chat gpt 你们都让我聊，我这真的各种私信都快晕了。咱就聊聊，我就图省事儿，咱就直接问问 chat gpt 能不能帮我写一个视频大纲。你看，哗哗哗 1234567 就列出来了，你详细说一说。第二部分你看，又 1234 告诉我，你来帮我写一段脚本。妈呀，我连稿都不用写了。你看看他这稿你也不能深究，我要是按他讲，哈，估计每两期我这粉就该掉光了。不过咱先刨开他内容质量不说，你就光看他文字能力，你问他什么都能给你对答如流，还说的有模有样的，反正是把我给震撼到了。又是拿美国的医学牌照，又是参加司法考试，又能写小说编代码查资料，你就感觉，哈，只要能用文字表达的事，他全都能干。
你说这玩意儿他怎么突然就横空出世了？之前也有聊天机器人，怎么就感觉他就要颠覆世界了？让资本圈好家伙那个兴奋，他又有什么问题呢？巨头们又如何应对？他到底会让谁失业呢？小丽虽然不是什么人工智能方面的专家，不过今天咱们就一起把这些碎片的信息都给串起来，一起来聊一聊关于 chat gpt 你需要知道的那些事儿。
聊天机器人哈，咱们得追溯到 1950 年，那时候号称计算机科学之父、人工智能之父的艾伦图灵发表了一篇具有划时代意义的论文，他提出了一个很有哲理的叫做模仿游戏，也就是咱们大名鼎鼎的图灵测试。当你在不面对面的时候跟人家文字聊天，你能不能准确的判断出来对方是一个人还是个机器人？如果你要是很难分辨出来，就一定程度上哈可以机器，它是智能的。你看这图灵测试哈是不是又简单又易懂又具体，而且还挺有意思的，所以就吸引了很多计算机方面的科学家来向他发起冲击。不过最开始的时候，哈都是一些非常简单的指令。他通过一些语言技巧，就是小聪明来尽量让你感觉到你好像是在跟一个人对话。比如 1966 年的时候， MIT 实验室里就发明出来一个聊天机器人，叫ELISA。这开发者就很聪明，他给 ALISA 的设定是个心理治疗师。
你看这种咨询师一般不都是少说话多倾听，所以他就可以问人家说你有没有什么想法，人家布拉说一大通，他又问说你最近休息的怎么样，人家又不拉说一大通。他少说就少错。所以真的让人误以为他在倾听跟你沟通。而其实它背后就是一些非常简单的 if 什么什么 then 什么什么的代码。比如他一看到 mother 妈妈这个词的时候，他就会跟你跟我说说你的家庭。就类似这种的关键词，哈，大概有 200 来个。
到了 30 年之后的 1995 年，哈， alisa 又出来了一个后辈，叫Alice。它进化的已经很强大了，虽然跟chat、 gpt 还没法比，但很日常，那些对话它已经都可以应付了。不过本质上，不管是 Eliza 还是Alice，它们的原理都是基于一个叫做 pattern matching，就是模式匹配。听到一个关键词，他就会调取一个已经预设好的预案。比如他听见你好，你就问人说吃了吗，他听见妈妈，他跟我说你的家庭类似这种。其实即使是在现在一些购物网站，银行什么的机器人，他基于的还是这种 pattern matching 的模式。比如你跟他聊天，你一说到退货，他就叭给你发个退货流程，或者你一说ATM，他就叭给你发个附近 ATM 的地图。
这种匹配模式，它虽然称不上是非常的智能，但确确实实减少了很多那种大量人力机械性的重复回答。但咱就从智能的角度讲，你说这种限定规则的机器人，就算你的规则写得再复杂，预设再多，也不可能穷尽所有的答案，他更不可能去创造新的答案。所以你要真的想通过图灵测试，想要变成真正的智能，单凭这种模式匹配，哈，是不可能实现的。于是就出现了语言学习里边一个新的流派，也是人工智能里边非常重要的一部分，就是机器学习。顾名思义，它的基本理念就是让机器去学习。我不给你人为规定一些规则和回答了，就给你一大堆现成的例子，让你自己去学习找规律。听着是不是感觉厉害多了，也非常符合我们对学习逻辑的认知。
