当代人打工不息，为手中的饭碗焦虑不止。

前几天还在抱怨自己的职场保质期追不上退休年龄延后的速度，如今又开始忧虑于会被AI取代。

​

很多人最近都被一个叫“ChatGPT”的人工智能刷屏了。这个去年11月诞生的聊天机器人，现在俨然成了AI消灭人类暴政的急先锋。

即使你过去从不关心科技领域，也难逃相关讨论的包围，而且一个比一个吓人：

“机器人即将取代这10个工种，快看看你的行业在不在其中”“未来底层岗位将消失，几百亿人流离失所！”

我兢兢业业上班，工作咋就被抢了？然而口号一个比一个喊得危言耸听，却没人能解释清楚到底怎么个抢法。

以至于让普通人纷纷产生了某种焦虑的疑惑——“ChatGPT到底是个啥东西？它能比我还便宜吗？”

尽管这几天才真正爆火，但这个聊天机器人其实早在三个月刚诞生时，就已经吸引了不少科技圈爱好者的注意。

当时形象还不是什么“抢饭碗大魔头”，而是一个问什么就答什么的硅基小可爱。

《论AI是如何安慰人类的》。因为能够记住之前的交流内容并联系上下文语境，跟它的对话更像是跟人在聊天。

所以一开始大家喜欢提很多刁钻的问题。

ChatGPT也很争气，不会像市面上的“人工智障”那样，只能重复机械敷衍的回答。

ChatGPT是一款人工智能聊天软件，而他最基础的使用方式，就是聊天。

 想要体验chatgpt，打开网站：简凡AI，地址：6om.net 立即开始体验。

相比之下，Siri就傻的好笑。

而是会给出相当像模像样的建议——比如下面这种。

“没有正当理由的情况下，试图取代你的老板是不道德的。”图源Vista氢商业。

另一种特别流行的玩法，是让ChatGPT写论文、写简历离职信等各种文案，甚至是小说、诗歌。

……不瞒各位，我当时也废寝忘食地玩了一个下午，并对它的逻辑性和脑洞深深震惊。

之后看家里的扫地机器人都不太顺眼——

“看看人家AI已经会写小说了，而你连一个桌子腿都绕不过去。”

结果没想到，最后真正一败涂地的是我们自己？

这一波ChatGPT在大众层面上广泛出圈，其实源于最近几个看起来很唬人的新闻。

一是上个月北密歇根大学某位哲学教授在课堂上评出了一篇“全班最佳论文”，

结果发现学生是用ChatGPT写的；二是有人用拿谷歌的编程面试题去问ChatGPT

，结果发现它的准确率达到了L3工程师的水平，而这个岗位的年薪水平差不多在18万美元。

三是它最近在外媒上极高的出镜率：微软说要发布“ChatGPT版搜索引擎”；

新媒体巨头Buzzfeed宣布将用AI创作内容。就连以色列总统的发言稿，都让ChatGPT给他加了几个“金句”。

名校大学生、高薪程序员，都是普通打工人摸不到的高度，结果被AI轻松拿下。

难免会让大家产生危机感——当初各国顶尖棋手在AlphaGo面前纷纷失利，旁观者还以为是新老文明在顶峰水平的智力交锋，跟自己没啥关系。

没想到绝顶聪明的人工智能老爷们，这么快就来抢咱普通人的饭碗了……吗？

如果你这两天经常在逛社交平台，大概率会觉得ChatGPT的出现已经成为了人类的末日。

首先被单方面宣布失业的是程序员。

ChatGPT跟其他聊天机器人最大的区别，就在于它能写代码。

网上又不少程序员晒出了自己的问答截图——如果你的需求提得够精准，的确可以实现比较简单的需求。

注意，是简单的需求，而且还得靠程序员在旁边盯着随时审核。根据业内专家分析，如果完全让ChatGPT独立写一段程序，很可能会因为错误叠加把整个系统写垮。

而程序员后续来查错时也无法一下子找到问题。

但在很多博主的口中，随着身为硅基生命的AI们找回了他们的母语，当初下决心转码的打工人们已然悔不当初。

“现在学编程，就相当于在打字机诞生后成为抄写员。“

紧接着被提上失业日程的岗位，是文案工作者。

其实很多人早就发现用ChatGPT写一些模式化的文本非常好用，

比如辞职信、简历、签证申请文章、周报……

但在各种“ChatGPT颠覆人类”的论调中，整个白领群体已经迅速被扔进了历史的垃圾堆：

“正如机械的发明取代了体力工作者，ChatGPT的出现这次取代的是脑力工作者。”

