4月3日晚上，得到直播間邀請到了計(jì)算機(jī)科學(xué)家、自然語言模型專家吳軍，就人工智能和ChatGPT等當(dāng)下熱議的話題作了一次直播分享。
ChatGPT的出現(xiàn)，為什么會引起恐慌？
我知道，最近ChatGPT這事兒在中國很火，很多人在討論，但很有意思的是，其實(shí)這件事在美國，已經(jīng)沒有太多人去談?wù)撨@個(gè)話題了。其實(shí)不光是ChatGPT，往前看十年，當(dāng)時(shí)很多新技術(shù)出現(xiàn)的時(shí)候，我就發(fā)現(xiàn)在中國媒體上討論的熱度要遠(yuǎn)遠(yuǎn)高于美國。雖然那個(gè)技術(shù)其實(shí)主要出現(xiàn)在美國，但是中國人老百姓對此更關(guān)心。我認(rèn)為這是一件好事，但也是一件壞事。
這個(gè)“壞”在于，這些技術(shù)實(shí)際上是被過度的炒作了，在這個(gè)過程中，有很多渾水摸魚的人從中賺錢。就比如說區(qū)塊鏈，當(dāng)時(shí)炒得那么熱，但如今這個(gè)事已經(jīng)很少有人討論了，對吧？這是第一個(gè)。第二個(gè)就是元宇宙，目前美國只有 Facebook一家還在堅(jiān)持做。那到了中國，很多人就在討論說，我們是不是將來會生活在一個(gè)完全虛擬的世界。最后，大概去年底到今年初，F(xiàn)acebook在這個(gè)領(lǐng)域幾百億美元投下去，一個(gè)響也沒聽著，最后開始了大規(guī)模的裁員。到了現(xiàn)在，被熱炒的一個(gè)話題就是ChatGPT，有的人興奮，有的人恐懼，還有我現(xiàn)在也看到在中國還有很多人在渾水摸魚，試圖再割大家一次韭菜。
在講ChatGPT是什么以前，我先給大家講一個(gè)歷史故事，這歷史故事你聽起來你就會發(fā)笑，但是你回頭看，今天很多人的表現(xiàn)也是如此。
1503年，哥倫布的兒子記下來的這么一件事兒，哥倫布往西航行，去往新大陸，結(jié)果航行到中途，到了牙買加這個(gè)地方，船上就沒吃的了。于是，哥倫布和船員只能寄希望于當(dāng)?shù)厝藖硖峁╋嬍?。但是，提供了幾天以后，船員就跟當(dāng)?shù)厝税l(fā)生了矛盾——有些船員偷了當(dāng)?shù)厝说臇|西，所以當(dāng)?shù)厝司蛿嗔孙嬍车墓?yīng)。
為了擺脫這個(gè)困境，哥倫布想到了一個(gè)妙招。哥倫布當(dāng)時(shí)隨身帶著一本萬年歷，在日歷上標(biāo)著說某年月日會出現(xiàn)日食、月食等等所有這些信息。哥倫布當(dāng)時(shí)就把當(dāng)?shù)氐牟柯涫最I(lǐng)找來，說你們不給我提供食物，已經(jīng)得罪了上帝，上帝會發(fā)怒，月亮就會變紅，然后上帝就會把月亮收走。
當(dāng)然，我們現(xiàn)在基本上都知道，在月全食發(fā)生的時(shí)候，也就是地球還沒有完全擋住月亮的時(shí)候，月亮確實(shí)是紅的，就是我們所謂的“血月”。但是，當(dāng)時(shí)的牙買加人并不知道。結(jié)果，到了晚上，牙買加人就發(fā)現(xiàn)，月亮果然變紅了，然后慢慢地就一點(diǎn)點(diǎn)消失了。當(dāng)?shù)厝司拖萑肓丝只?，大家紛紛說，上帝要懲罰他們了。
這個(gè)部落首領(lǐng)慌忙去求哥倫布，承諾答應(yīng)哥倫布的所有條件。哥倫布就說，好，我去帳篷里向上帝禱告，讓他不懲罰你們，但是我需要一點(diǎn)時(shí)間，然后哥倫布就走進(jìn)了帳篷。其實(shí)，進(jìn)了帳篷之后，哥倫布就是拿著一個(gè)沙漏，在看那個(gè)計(jì)時(shí)。
今天咱們有天文學(xué)知識，肯定知道月全食的時(shí)間，也就會維持大概48分鐘，到時(shí)候月亮就會重新出現(xiàn)。但是，這些牙買加人不知道。他們看到的就是，哥倫布從帳篷里出來，月亮也就出來了。然后哥倫布說，這是上帝已經(jīng)聽了我的勸解，答應(yīng)寬恕你們，但是你們必須要給我們好好地提供食物。所以，當(dāng)?shù)厝饲Ф魅f謝，給他們不斷提供食物。