基于这个理念，到 2001 年就有了一个叫做 smart child 更聪明小孩，这个机器人就活出圈了。为什么火？首先，他用了一些机器学习里边当时比较先进的模型，来让聊天变得更自然。而且 2000 年那会儿不是兴起了一大批聊天软件，什么 a o l、windows、Yahoo、 smart child 就把这些平台横扫了一遍，让全世界好几亿人都可以跟他对话。不管你问他什么，你甭管他答的怎么样，总能跟你聊。这两句可以算是 chat gpt 的大前辈了。你说这么好玩个东西，立马就风靡全球，吸引了超过 3000 万的用户跟他对话聊天。他每天哈光接收的信息就要超过 10 亿条，被各种人聊骚哈哈哈哈哈。直到 2007 年的时候，哈他被一家巨头公司给收购了，你猜是谁？就是微软。你可以看出来，微软在那么早的时候就已经开始觊觎这个领域了。更聪明小孩虽然已经很能聊了，但是离通过图灵测试还有很长的距离，你跟他聊两句就知道，那就是个机器。好，咱们继续进步哈。
到了 2010 年的时候，机器学习里边的一个领域开始闪光了，叫做人工神经网络 artificial neural network。你看，我们人的大脑，其实是靠超过 100 亿个神经元，通过网状链接来判断和传递信息的。虽然这每个神经元都很简单，但是它们组合起来就可以判断非常复杂的信息。所以人工神经网络哈，其实就是想模拟人脑的这种形式。输入信息之后，就会经过若干个隐藏神经节点的判断，就跟神经元似的给你输出结果。
其实神经网络的思想早就有了，可以追溯，甚至可以追溯到 1960 年代。但是它需要两样东西做支撑大量的数据和强大的算力，而这些在之前都是不具备的。所以神经网络的事，哈，就是纸上谈兵。到了 2010 年代，不互联网时代了吗？数据肯定是有了，算力也是持续。指数级别的提升，才让神经网络开始能应用起来。人们就发现，哈，这个模式真的特别适合解决。人们一看就知道，就凭直觉那种事。比如你一看到一张脸，你就能迅速知道他是谁，当然刘强东除外。哈哈，我真是脸盲脸盲脸盲，我根本不知道她漂不漂亮。你想，之前要是让电脑判断出这个人是谁，那简直太难了。但是你用这个神经网络哈机器学习，就能慢慢摸索出规律。现在它的应用已经非常广了，不光是人脸识别，像声音识别、自动驾驶，包括前几年夏维奇打开柯杰、Alphago，都是用这招练出来。所以神经网络在刚才我们说那些领域都可以大展宏图。
回到文字领域，它发展就不太顺。为什么？因为机器学习哈，它一般都是用一种叫做循环神经网络，就是 RNN 来处理文字的。它主要的方式就是按顺序一个词看一个词处理问题。它没法同时进行大量的学习，而且你这句子也不能太长，要不然你学到后面的时候，前面都忘了。
直到 2017 年的时候，谷歌出了一篇论文，提出来了一个新的学习框架，叫做transformer。具体的机制就比较复杂了哈，肯定也不是小林能搞明白的。但结果它可以让机器同时学习大量的文字，比如原来那些字，你得挨个学，就跟电路串联似的。现在你可以同时学，就跟并联似的。这样一下，训练的速度、效率不就大大提高了吗？有了transformer，哈机器在文字学习方面就像打通了任督二脉。现在很多自然语言处理模型，其实都是建立在它的基础架构之上的。