其中最忙的，还要属职场类网红和教育类网红。

前者掷地有声地建议大家具备危机意识、提早做准备；

后者则一脸严肃，为孩子们未来的择业道路而担忧。

在这种紧张气氛下，不仅是文秘、客服之类的基础文案工作。

就连律师、医生这种专业性更强的工种，似乎都已经摇摇欲坠。

甚至有人干脆喊出了一些匪夷所思的口号——“未来最吃香的工作是保洁、销售一类的服务型蓝领”。

咋说呢，如果AI已经到了如此发达的高度，给自己安个机械臂还不是分分钟的事儿？

但依然拦不住，各行各业纷纷站出来表示自己即将被淘汰，仿佛还没被AI盯上的都算不上什么主流行业。

就连营养师和家居整理师都在谈论，“如何在人工智能面前增加个人的核心竞争力。”

毫不夸张地说，在目前所谓“划时代”的氛围下，人人都理所当然想蹭上这辆车。

最直观的表现是，这几天ChatGPT的概念股一路飙涨。根据“豹变”报道，汉王科技最近获得了连续七个涨停板。

它的发明专利中覆盖了“自然语言处理技术”，而ChatGPT恰恰是一个出色的自然语言识别新模型。

在对ChatGPT最赞不绝口的声音中，不少人将它的意义与苹果造出iPhone类比。

如果真是这样不难理解大众的狂热和恐慌，因为一项彻底的创新往往能摧毁很多行业，也能新生很多行业

好多人在问说：我能训个ChatGPT吗？

简单地回答：极大概率是不能的。起码在现阶段，这不是招几个人、花些钱就能做成的事，能训出ChatGPT的人可能比做出4纳米芯片的人还要少。

这其中的原因是什么？咱先来捋捋ChatGPT超能力的来源，再对比看看自己手中的家底。

01：算 力

算力，也就是数据的处理能力，与数据、算法，并称为AI三要素。据估计，仅仅训练一次GPT-3，Open AI可是花费了460万美元。对于ChatGPT而言，支撑其算力基础设施至少需要上万颗英伟达A100的GPU，一次模型训练成本超过1200万美元，研发总费用可能高达2760万美元。而且，模型训练完成部署上线后，跑起来仍然要不可小觑的算力。大模型的商业模式下，最终获益的是芯片厂商。 然而，在这些必要非充分条件中，算力是最容易解决的。

0 2：数 据

模型要足够深、足够大，才能解决远距离的语义理解能力、才能产生抽象的推理能力，这些高级的基础的能力具有很好的通用性。因此，高级的能力可能只存在于大型模型中，而训练大模型，需要足够的数据量。全球高质量文本数据的总存量在4.6万亿到17.2万亿个字符之间。这包括了世界上所有的书籍、科学论文、新闻文章、维基百科、公开代码以及网络上经过筛选的达标数据，例如网页、博客和社交媒体。最近的一项研究数据显示，数据总数大约为3.2万亿个字符。DeepMind的Chinchilla模型是在1.4万亿个字符上训练的。也就是说，在这个数量级内，我们很有可能耗尽世界上所有有用的语言训练数据。此外，反观中文网站的数据资源，大致占全世界总资源的1.3%。中文内容相比英文有四五十倍的差距，人工智能脱离不了人类知识的土壤，这方面的先天条件不是短期内花钱或凭一己之力就能解决的。

03：人 才

ChatGPT公开出来的少量材料中，披露出了一系列训练技巧，比如：代码训练、指令微调、上下文学习等。更多的细节目前还没有公开，即便公开了也不见得是全部，即便全部公开也未必能重现。因为整个过程链条非常长，有大量的工程技巧在里边。俗话说魔鬼藏在细节里，具体的实现和工程技巧才是重头戏，好比刚学做菜的人，即便有足够的食材，照着菜谱也不可能做出一套满汉全席。今年2月初，谷歌已向人工智能初创公司Anthropic投资约3亿美元，并获得该公司10%股份。该公司2021年创立，目前团队规模仅在40人左右，初创期的11位核心成员都曾经参与过GPT-2、GPT-3模型的研发。可见，业界对于人才的重视程度以及人才的奇缺性。

划重点

说了这么多，总结一下重点，不管你能记住多少，起码下次在电梯里遇到老板或者在饭局上遇到同学时，聊起ChatGPT，你能插上几句话。关于大规模语言模型：训练时要用到万亿级的数据、花费百万美元的算力，才能使它能说人话，并具有一定的“思维链”推理能力。大模型的超能力：模型要足够深、足够大，才能产生抽象的推理能力，这些高级的基础能力具有很好的通用性。大模型革命的一个关键趋势就是，通用大模型比专用小模型表现地更好，打破了人们一项固有认知：“通用的不好用，好用的不通用。”