目录
![最近很火的ChatGPT究竟是什么?本文解释得非常全面,还通俗易懂插图](https://img-blog.csdnimg.cn/img_convert/7274b91d7fe632f876401564fbea7b05.png)
我们或许将真正迎来一个「人工智能助理」时代。
我想 , 最近许多朋友的生活中 , 可能或多或少都被 ChatGPT 刷屏了。
你或许也已经看过了许多相关的文章。
它们或许从商业角度出发 , 告诉你 ChatGPT 引发了怎样的商业浪潮 ; 或许从技术角度出发 , 告诉你 ChatGPT 的原理和技术有多厉害 ; 又或者 , 直接向你推销各种各样的类似产品 , 告诉你这些产品多么有前途……
但这些 , 离我们的生活都有些遥远。
你可能看了很多文章 , 依然没有搞明白 ,ChatGPT 究竟是什么 , 它跟我有什么关系 ?
因此 , 今天 , 我想简单聊聊这个话题。
如果你对 ChatGPT 从未听闻 , 那希望能告诉你一些新信息 ; 如果你对此感兴趣但不熟悉 , 那希望能为你提供一点指引。
01 ChatGPT 是什么 ?
ChatGPT 实际上不是一个新事物。它是 2022 年 11 月推出的 , 刚推出的时候我就使用了 , 还在知乎发了一条想法吐槽了一下。
没想到 , 时隔两个月之后 , 随着微软及一票商业公司的入场 , 它又开始火了 , 火得家喻户晓。
那么 ,ChatGPT 究竟是什么 ?
从原理上来讲 ,ChatGPT 其实也不是新事物 , 它背后的基础 , 是母公司 OpenAI 在几年前发布的自然语言模型 GPT。 对人工智能有所了解的朋友一定知道 ,OpenAI 于 2018 年发布了 GPT-1, 首次让人工智能能够让人类一样「理解文字」、写出文字。
随后几年里 ,OpenAI 陆续推出了 GPT-2、GPT-3, 用更庞大的参数实现了更精细的学习。 通俗来说 , 就是让人工智能更「像人」了。
目前 GPT- 3 已经用在了很多场合。像国外已经有用 GPT- 3 来写新闻的应用 , 至于用 GPT- 3 写小说、生成游戏台词、生成代码 , 也都在探索中了。
而 ChatGPT, 就是在 GPT- 3 的升级版 GPT-3.5 的基础上 , 进行一定的包装、微调、优化 , 所做出来的产品。过往的 GPT- 3 只是一个底层引擎 , 必须接入到一个软件中才能使用。而 ChatGPT, 可以理解为 OpenAI 自己为 GPT 做了这么一个软件 , 让用户可以直接使用它。
所以它才叫 ChatGPT, 也就是 「可以聊天的 GPT」。
那么 ,GPT 又是什么呢 ? 它的全称是 Generative Pre-trained Transformer, 生成式预训练转换器。简单来说 , 它的原理是 : 先给它提供一个庞大的语料库 ( 通常是直接从互联网上抓来的 ), 让模型通过上千亿个参数对这些文本进行打散、标记、学习 , 构建起一个复杂的预测模型。
然后再依据这个预测模型 , 判断一个单词在这个情境下应该接哪一个单词。就这样一个一个单词串起来 , 形成一段话 , 或者一篇文章。
这种预测的模式 , 其实跟我们大脑的学习和加工模式是非常相似的。因此 , 这也是它能够更「像人」的一个重要原因。
我们可以用三层模型来理解 :
这个模型背后无需人工参与的「无监督」式预训练自学习原理 , 或者说让模型像大脑「自由生长」的过程 , 就是它的动力层 ;
借由这个原理所完成的 GPT-3.5, 就是一个结构层 , 是 ChatGPT 起作用的主要基础 ;
而对这个 GPT-3.5 进行包装、优化所形成的 ChatGPT, 就是一个交互层 , 它的本质就是加了一层更友好的用户界面和交互方式 , 让个人用户能够更容易地应用它。
02 ChatGPT 能做什么 ?
了解完 ChatGPT 的原理 , 我们自然会关心一个问题 : 就目前而言 ,ChatGPT 究竟能做什么 ?