谷歌 Bert 里头的t，包括 chat gpt 里的t，都是指transformer。好，你看现在技术方面已经有非常强的突破。万事俱备，不就差人和钱了吗？是时候是 chat gpt 登场了。就在 2015 年，哈，包括马斯克、彼得蒂尔在内几个大佬一起注资了 10 亿美金，成立了一家非营利组织，叫 open AI，也就是拆 gpt 的母公司来进行 AI 方面的研究。你看它非盈利，我不是为了赚钱，我纯粹是为了推动这项技术的发展。所以它的研究成果，包括专利都是对外公开的。你看投资人里哈，咱们是不是听到了大家都非常熟悉的马斯克。实际上它逐渐发现它的特斯拉在 AI 方面也需要大量的投入研究，搞自动驾驶什么。所以为了避免特斯拉跟 Opai 这两家公司的利益冲突，他在 2018 年，也就是 open AI 成立的第三年，退出了董事会就拜拜，不玩了。所以现在 open AI 哈其实跟马斯克已经关系不大了。拜拜。而 Openai 这些大牛们，哈也确实很厉害。
2017 年谷歌不是推出了transformer，他们就立马在这个基础上，哈研究学习 18 年，发表了一篇论文，介绍了一个新的语言学习模型，叫做 generate pre train transformer gpt。之前的语言学习模型，它基本都是需要人去监督，或者人为给设定一些标签。但这个 gpt 就基本不怎么需要了。你就把一堆数据放进去，它就咵咵一顿学，就给学明白了。大概就这个意思。
Openai 在 2018 年6月推出了第一代 gpt，接着在 2019 年 11 月又增加了训练的数据量，推出了 gpt 2。这种机器学习，它其实主要就拼两件事，一个是模型，一个是参数量。模型决定了机器怎么学，同样的数据，我进去，我学的比谁都快，比谁都好，你就厉害。而参数量，它其实就需要大量的计算。所以白了要砸钱。就算是模型再好，它也得靠砸钱去训练和验证，这两者缺一不可。
open i 团队对我这个模型是很有信心，下一步不就缺钱了吗？而你每进步一点，都可能需要一个数上升一个数量级的数据去支撑。这些都是需要真金白银去支持的。你就比如Google、Deepmind，就是研究出来 Alphago 的公司，他每年开销四五亿美元。最开始 Openai 我们不说，投了 10 亿美元根本不够花。注意哈，这时候他还是个非营利组织。马斯克也退出了，大腿不在了。
之前 10 亿美元情怀不够了，我上哪再找那么多情怀去是吧。所以迫于资金压力，哈， open i 就在 2019 年从非盈利组织转型了。但是它没有直接变成一个盈利组织，还是得要点情怀哈，而是变成了一个叫做收益封顶的盈利组织。它什么意思？就是任何投资人的投资回报都不能超过 100 倍的，部分投资人就拿不到回报了，就 o 归 open 爱自己了。我就好奇哈，你说我要是投资回报快到 100 倍了，我就撤出来重新投，不又能拿 100 倍了吗？反正不管怎么说， open AI 变成了一家盈利组织，也就是你投资他是可以拿到回报了。这时候微软就立刻冲了过来，注资 10 亿美元。这笔投资对双方肯定都是双赢的。
open i 一是拿到了钱，第二微软也给他建了一个全球第五的超级计算机，大大提升了他训练效率，微软也得到了 open i 的技术和团队。当然，这样 open i 的研究成果也就别想再公开了，对吧？你说微软能投的是情怀吗？ Openai 得到了超能力和算力支持，就准备开始大力出奇迹。他之前一代的时候，哈只有 1. 2 亿个参数，到了 gpt 2 是 15 亿个。而这回半年之后又推出了 gpt 3，直接上升了 100 倍，变成了 1750 亿个。效果果然真的非常好。
已经有那么点现在 chat gpt 的意思了，你问他点什么，他都能给你答出来。当时在业内哈就已经掀起了一波轰动。不过纯机器训练出来的 gpt 三哈，他有个问题，他有的时候打得很好，有的时候就差那么点意思。而且问题就在于，你不管再怎么加大参数量，它的提升和改善都非常有限。因为他在训练的时候没有一个非常好的反馈机制，没有人告诉他你达成什么样是对的，达成什么样是不好的。你看我要是训练下棋，我就想赢对吧？赢了好的，我就训练让自己赢。但是你说聊天就很难判断了，我怎么知道我聊的是好的还是不好的，我就只能在那干学。