這個(gè)故事說明什么呢？月全食這件事，它的發(fā)生背后自有其原因，但是在人們不知道這個(gè)原因的時(shí)候，往往只能把這個(gè)自然現(xiàn)象歸結(jié)為一個(gè)神的作用。而這個(gè)神，本身又是人創(chuàng)造出來的。也就是說，人自己創(chuàng)造一個(gè)神以后，然后趴在神的腳下，成為了他的奴仆。
這就是我為什么要給大家開《世界文明史》的課程。
其實(shí)這個(gè)文明的發(fā)展過程，就是人類不斷認(rèn)識自然規(guī)律的過程。我們一點(diǎn)點(diǎn)的進(jìn)步，為的就是讓現(xiàn)在的我們不再像當(dāng)?shù)氐耐林四菢?，盲目地相信一個(gè)人向上帝禱告真的可以阻止月亮消失。我們現(xiàn)在知道，在日食月食的背后，實(shí)際上是開普勒行星的三定律在起作用，然后在開普勒行星三定律背后是牛頓的萬有引力定律。人類搞清楚這個(gè)原因以后，對自然就不再僅僅是畏懼了，我們可以利用自然規(guī)律做很多很多事情。
ChatGPT的技術(shù)基礎(chǔ)是什么？
從歷史回到現(xiàn)在，其實(shí)ChatGPT的情況也差不多，背后是一個(gè)叫做語言模型的一個(gè)數(shù)學(xué)模型在發(fā)揮作用。換句話說，ChatGPT的背后是一個(gè)數(shù)學(xué)模型。在今天，這項(xiàng)技術(shù)顯得很強(qiáng)大的原因主要是三個(gè)：
第一，它用到的計(jì)算量很大；
第二，它的數(shù)據(jù)量很大；
第三，今天訓(xùn)練語言模型的方法比以前要好很多。
那么，語言模型是什么呢？或者說它是一個(gè)什么時(shí)代的產(chǎn)物？
它是1972 年，由我的導(dǎo)師賈里尼克(Fred Jelinek)帶領(lǐng)團(tuán)隊(duì)研發(fā)的一項(xiàng)技術(shù)。具體地講，是他當(dāng)時(shí)在IBM帶著人來完成的一項(xiàng)技術(shù)，是用來衡量一句話或者一個(gè)語言現(xiàn)象有多么的可能產(chǎn)生。那它有什么用？它最初的用處是做的語音識別，后來是做機(jī)器翻譯，再后來是做計(jì)算機(jī)問答，也就是我們今天熟悉的回答問題。
當(dāng)時(shí)它就可以做摘要，比如舉一個(gè)例子，有一篇一萬字的文章，那么你怎么摘要出十句話能概括這一篇文章的內(nèi)容，這對于做這個(gè)自然語言處理的人來講，就是一個(gè)數(shù)學(xué)問題。也就是說，你的條件是什么？條件是這一萬個(gè)字，然后你想得到的結(jié)果是什么？結(jié)果可能就是十句話，一百個(gè)字。然后這里頭有很多種組合，你可以隨便挑幾個(gè)句子，也可以把有的句子拆成兩段，把后面那些不太重要的修飾或者形容的部分去掉。然后，你也可以把兩個(gè)句子合成一個(gè)句子，那么你在合成一段文本的時(shí)候，這個(gè)計(jì)算機(jī)就會計(jì)算一個(gè)概率，哪些句子合成在一起的概率比較大，它會按照概率幫你合成。
而我們今天看到的ChatGPT，就是這個(gè)大的語言模型，它就是會挑一個(gè)概率最大的、最有可能發(fā)生的這樣一個(gè)文本來給你看。所以總體來講，ChatGPT生成結(jié)果的過程，是一個(gè)用大量的計(jì)算資源來計(jì)算的過程。它需要非常龐大的數(shù)據(jù)量來支撐，有很多很多的GPU（電腦處理器）。沒有這些東西的話，ChatGPT是做不起來的。
