聊天GPT第三讲原创

ChatGPT的容量边界在哪里？

        ChatGPT在今天被热炒，主要的原因不是因为它能和人聊天，或者能帮助人做作业。其实做作业这件事它做得并不好，虽然有些中学和大学的问题它能够解决，但是对于马尼拉问题，它给出的答案都是车轱辘话。

        ChatGPT 被热炒的原因是其实，ChatGPT 真正可怕的地方存在，按照当前的速度发展下去，不断扩大应用领域，它可能可以解决很多到底需要人类才能解决的问题。

        现在问题来了，哪些问题是ChatGPT能解决的？哪些是不能解决的呢？

        前面说了，ChatGPT的基础是语言模型，因此，它的极限也被语言模型的极限所限制。

        这个讲，我们就看看语言模型做什么事情。明白了这个问题，你就知道了ChatGPT的能力边界。

        我们把语言模型能做的事情分成三类：

第一类：信息形式转换。

        ChatGPT 可以将信息从一种形式转换为另一种形式，例如语音识别和机器翻译。在语音识别中，会将语音声波转换为文字，而在机器翻译中，将一种语言的编码转换为另一种语言的编码。然而，这种转换通常会导致信息的损失。例如，在翻译过程中，文化元素可能会丢失，因为计算机难以理解理解语言的文化暗示。这使得它在某些情况下可能会给出不准确的答案。

        之前有一个团队产生了一个想法，说既然能够让将一种人类语言的文本翻译成另一种人类语言的文本，就应该能够将计算机语言描述的文本翻译成机器语言的脚本，清晰的程序。这时的困难是，人其实也无法非常准确地用自然语言把自己的想法说清楚。

        但从信息论的角度看，如果已经有了完美的算法，这一类大问题都可以得到完美的解决。对于这些事情，最终人还是做机器的。

第二类：根据要求产生文本。

        是ChatGPT目前主要的应用领域，包括回答问题、回复邮件、写简单的段落等。但这类工作中，输入的信息稀疏，输出的信息坐标，这带来了信息不足的问题。这也是为什么可以迭代式的方式交互提高ChatGPT的写作质量。

        什么是迭代式的交互方式呢？其实就是比如先给ChatGPT提要求， 制造但是写一篇文章。强制人到了这个状况了，如果对机器写的文章提出了新的要求，那么它就会重新给你写，然后你再提要求。这样一来二去，几次迭代下来，文章质量就大有提高了。

        虽然可以学习大量知识，并在某些领域表现出色，但就像之前的问题，“天为什么是蓝色的”，能得到完美的答案，那是之前因为有物理学家进行了研究，并且他们的解释得到了更多物理学家的认可。也就是说，还是有人工干预在先。甚至于很多问题，其实在互联网上就找到了比较好的问题答案。ChatGPT 这一类软件只是把它们整理出来。

        再比如ChatGPT做小学算术应用题，甚至参加一些语文考试，比参加研究生入学考试的成绩都要差很多，原因就是，那些小学生的题它没见过的，研究生入学考试都是标准化的，有很多过去的考试题可以找到。

         但是说法回来了，虽然并不具备发挥创造力，无法像作家那样的想象力和个性。

        但它很有价值的，它可以减少人的工作量。这就像你在参加物理考试时，可以节省时间一样。但是如果你不懂物理学的内容，甚至有了趁手的工具，也照样考不出来。

        也同样的，如果你不懂程序，还有ChatGPT帮你写代码，也照样完成不了客户或者提高的需求。

第三类：信息专业。

        此类任务涉及将更多的信息专业为未知的信息，比如一篇长文撰写摘要或进行数据分析。如果人们正在着手的话，一定要先接受主要的观点，然后根据自己的观点选择数据，无意忽略那些重要但不合自己想法的数据。还有很多人在做摘要时，喜欢断章取义。这些问题，计算机通常都能够避免。

        就像读《红楼梦》一样，有的人把它当作宝黛爱情故事来读，有的人把它当作官僚家庭的生活来读，也有人把它当作中国农耕社会的缩影来读。类似地，同样一部电影剪辑成短片，不同人挑选的片段也不同。

        在这方面，ChatGPT 通常可以比人类更快地完成任务并提供调查的结果，它不会受到偏见的影响。然而，它的缺点是缺乏个性化，无法根据不同用户的需求提供不同的结果。

        机器做这种事事情，结果都是千篇一律的。这就类似于生产线出现之前，手工制作的产品，每一件都有自己的特点；而大机器生产之后，所有的都是产品标准化的。

        我们一般来说，在这方面，人是做机器的。这就相当于手工产品的质量并不如大型机器生产的好啊。