所以为了解决这个问题，哈， open i 就在训练的时候加入了一个人工反馈的机制。你跟我聊天，我告诉你你聊的是好还是不好。专业术语就叫人工反馈的强化学习。所以你用 chat gpt 的时候，你就感觉他有时候特频特能，其实这都是因为训练他的人就喜欢他。这么说，要是训练他的人是个特别幽默的人，估计 chat gpt 就整天给你讲段子了。what？反正加入了人工反馈的强化学习之后，他不管是训练的效率还是效果都得到了大大的提升。在 2022 年3月就推出了 gpt 3. 5，之后又对话进行了优化，在2022年十一月就推出了 chat gpt。它其实就是一个非常极其简单粗糙的聊天界面，但是你问他什么，人家都能给你巴拉巴回答一通，感觉说的还很有道理。当然这里边会有一些问题我们之后再说，但你就粗略的一看，哈，他真的是什么都能聊，而且语言表达上真的就说的跟那么回事似的。
经历了半个世纪， chat gpt，这次肯定是可以轻轻松松就通过图灵测试了。是不是挺厉害的？不禁让我想到了富途牛牛的海外版构图。
好，咱们说回 chat gpt，反正他就确确实实已经颠覆了大多数人包括我在内对聊天机器人的认知。所以在短短的两个月内，拆 gpt 的月活就突破了1亿人，扩张速度肯定是史上最快，各种数据怎么吹都不为过。不过说实话，就拆 gpt，它这么强的颠覆性，它产品本身给人们带来震撼已经远远超过那些数据了。直到现在。哈，我看他回答问题的时候，关键他不是一口气就全给你出来，是真就那么一点一点吭哧吭哧，就跟个人在那跟你说话似的。我经常还真起一身鸡皮疙瘩。我估计一年之后大家再看这种，应该就见怪不怪了。
好，咱们来看看 chat gpt 它是怎么做到你不管在什么领域问他问题，他都能聊的。简单来说哈，类似 gpt 这种大型的语言模型，它本质上在计算下一个词下一句话该出现什么个概率问题。比如他说到了我很要往下接，数据库里那么多词，可以是我很开心，我很健康，我很着急，我很饿等等。但是你要有个上下文，比如上面说今天天气不错，他可能就计算出来。哈，大概率我很开心。其实他的每个回答，每个词都是这么简单粗暴，靠前文的相关性来计算出来。当他学习内容足够多，上千亿的参数和文字，通过这些复杂模型找规律之后，他自己就形成了一个非常庞大的神经网络。你完全不需要告诉他什么叫编程，什么是视频脚本，他自己看多了，他就知道了。编程这么写代码，视频脚本就该长这样。所以我让他帮我写一个 chat gpt 的视频脚本，他就从他总结出来。相关性。一个词往外蹦就完了。你看，他本质上还是一个语言模型，在学别人说话。他知道他自己说的是什么意思吗？至少目前拆 gpt 的版本，他还完全不懂。他就像是个记忆力特别好，但是什么都不太懂的小孩，在学达人说话，但是让我们以为他好像什么都懂了。这也是为什么你看他说的话，真的都已经非常完美，非常像人类了。但是还经常会犯一些逻辑性的错误，我们看着觉得非常弱智。加减乘除这种错误，因为它其实是一个语言模型。目前来讲哈。相对于他讲的对不对，他更在意的是我说的像不像那么回事。
实际上 gpt 也经常会出现大量编造答案的情况，也。他本来都不知道他在说什么，但他在给你硬扯，也包括很多道德伦理上的问题。比如你问他人怎么看人类，他就跟你说人类是猎动的，自私的，是最烂的生物，应该彻底被消。他真的是这么想的吗？那他肯定也不知道自己在说什么，也不知道从哪学来的。
这些胡说八道什么的问题，都是现在这个版本的拆 gpt 的问题。虽然现在它可能就是简单的模仿，但是当你模仿的越来越像，越来越高级，就不。 99. 9% 的情况你都能回答正确的时候，他到底是真的理解了，还是纯粹在那模仿？是不是其实意义也不大了？哈，其实也是。
