
范式革命来临，我们每个人都不可避免的被卷入，唯有持续打磨自己，让自己成为真正的高手，才能不被替代甚至是驾驭人工智能。
感谢您的耐心阅读！
END