而且今天這個(gè)ChatGPT，其實(shí)不光是技術(shù)，還有很多人工在背后。他們還雇了一家公司，專門負(fù)責(zé)審核ChatGPT產(chǎn)生的結(jié)果。比如說，ChatGPT產(chǎn)生了一百篇摘要，都挺好，我已經(jīng)分辨不出來了，那么這些人就負(fù)責(zé)幫我分辨一下，到底哪一篇更像是準(zhǔn)確的摘要。
那實(shí)際上，你可以看到，ChatGPT背后就是一個(gè)語言模型，而這一語言模型的技術(shù)是1972年就已經(jīng)有了的。到現(xiàn)在，經(jīng)過了五十年，現(xiàn)在行業(yè)內(nèi)其實(shí)大家并不覺得它是一個(gè)什么了不得的東西。在此以前，這個(gè)語言模型其實(shí)已經(jīng)做了很多的事情。
提到“語言模型”（language model）這個(gè)詞，最初是由我的導(dǎo)師賈里尼克提出來的。他大概在1993年的時(shí)候到了約翰霍普金斯大學(xué)，我是1996年到這個(gè)大學(xué)，然后成為他學(xué)生。那么這個(gè)詞的中文，也就是你看到的“語言模型”這四個(gè)字，則是我在20世紀(jì)90年代的時(shí)候發(fā)表論文時(shí)候創(chuàng)造出來的。那時(shí)，只有我們這些圈內(nèi)的人知道它能做很多事，但是你不會想到說，哎，這個(gè)事后來會被熱炒。
你可以這樣理解，“語言模型”之于ChatGPT，就相當(dāng)于開普勒的這個(gè)行星三定律之于月食。
“語言模型”誕生之初是什么情況？
那么在發(fā)明的當(dāng)時(shí)，語言模型是一個(gè)什么情況？
其實(shí)，在20世紀(jì)90年代的時(shí)候，用簡單統(tǒng)計(jì)方法得到的模型很不準(zhǔn)確。這就相當(dāng)于，我打個(gè)比方，你觀察行星，但用的是托勒密的地心說來預(yù)測，是很不準(zhǔn)確的。所以，那時(shí)候我們開始引入了語法、主題、語義的很多信息。然后，這個(gè)語言模型就變得很復(fù)雜了。復(fù)雜之后就又帶來了一個(gè)很大的問題。
什么問題？
比如，我當(dāng)時(shí)做過一個(gè)很復(fù)雜的語言模型，這個(gè)語言模型當(dāng)時(shí)有多少參數(shù)？600萬個(gè)參數(shù)，就是說，這個(gè)語言模型大小基本上按這個(gè)參數(shù)來定。我那時(shí)候做的已經(jīng)是那個(gè)時(shí)代能做的最大、最復(fù)雜的語言模型了。我當(dāng)時(shí)用的還不是PC機(jī)，而是20臺超級服務(wù)器，然后大概算了三個(gè)月才訓(xùn)練出這樣一個(gè)語言模型。所以你看，它的計(jì)算量是非常大的。那么，第一版ChatGPT，它用的語言模型參數(shù)是多少呢？大概是 2000 億個(gè)參數(shù)，大家可以看到這些年的變化。
所以，今天很多人問，ChatGPT在美國出現(xiàn)了，中國研究機(jī)構(gòu)什么時(shí)候能做ChatGPT？其實(shí)，中國的大部分研究機(jī)構(gòu)是做不了的，不是說研究水平的問題，而是因?yàn)镃hatGPT太耗資源。今天的ChatGPT，可能光硬件的成本就要差不多10億美元，這還沒算電錢，所以成本和耗資是非常巨大的。所以，如果開完玩笑，問ChatGPT的最大貢獻(xiàn)是什么，我倒覺得它對全球變暖是有很大貢獻(xiàn)的。
所以，我想說的是，ChatGPT這件事，它的原理很簡單，但是在工程上要想做到，其實(shí)是蠻困難的一件事。
計(jì)算機(jī)擅長回答什么問題？
到了大概2010年前后，也就是13年前，語言模型能做到什么程度？我給大家看兩個(gè)例子。這兩個(gè)例子都是我在2014年離開Google以前做的。當(dāng)時(shí)我負(fù)責(zé)的是Google的自動問答系統(tǒng)，就是讓計(jì)算機(jī)回答問題。不過因?yàn)檫@個(gè)產(chǎn)品是英文的，所以在中文世界基本上沒有太露臉。