图灵早在图灵测试那篇论文里边就讨论过的一个问题，就是与其我们问今机器能像人类一样思考吗？倒不如问机器能做人类做的事吗？有点深度。其实我觉得 chat gpt 它重大的一个突破，极大的提升了人类和机器之间沟通的效率。人类之间沟通信息的方式主要是文字，电脑它是用代码，之前人类就迁电脑，什么事我都得先学编程，想好了把它编成一个电脑能理解的语言，让它执行。包括搜索。我们也是先把自己的问题换成几个关键词去搜，但有了这些语言模型之后，它就变了。电脑可以慢慢理解人了，我就可以直接跟他说人话，他自己去翻译，自己去执行。
大家都觉得拆 gpt 很神奇，哈，你问他什么他都知道。但其实他的神奇之处并不在于他能去执行这些任务，更主要的是他能非常准确的理解你的问题，结合语境，从他那庞大的数据库里边提炼出来最恰当的信息，换成人话，再告诉你他沟通的环节。其实这里边最神奇，他有了一个这么强大的接口，很多东西我们就可以更轻松的交给机器去做，做事的效率就大大提高了。你就想象哈，假设我们能把它跟一个语言识别系统，比如像 Siri 这种连起来，让它可以跟你自由对话。你要再能接上一些专业的分析接口，比如什么 AI 的股票分析，编程计算，什么机器人。然后再接上一个视觉生成的部分。好家伙，咱真的每个人就能像电影里那钢铁侠跟他助手似的。比如你跟他说你帮我算一下什么莫比乌斯，还那什么什么，然后他就咵给你算，然后你就说唉，真棒。
你看 chat gpt 一下子开启了这么多可能性，本身又这么火爆，它背后的大股东微软肯定乐疯了，对吧？赶紧投钱造势。 1 月份就宣布给 Openai 再注资 100 亿美元，估值达到了 290 亿美元。而且这回哈微软跟 Openi 签的 deal 还挺有意思。就是微软投完这 100 亿美元之后，哈 Openai 的利润里边 75% 得先分给微软，直到把这 100 亿回本。就是微软得先保证我投进的钱能收回来，对吧？然后微软持有 opai 49% 的股权，可能还有个 100 倍投资回报的上限大。大概就是这么一个奇特的deal。
deal 达成之后，接下来2月 7 号，微软就举办了发布会，宣布要把 chat gpt 融入到自己的搜索引擎 d 里边，微软就把它叫做 CO pilot for the web，大概就是个网络助手。其实 chat gpt 它有一个问题，就是它训练那些数据，只截止到 2021 年，也就是最近发生的事，他都不知道。微软把它跟病这么一结合。你看逻辑类的，我可以用 chat gpt，如果需要信息或者新闻的，我拿冰这么一搜，诶，这不就强强联合了吗？你比如哈，我要是问 chat gpt，你知道，小林说，他就只能说他不知道。
我要是问d，他就说哈，小林说是一个又有趣又有用的内容创作者，是很多要追求自己梦想的人都好榜样。说的我都有点不好意思了，所以他伙是有他道理的。而且微软还很阴险，他聊天功能必须用他自己家 edge 浏览器才能用。不得不说，哈，这一波的营销和造势我给满分。嘘好。面对这一波铺天盖地的宣传，哈，这时候最慌的谷歌了。为什么？因为拆 gpt 很可能会撼动他们。最大的一块蛋糕就是搜索。你想我要问拆 gpt，他都能组织好语言告诉我，我要想搜东西的时候，我就不用再去查。完了自己挨个看了，我就直接问拆 gpt 就行了，对吧？那就没人再用搜索引擎了。
你说谷歌它能不慌吗？你要知道哈，它现在占有全球搜索市场的份额是93%，那是妥妥的垄断。微软那个病虽然排在第二，但只有 3% 搜索业务带来的广告收入能占到谷歌总收入60%。你说大本来都做的好好的，突然横空跳出来个什么什么PT。其实一直以来谷歌在人工智能领域都是领先的。你想 transformer 不就他搞出来的吗？他其实一直也在内测一个机器人，叫Bert，跟 chat gpt 很像，只不过没有花大量的精力去训练它。他其实还有另外一个机器人，哈，更厉害，叫Lambda，完全就是基于人类正常的对话，所以他甚至还会开玩笑或者表达自己的情感。完全不是说光你问他他就回答这么简单。因为他说话确实是太自然了，甚至于都骗过了。
