HOT! HOT! HOT! 🔥 🔥 🔥
ChatGPT登上了国内各大平台的热搜榜，应该在去年11月末的时候就有不少同学了解并使用过，那个时候它刚刚问世，在互联网圈子里有了很大的热度，但是对于大众来说，还是不太了解的。热度还是有的，而且比较炸裂了，语言不好描述，我收集了一些常见平台的指数截图，大家可以感受一下：
百度指数
点击跳转到百度指数
Google Trends
点击跳转到Google Trends
注意，搜索热度最高的国家是中国，这还是在有墙的前提下，看来中国人的忧患意识不是一般的强
微博指数
ChatGPT是什么❓
在这个产品推出之前，大家应该听说过他们公司的一些其他产品，比如： DALL·E：openai.com/dall-e-2/ 这是一款图像AI，主要功能有“根据文案绘画”、“无限拓展图像的边界”… CodeX：openai.com/blog/openai… 这是一款自然语言转化成代码的AI产品，它就是之前比较火的微软的GitHub Copilot的驱动模型。 包括ChatGPT在内，他们几个都是衍生自GPT-3的产物，那么GPT到底是什么意思呢？ 2018 年 6 月，OpenAI 发布了一篇关于通用语言模型的研究，虽然全文都没有出现过 GPT 这个名词，但其实它就是 GPT-1。 这篇文章提出了一个叫作Generative Pre-traing的概念：生成式预训练。 生成式预训练的思想就不一样了，我直接拿着人类已有的现成的文字资料去训练 AI，怎么训练呢？我就让 AI 根据上文去续写下文，比如一句话，张三每天都很认真地学习，老师们都夸他是好____，“好”字后面我让 AI 去写，如果 AI 写出来的是“学生”，这就和原文一样，那就判断正确了，要是不对，就继续训练它朝着对的方向去走，这种训练方式的好处，就是研究人员不再需要花大量的资源去人工准备答案，每句话里下一个词就是上一段话的答案，理论上人类现有的所有文字资料，都可以作为训练数据直接喂给 AI 去学习，这就远远大于现有的任何人工制作的数据集。因为这个预训练过程不需要人工编写答案，所以人类现有的所有文字信息，小说、典籍、歌词、论坛里的回帖，甚至是软件代码，只要硬盘装得下，都可以喂给AI 模型去学习，不断地增大神经网络模型的参数量，不断地增加训练数据里的文本量，预训练模型的能力就会继续增长，用标注好的数据引导它去做各类具体任务的水平也会相应提升，这种生成式预训练，与一种叫做变形器Transformer的模型结构相结合，就成了 Generative Pre-trained Transformer，取三个字母缩写，就是 GPT。 此后 2019 年的 GPT-2、2020 年的 GPT-3，核心迭代思路都是利用“钞能力”扩大模型规模，GPT-2 的参数总量是 15 亿，GPT-3 更是提高到了惊人的 1750 亿，而截至今天，这条“钞能力”路线依然没有摸到天花板， 还在往下继续。
ChatGPT能做什么❓❓
ChatGPT不单是聊天机器人，它还能进行撰写邮件、视频脚本、文案、翻译、代码等任务，我尝试使用它来进行了一些测试，下面是一些示例截图：
💻 ChatGPT ✖️ 前端
一、技术调研 + 文档编写阶段
1、💻Cover不住的需求点应该用什么技术点来实现比较合适
2、不确定的技术方案（2）
💻设置一个浏览器插件，可以一键识别你当前屏幕中所有的二维码，并且将识别结果返回到对应的位置
插件效果：
二、编码阶段
正则表达式就不需要自己去写了
我想实现一个XX功能，帮我在github上找一个demo
config注解
react版本的图表
编写一个水印插件
三、自测阶段
四、读源码
五、不错的VsCode插件
vscode提供的插件 chatgpt中文版 付费版 （vscode 这个软目前30r月？市面上现在有很多免费的，付费款的话4.0版本会比3.5的贵很多）
🙋🏻 指令的美学
如何和ChatGPT这一类的AI沟通，他们叫做“指令”，好的指令和坏的指令得到的效果是非常不一样的，如果经常使用一些宽泛的生活用语和它交流，那么得到的结果往往不尽人意，甚至和手机里的语音助手没太大的区别。
我们先看一个不太好的例子：
!