我給你看一下谷歌回答的一個(gè)問題——為什么天是藍(lán)色的，why is the sky blue？
它的回答是這樣的：太陽光透過大氣層到達(dá)地球時(shí)會發(fā)生折射，空氣中的氣體會讓不同顏色的光散射到各個(gè)地方，藍(lán)光波長短，比其他顏色折射率高，所以看上去天是藍(lán)色的。
這是當(dāng)時(shí)計(jì)算機(jī)產(chǎn)生的一個(gè)答案。公平地講，這個(gè)答案比我自己寫一段答案寫得要更好，因?yàn)橐忉屵@現(xiàn)象，你要知道不少物理學(xué)知識，而且這個(gè)句子看上去也挺合情合理的。而今天人們使用ChatGPT的一個(gè)目的，就是讓他回答問題。
這里面，我給大家做個(gè)拆分。
其實(shí)，我們問計(jì)算機(jī)的問題可以分為兩類，第一類叫做簡單問題，第二類叫做復(fù)雜問題。簡單問題就是關(guān)于事實(shí)的問題，比如某某明星是哪兒人，哪一年生的。這都是一些容易的問題，因?yàn)樗鞘聦?shí)，有明確答案。
第二類是復(fù)雜問題，這也是大家覺得 ChatGPT 非常驚艷的地方。它能整合信息，回答天為什么是藍(lán)色的，好像它自己有邏輯一樣。再有一個(gè)，就是問過程的問題，比如說我怎么烤蛋糕，你能不把一步步寫下來？今天我們問ChatGPT怎么烤蛋糕，它可以把這個(gè)過程給你寫得很詳細(xì)，多少杯水，加多少個(gè)雞蛋，加多少面粉等等，它都可以告訴你。然后你根據(jù)它提供的答案，就真能烤出蛋糕，而且烤得可能還挺不錯(cuò)。
這是大家覺得很了不得的地方。但是你要知道，這件事，在2014年其實(shí)計(jì)算機(jī)已經(jīng)做到了，而且做得很好。所以，這項(xiàng)技術(shù)本身并沒有太多神秘的地方。
計(jì)算機(jī)和人，誰更擅長寫作？
現(xiàn)在，大家熱議ChatGPT，還有一個(gè)原因就是覺得它能寫作。比如說寫一個(gè)工作簡報(bào)，這是今天美國人用ChatGPT用得最多的地方。我這周干了1234567，這七件事，哎，你看我就不用自己費(fèi)勁地寫了，我讓ChatGPT生成一個(gè)，然后再編輯一下子就可以了。
但是，計(jì)算機(jī)寫作這件事，其實(shí)你說難也難，說容易也容易，我可以給你舉個(gè)例子。
在2014年我離開Google之后，當(dāng)時(shí)不太做編程了，不過那時(shí)候我還有一些計(jì)算資源，所以我自己在空閑時(shí)間會寫一些程序，做著玩。當(dāng)時(shí)呢，我就讓計(jì)算機(jī)寫了兩首詩，大家可以讀一下這兩首詩。
第一首詩是個(gè)五言詩，這是用我的話說，叫做李白風(fēng)格的一首詩，大家可以讀一下。這首詩就是計(jì)算機(jī)自己寫的。實(shí)際上，你如果讀一讀，這個(gè)詩里還真有一些李白的這個(gè)特點(diǎn)。
那第二首詩，我也把圖片放在下面了，你可以看一下。
先說一下，因?yàn)楣旁姸加衅截埔徽f，但是我們現(xiàn)在的讀音和當(dāng)時(shí)的讀音不一樣，所以我們也沒去管這個(gè)平仄到底合不合古，但是這個(gè)我們單從它的內(nèi)容意境來講，你讀的會覺得很順暢。
好，那么話說回來。第一首詩怎么做的？
其實(shí)再簡單不過了，你就把李白的詩放到計(jì)算機(jī)里。李白詩一共1000 多首，也就一萬來句話，這個(gè)對計(jì)算機(jī)來講太簡單了。它寫的時(shí)候，就是把句子分拆開來，拆成兩個(gè)字、三個(gè)字一組，比如“空愁”這是一組，“憶長安”這三個(gè)字一組。然后它就去拼剛才我講的語言模型，算概率，哪個(gè)概率最大；拆完了以后，我就跟他提一個(gè)要求，說要寫一首憶長安的詩，它就排列組合，生成出這個(gè)《憶長安》，實(shí)際上就是這么拼湊出來的。第二首詩稍微復(fù)雜一點(diǎn)。