当时在谷歌内部一个开发测试的员工，相信莱姆的已经具备了自己的意识，就差不多像个七八岁的小孩。所以谷歌其实在聊天机器人一直都是很强的，但是它的立场跟微软就完全不一样了。你想谷歌本来就是搜索领域的王者，他吃饱了撑的非得搞个机器人把自己的摇钱树给砍了吗？不到万不得已肯定不会的。所以这也是为什么我估计哈他拉姆达更专注于对话和聊天，而不是像拆gpt 这种什么问题都能回答。而且他一直不把这些 a i 机器人放出来，也是担心自己的名誉风险。歌它毕竟是搜索的，要的就是要准确严谨。你说你要是推出来个还没训练好的胡说八道的机器人，那多不像话。另一方面，哈，就这么大规模的训练，是非常需要算力和烧钱的。每个问题消耗的能源大概是现在谷歌搜索的 10- 100 倍。你像拆 gpt 这种的，现在每天就要花掉 100 万美元来运行。所以你看得出来，哈，微软这波先发优势也是确实非常有道理的。他不光投对了公司，而且是真的是下得了狠手去砸钱。面对微软强大的舆论压力，加上媒体铺天盖地的报道，谷歌是真的坐不住了。
拆的 gpt 刚上线不久，谷歌内部就发布了一个叫做红色预警 cold red。这是我们生死存亡的关键时刻了，我们得集中全公司的力量到 a i 赛道上了。哈，这个东西，关键它得快多快，快到谷歌把自己的腰给扭上了。咱刚才不是说微软的发布会是2月 7 号吗？把 chat BT 融入到它的搜索引擎里了。谷歌这边急忙2月 8 号就举办了发布会，发布了自己的对话服务叫bar，这个就是基于他们刚才那个对话机器人拉姆达开发的。你就看看谷歌发布会之后，微软和谷歌这两个公司的股价，你就知道谷歌这发布会到底有多惨。这个行业真是怪不了别人，你都不用看什么专业分析，你只要静下心来把他们两家发布会从头到尾看一遍，就知道为什么了。
所有人都知道，这里边大家最关注的就是 AI 聊天的部分，但谷歌它整个发布会 40 分钟，前面先是说自己之前的成就，然后又是照片搜索，这中间还出现了演讲的人，找不着展示的手机，只能跳过这一趴 missing the phone。后来好不容易进入到正题，开始介绍 Bard 了，也就说了几分钟就完了。而且谷歌发布会的时候，同时还发布了一个介绍 Bard 的视频，要命的是，视频里头 Bard 的回答还出现了事实性的错误。
其实说实在的，现在这种聊天机器人，它出现一点事实性的错误，大家也是可以理解的。但是你广告片的答案都没查清楚，手机还忘带了。雷声大雨点小，一带而过，肉眼可见能看到谷歌的仓促和慌乱，这个才是市场担心的。虽然拆 gpt 风光无限，可大家都知道 Google 是 AI 领域的强者，所以就算你短时间内没怎么吭声，哈，估计外部人也知道你不好惹。你估计是在那憋大招。你看他发布红色预警，其实有个原因，可能就是让外部知道说我很重视这个事，你们先别着急卖股票。所以你看发布会之前，谷歌的股价哈，跟微软比也并不差，非得着急忙慌搞了这么一出，那不就有点露怯了嘛。谷歌的市值哈，一下蒸发了 1000 亿美元，相比之下，微软就稳多了。你看微软的CEO， open i 的 CEO 全都出来亲自讲解，将近一个小时的发布会，都在着重讲 AR 聊天的功能，还加上各种演示，很明显就是做了充分的准备。
AI 战争刚一打响，谷歌这边先是被拆 gpt 搞了个措手不及，自己一慌又来了个低级失误。可以说这第一仗算是惨败，但毕竟也只是第一仗，谷歌毕竟也还是谷歌，后面怎么样我们就拭目以待。当然，哈，这场 AI 战争也绝不仅限于这两家公司，像Meta，百度、腾讯，阿里也都抢着入局。但凡和生城市 AI 沾边的股票都开始狂涨，像英伟达 AMD 这种提供算力基础的硬件厂商也跟着沾光。其实像 AI 聊天 AI 作画 AI 编程这些生成式AI，哈在前两年就已经迎来了井喷式的发展。这是这个方向。