我们可以看到，它的回答和网上搜索出来的结果没什么两样，当看到这种结果之后，很多人就会觉得：“啊，它不过如此，对我帮助不大”，可是当我们换一种方式来问它，结果可能让你惊艳到，我们重新问：
🙋🏻 可以看到，当我们向它发送一些比较专业一些的指令的时候，得到的结果往往也是更专业的，同样，这种结果也是更有参考意义，也是我们更想要的结果。
在发送指令前，希望你的指令最好满足以下几点：
内容清晰（省去不必要的文字，每个字尽可能都有用）
任务定义明确（帮我制作表格，我要你提供事物的重量和数量）
要求具体（比如我要一个清单、我要计算我的TDEE、我要去超市你帮我准备xxx）
具有迭代思维（一句话可能问不出来你想要的结果，你可以持续性的和它聊，基于一个或者几个点深入一下）
🔫 杀死那个ChatGPT？
1、For 教育
在美国，有很大比例的学生拿ChatGPT写作业、写论文、考试，而且ChatGPT给出的答卷往往成绩都很棒~
在一项由宾夕法尼亚大学沃顿商学院Christian Terwiesch教授进行的研究显示：ChatGPT能够通过沃顿MBA课程的期末考试。这位宾大教授1月17日发表的名为《ChatGPT能否获得MBA学位》的论文中称：经过实际测试，其考试得分介于B-和B之间。
2、For 程序员
它面进Google了！你怕不怕！它的工资可能比你还高哈哈哈！
18万美元offer！ChatGPT通过谷歌L3入职测试，人类码农危？
ChatGPT 通过谷歌 L3 工程师入职测试，年薪 18 万美元
ChatGPT版必应搜索悄悄上线又下线，但评测已经出炉
3、For 其他岗位
从这周的搜索数据趋势来看，很多人还是怕了的，“它究竟会不会代替我！”
瑟瑟发抖？基于ChatGPT的AI律师太过强大 被人类律师疯狂阻挠
放心 ChatGPT们不会完全取代会计,也不会完全取代审计,理由如下_会计审计第一门户-中国会计视野
ChatGPT来编辑部上班了，这篇推送它写的
🔚 结束语
如上，ChatGPT像一个💣一样引爆了全网的讨论热潮，但是这个热潮终将会慢慢褪去，在兴奋的向他人疯狂安利它之余，我也看到了很多人的思考，综合一些我自己的思考，总结了以下几点：
它的出现真的会让很多人失业吗？
它的出现无疑是划时代的，当前时间节点还正处在“新”时代的前期，我应该怎样接受它的存在并且高效且合理的使用它来为我服务？
未来AI遍地的时候，究竟还需要什么样的人才？中国式教育下出来的高材生在那个时代还有什么竞争力？
这应该是一波风口，新的风口下，会出现什么新的岗位，未来的社会又会发生什么样的变化？
未来互联网上发言的AI是不是会超过真实的用户？如果出现一些谁声音大谁就有理的公共议题讨论会怎么办？文章来源：https://www.toymoban.com/news/detail-455269.html
当然，以上的一些想法会比较偏保守一些，后期肯定也会有更多的法律或者条款来限制AI的野蛮生长，前段时间马斯克也讲到“人工智能比核弹更可怕，要成立AI监管机构”。
不过作为一个普通用户来看，目前的ChatGPT还是一个值得一试的产品，它真的可以为我们提升蛮多的效率。
目前大家使用的ChatGPT是从GPT3.5衍生出来的AI产品，其训练集并不是互联网上实时的数据，而是来自截止到2021年的数据。
它还处于一个婴儿阶段，还有很多不成熟的地方，据OpenAI统计，从2012年到2020年，人工智能模型训练消耗的算力增长了30万倍，平均每3.4个月翻一番，超过了摩尔定律的每18个月翻番的增速😱。
畅想一下未来~ 我们可以和钢铁侠一样，拥有一个知晓所有事物的Jarvis，你在工作、生活中的时候来上那么一句：帮我看看这段代码有没有什么漏洞、帮我想一下xx功能怎么实现、我想做一个xxx，帮我画个图纸，图纸画好之后，交给3D打印机，打印好之后告诉我…
而且这个未来，应该很近。文章来源地址https://www.toymoban.com/news/detail-455269.html
到了这里，关于ChatGPT ✖️ 前端 = 有点er意思的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