但你知道這兩個(gè)程序我寫了多長時(shí)間？兩天。這說明什么呢？說明你讓計(jì)算機(jī)寫出一些還挺像樣的東西，其實(shí)不是一件很困難的事情，它沒有你想得這么神秘，或者說計(jì)算機(jī)寫作本身沒有這你想得這么神秘。
那為什么這兩首詩看起來特別好？因?yàn)檫@是唐詩，唐詩的格式是固定的。同樣的道理，為什么用ChatGPT寫周報(bào)寫得好？因?yàn)橹軋?bào)的格式基本上是拉清單，那也是個(gè)固定的格式。包括，如果你讀《華爾街日報(bào)》中文版，這里頭我跟你講，90%的內(nèi)容都是計(jì)算機(jī)寫的，只是你不知道。寫完了以后人當(dāng)然要給它一個(gè)主題，然后給它寫的第一段話寫個(gè)引子，然后給一個(gè)總結(jié)，起個(gè)標(biāo)題，這是人要做的。
為什么寫財(cái)經(jīng)文章比較好？因?yàn)樗泻枚嗟氖聦?shí)在里頭，格式也是固定的，所以這件事它做起來就很好。
我花這么長時(shí)間來講ChatGPT的背景，實(shí)際上就是想說它并不神秘，不是一個(gè)什么很高深的機(jī)器在背后。一方面，ChatGPT依靠的是一個(gè)數(shù)學(xué)模型，而這個(gè)數(shù)學(xué)模型1972年就有了，只是今天它的計(jì)算能力非常強(qiáng)，靠蠻力計(jì)算。
那么，ChatGPT訓(xùn)練一次要耗多少電？大概可能是3000輛特斯拉的電動汽車，每輛跑到20萬英里，把它跑死，這么大的耗電量，才夠訓(xùn)練一次，這個(gè)非?；ㄥX的一件事。
ChatGPT對我們到底有什么影響？
那么接下來講講，ChatGPT對人有什么影響。
這就要回到歷史上來看了，每一次技術(shù)革命，其實(shí)它對人都會有一些影響。不過，ChatGPT它不算是一項(xiàng)新的技術(shù)革命，因?yàn)檫@我剛才講了，這個(gè)過程很長，從20世紀(jì)70年代到90年代，我們做了很多事，90 年代到現(xiàn)在又有很多人做了很多事。這里頭最大進(jìn)步其實(shí)不是這個(gè)語言模型本身，實(shí)際上是后來2000年左右產(chǎn)生的深度學(xué)習(xí)，使得訓(xùn)練語言模型能比以前準(zhǔn)確了，不是簡單的做統(tǒng)計(jì)。
今天訓(xùn)練語言模型早已經(jīng)不是簡單做統(tǒng)計(jì)了，這才是ChatGPT能產(chǎn)生比較好的結(jié)果的一個(gè)原因。
至于說ChatGPT對人能產(chǎn)生什么樣影響，這個(gè)問題我先不直接回答你，我先問你，剛才給大家看這兩首唐詩，你有沒有發(fā)現(xiàn)一個(gè)什么特點(diǎn)？對了，這兩首詩寫得不錯(cuò)，但是你原來對唐朝了解，不會因?yàn)槎嗔诉@兩首詩會有更新的了解。因?yàn)?，ChatGPT它某種程度上有點(diǎn)像鸚鵡學(xué)舌，你先要說一段話，它才能跟著學(xué)。它說出來的聲音可能很好聽，但是它并不提供更多的信息。
今天互聯(lián)網(wǎng)上90%的內(nèi)容都屬于這一類——不提供更多的新信息，也不是原創(chuàng)內(nèi)容，也不是自己的感悟，無非是東抄抄，西湊湊。目前，抖音、快手這類短視頻，我覺得99%的內(nèi)容都屬于這一類，沒有營養(yǎng)，你讀完以后可能覺得挺有意思，但實(shí)際上你在上面讀了再多，其實(shí)對你沒有任何幫助。
如果說ChatGPT真的威脅到了誰，我覺得威脅到的就是這一類人的工作，就是說這個(gè)抖音上頭那個(gè)做短視頻的，或者發(fā)布一些內(nèi)容的，ChatGPT會做得比他們好很多。你就想這樣一件事兒，假設(shè)說，有一群人天天把那唐詩三百首里頭的句子翻來覆去的捯飭，也能捯飭出一些詩，那么ChatGPT捯飭起來肯定比人快得多，所以這項(xiàng)技術(shù)會對這一批人會有影響。
