我们不应该担忧ChatGPT对我们的冲击，ChatGPT的出现，带给我们什么新的机会？
最近，一款名为ChatGPT的聊天机器人爆红了。它是由OpenAI开发的，是一款基于自然语言处理技术的聊天机器人。
ChatGPT的主要功能是能够进行自然语言的交互，就像人类一样，它可以回答问题，并且能够与用户进行智能对话。它的交互能力非常强，可以自动识别用户的意图，并且能够以自然的语言进行回答。据OpenAI公司的介绍，它可以“通过对话的方式交流，可以连续回答问题，承认自己的错误，挑战不正确的前提，以及拒绝不合理的要求”。
ChatGPT已经成为了最受欢迎的聊天机器人之一，只需要注册一个OpenAI的账号，就可以免费和这个模型交互对话，简单方便。短短5天内，就吸引了100万网友，从硅谷的精英到中国的程序员，从加尔各答的印度外包到欧洲核子研究中心的科学家，都在反复挑战这个模型的极限，也发现了很多让人意想不到的结果。
如果你是一个前端开发，收到这个PRD，发愁怎么写代码，那么一问ChatGPT，它也如你所愿的把代码一并奉上：
AI人工智能
人工智能写的代码
这时候服务端同学也收到PRD，外事不决问ChatGPT，那么神奇的事情发生了：
chatGPT写的代码
chatGPT写代码
如果你仔细看我上面的对话可以发现，我质疑ChatGPT给出的代码存在问题，它很快承认并给出修复方案。而且如果你再仔细查看我的对话记录，我还会继续质疑修复方案，让他给出性能更优的方案，而它也如我所愿，最终给出了我想要的答案。这些代码和方案完全是一个合格的Go程序员能给出的最好答案。
ChatGPT的强大不仅体现在写方案和代码上，他还能帮你润色文本，优化代码，写故事，心理辅导，都能回答的有模有样，让大家爱不释手，玩的上瘾，欲罢不能。也难怪上线几天内就成为一个“现象级”的大事件了。
那么ChatGPT是不是一个根本性的科研或者工程突破，实现真正质的飞跃呢？是，也不是。“是”的方面，ChatGPT真正第一次将大规模预训练模型结合有人类参与的强化学习模型，展现了近年来大模型AI技术的强大能力，能够让人们实实在在感受到惊艳“出圈”。“不是”的方面，ChatGPT本质上还是建立巨人肩膀上的进一步创新，这个巨人就是预训练大模型GPT-3。但和2017年提出的Transformer模型，2022年爆火的图像生成Diffusion模型家族相比，还并没有革命性的突破。因此，我们在看待ChatGPT的角度上，不仅要看到质变，也要看到之前无数的量变。
但我想重点说明的是，ChatGPT模型效果的成功，离不开三大基石：
- 强大的预训练模型能力，即大型预训练语言模型GPT-3。该模型家族参数数量从13亿到1750亿规模不等，堪称当前OpenAI的大模型基石，但它只学习到相关性，对预测结果是否符合人类认知，却没有保证
- 基于人类反馈的模型训练。OpenAI的RLHF通过有人工参与的训练过程，由人类标注员提供高质量的筛选和验证，保证模型的产出更符合人类的认知，用人类的偏好来微调机器学出来的模型
- 通过强化学习来结合人类的反馈和大参数模型。本次OpenAI提出的PPO强化学习算法，成功地结合GPT和强化学习模型。通过PPO算法，将人类的反馈奖励学习到强化学习的Policy策略中，使有监督的相关性模型和人类的意图真正结合为新的学习模型
从ChatGPT的原理我们可以看出，海量数据通过Transformer算法预训练大模型，加上高质量数据集微调，再叠加强化学习和人类反馈，已成为新的机器学习范式。成本方面，按照OpenAI工程师的反馈，每次调用成本需要几美分，训练在微软Azure AI平台完成。
随着深度学习大参数模型技术的不断发展，AI领域呈现出百花齐放的进化趋势，有说法是，OpenAI公司的下一代大型预训练语言模型GPT-4，参数量级会达到恐怖的100兆级别，也有人说只是在2800亿左右。要知道，人的大脑的神经元数量也只是1000亿，神经连接数量才只有数兆级别。
那是否可以认为，ChatGPT目前已经可以代替很多职业了呢？结论也没有这样乐观。比如刚才上面给的设计世界杯频道的例子，大家一眼也能看出，这些PRD和样例代码离设计一个真正的世界杯频道产品，写出前后端代码还相距甚远。目前还没到能取代广大产品经理和程序员职业的地步。