过去几年的融资额从 2122 年就已经开始起飞了，每年都是 10 多亿美元。但 2023 年一开年，微软啪就先砸进去了 100 个亿。资本已经尽其所能全都涌到这个赛道。好，这个东西哈发展的这么快，它会不会导致很多人失业？它又会导致谁失业？会不会导致你失业？这种技术革新，它永远都是一把双刃剑，它可能会创造出来更多的工作，失业率也不一定降，总体的 GDP 八成还会上升。但是短期内，哈它肯定会导致一部分人失业。我就在想，哈，你说咱们怎么能尽可能的不让自己失业，甚至能够利用 AI 工具来提高自己的生产力。我个人的总结，哈，咱们得尽量避免那种套路性的工作。以前电脑刚出来的时候，可能解决的是一些人类的重复新工作，我每天都在不停的重复一件事，你搞个电脑 follow 就给解决了。现在就不光是那种重复新工作了，就连套路型工作，只要你有套路，哪怕你感觉你每天在创作，实际上根本没动太多脑子，这种事哈机器也能分分钟就给你玩。明白了。什么叫套路型工作。我给你举个例子，哈。
你就比如我让拆 gpt 写一个有关小琳的童话故事，他就说哈，小琳有一只会说话的猫，它打败了恶龙，拯救了公主，成了英雄。唉，我告诉他不对，小林是个女的。你重编，他说小林是个女的。有一只会说话的猫，打败了邪恶的女巫，成了英雄。所以你看，这就是童话故事的套路。他有一只会说话的动物，打败了一个东西，成了英雄。虽然这个会说话的猫，它在里边毫无作用，但这就是童话故事的标配。类似的，比如有一些特别熟练的工程师，整天闭着眼睛就叭叭叭，能写的代码写手，闭着眼睛就能一天写 20 条的网文，或者公司一些特别基本的财务报告，基本的设计，基本的法律建议等等。你想为什么这些活哈，我熟练了之后闭着眼睛都能干，因为它背后有套路。
现在 AI 学会这些套路，你也不用闭着眼睛干了， AI 全都给你包了。注意，我并不是程序员、会计师，什么作家、分析师这些人都会被取代，只是他们工作当中里面那些套路性的部分，会慢慢机器就会学会了。所以你要是感觉自己工作当中有一些套路性的成分，你就得小心了。反正至少哈你别把那些套路放在网上，你这样 AI 不就都学去了吗？其实不光是失业哈，因为它的颠覆性实在是太强了。我们已经能看到它给现在的社会造成了巨大的冲击。你比如学校教育，它才上线几个月，现在美国 18 岁以上的学生里边都有九成用过 chat gpt 帮他写作业了。而且他基本上除了体育，是不是哪一科都能做。你说我怎么知道你这作业是不是自己写？当然不是，这个东西我们就不能用它帮忙了。只是我们现在的教育体系还没有准备好让 chat gpt 进来。
颠覆性。它就好像我们用几百年，好不容易建立了一套比较完善的交通系统，结果突然有一天这车全都给飞了。飞车技术长期来看，它肯定是好的，但短期我们还没有一套完整的新的体系的时候，所有人都满天乱飞，不就乱套了，社会的秩序就会被极大的扰乱。所以你看像学校公司，一时他也想不好拆 gpt，怎么融入到自己现有的体系，只能一刀切，直接先都给禁止。包括你说像 a i 他写的内容，他画的画到底算谁创作的，版权算谁的，对吧？这些其实都是很棘手的问题。所以这种生成式 a i 哈，它之后到底能发展什么样，其实谁也说不准。
你想拆 gpt 团队，他最开始的时候也没有什么特别多的目的，就是纯粹把数据放进去，让机器去学习，弄出来之后才发现原来这么厉害，还能跟搜索连接上，大家其实也都是摸着石头过河，所以你也不知道突然哪天在 a i 在哪个领域就开窍了。我有的时候就感觉哈，能见证 AI 这么神奇的发展其实还是个挺激动的事。潘多拉的魔盒也在一点一点被我们打开了。