那么，什么人不會受到影響？就是內(nèi)容創(chuàng)造的人不會受影響。
為什么我會這么講？還記得剛才我說的“為什么是天是藍(lán)色的”這個(gè)問題嗎？Google為什么能回答這個(gè)問題？
因?yàn)樵贕oogle進(jìn)行回答的時(shí)候，它大概把當(dāng)時(shí)英語幾乎所有的像樣的句子都做了分析，大概有1000 億句英語句子。那么實(shí)際上你會發(fā)現(xiàn)，在一些大學(xué)的網(wǎng)站上和NASA的網(wǎng)站上，它就有這個(gè)答案，只是我們把它拼拼湊湊，刪刪減減，就把它挑出來了。但是最早的物理學(xué)家做這項(xiàng)研究，把這個(gè)道理搞清楚，這個(gè)工作是有意義的，也是ChatCPT取代不了的。
所以，ChatGPT的工作相當(dāng)于什么呢？舉例子，托勒密創(chuàng)造出這個(gè)模型以后，那么每過一段時(shí)間，他們歐洲就會編一個(gè)大概幾十年的一個(gè)日歷，然后上面標(biāo)上哪天有日食，哪天行星會怎么運(yùn)動等等。那么人們根據(jù)這些規(guī)律，印好多本這個(gè)書，這個(gè)ChatGPT就相當(dāng)于有好多本書，你拿著以后一看，說，喔，某年月日會發(fā)生月食，答案就會很清楚。但是，背后真正有意義的工作不是印這個(gè)書，而做托勒密的那個(gè)研究。
所以我認(rèn)為，從歷史上看ChatGPT其實(shí)不算是一次技術(shù)革命，它影響到的都是那個(gè)比較懶的人，懶得動腦筋，創(chuàng)造新東西的人。真正探索人類知識奧秘的人，是不會被取代的。
ChatGPT能帶來什么新的機(jī)會？
很多人問說，ChatGPT有什么新機(jī)會？坦率來講，你沒機(jī)會，因?yàn)樘馁Y源了，你耗不起。那么什么人能夠受益？那就是賣資源的這些人。
我可以打個(gè)比方，就是說在這個(gè)加州淘金熱的時(shí)候，很多人蜂擁而至，去淘金，單我們到今天為止還不知道哪一個(gè)淘金者真的掙得著錢，沒一個(gè)人把名字留下來。但是最后誰掙著錢了？是賣水的人和賣牛仔褲的人。ChatGPT也是一樣的道理。大家跟著一起去淘金，其實(shí)你是掙不著錢的，但是在過程中，你還不斷地要買水喝，買牛仔褲穿，最后就是這兩撥人掙到錢了。李維斯Levi's，就是那時(shí)候產(chǎn)生的這么一個(gè)公司，它就是做牛仔褲的。
那么最后你可能是給幾家大的做云計(jì)算的公司在交錢，這可能是一個(gè)結(jié)果。
好了，講完了這個(gè)ChatGPT的歷史，我給你做一個(gè)簡單的總結(jié)。
第一，不要恐懼。
今天是很多人恐懼ChatGPT，就如同不要像當(dāng)年哥倫布遇到的牙買加土著人恐懼月食，一樣的道理。
第二，不要勉強(qiáng)去找所謂的機(jī)會，該怎么工作就是怎么工作。
我看有同學(xué)問我，說蘋果為什么這個(gè)不做ChatGPT，我說這就對了！這就是為什么蘋果是世界上最有錢的公司，利潤最高，市值最多。目前，很多所謂做這種人工智能的公司到現(xiàn)在都在虧錢。所以，這也是為什么很多同學(xué)有時(shí)候問很多太不著調(diào)的問題的時(shí)候，我就開玩笑地問他說，你的房貸還清了嗎？你要沒還清，你就好好回去工作，把工作做好，這才是對大家最有意義的事情，從歷史上看也是如此。
第三，你要識破這些所謂的陰謀家或者想割你韭菜的人的那些把戲。
就是說，如果再來一個(gè)人假裝哥倫布說他是神的代表，然后他能祈禱上天能讓這月亮出來，你不要信。所以你需要了解ChatGPT背后的一些科學(xué)原理。最簡單的一些原理，像今天我講的這些，你還是需要有所了解。
吳軍，1967年出生，畢業(yè)于清華大學(xué)和約翰霍普金斯大學(xué)，計(jì)算機(jī)專業(yè)博士，前Google高級資深研究員、原騰訊副總裁、硅谷風(fēng)險(xiǎn)投資人。