1) 回答问题。
这可能是 ChatGPT 最简单的应用。你在聊天界面里向它提问 , 比如「波粒二象性是什么意思」, 它就会用流畅的语言向你解释 , 把这个概念讲解得非常清楚。就我试用的体验而言 , 效果非常好 , 简洁晓畅 , 表达能力胜过许多人。
2) 撰写文章。
你可以向它提要求 , 让它按照你的要求撰写一篇文章。这是我去年做的一个实例 , 大家可以看看 :
质量还是挺像模像样的。
在这个基础上 , 可以有非常多针对性的应用。比如 :
你可以让它撰写一封邮件 , 告诉客户你的报价 , 并且用礼貌、恳切的语言去表述。它写出来的作品保证用词精确 , 句子流程 , 比一般人写的要好 ;
你可以给它一个主题 , 再给一些背景和指引 , 让它撰写一份策划方案 , 甚至让它帮你想创意、提供各种不同方向的点子和灵感。这可以帮你节省大量时间精力 ;
你可以给它一些数据 , 让它根据这些材料撰写一份报告。它会非常智能地组合这些材料 , 生成一份文质兼美、结构清晰的报告 , 省去你斟酌文字的大量功夫 ;
你可以给它一个选题 , 让它生成大量内容、风格和行文都截然不同的文章 , 发布在各个平台上。据说已经有一些营销号开始这么干了 ;
你甚至可以让它按照老师的要求写一篇论文。实际上 , 国外已经有许多学生开始用 ChatGPT 完成作业了 , 也开始有大学教授跟 ChatGPT「斗智斗勇」, 比如要求学生现场写作 , 要求学生解释每段话的意思等等。
所以有一个笑话是这样的 :
老师对 ChatGPT 说 : 请帮我想一个题目 ;
学生对 ChatGPT 说 : 请按照这个题目帮我写一篇文章 ;
助教对 ChatGPT 说 : 请帮我给这些文章写评语并打分。
3) 总结提炼。
ChatGPT 还有一个非常强的能力 , 就是对输入的材料进行总结提炼。
比如 : 你可以给它输入一篇文章 , 让它概括文章大意 ; 或者给它输入一段讨论 , 让它总结主要观点和论证。
现在也已经出现了一些产品 , 利用 ChatGPT 背后的 GPT 构建 , 能够实现这样的效果 : 你输入一个视频、一个播客 ,AI 帮你收听 , 听完用简洁的语言总结出视频或播客的要点 , 呈现给你。
4) 生成代码。
许多程序员朋友盛赞 ChatGPT 的一点 , 在于它的代码能力非常强。
你提一个要求 , 比如「如何实现 XXXX 效果」,ChatGPT 会告诉你几种可行的方案 , 并提供这些方案的主要函数和算法 ;
你向它提问 , 比如「在 XXXX 情况下出现了一个 bug, 为什么」,ChatGPT 会告诉你几种可能的原因 , 并告诉你如何处理每一种可能性。
我自己试了一下 , 我觉得它写代码的能力比我强多了 , 大概有 100 倍吧。
之所以 ChatGPT 能够掀起这么大的热潮 , 一大原因是因为它太「像人」了。 你会感觉 , 跟你对话的似乎不是一台机器 , 而是一个非常聪明 , 几乎无所不知、无所不能 , 并且能满足你任何要求的人。这一点 , 令许多人欲罢不能。
这表现在几个地方 :
1) 每一次跟 ChatGPT 聊天时 , 只要你不关闭窗口 , 你说的每一句话都会成为它的「上下文」。
换言之 , 你可以像跟真人对话一样 , 不断问它「然后呢 ?」「还有吗 ?」, 或者表达你的态度 , 它会给出像真人一样的回应 , 无需你不断重复、补充、完善问题。
举个例子 : 你抛出一个话题 , 它回答 , 你对它的回答里有个地方不太满意 , 可以直接指出来 , 它会道歉 , 然后给出一个更好的、满足你要求的回答。
这个过程非常自然、流畅 , 你就像在跟一个真人对话 , 它能完全理解你的每一句话 , 并给出合乎逻辑的回应。
2) 得益于海量的训练参数 (GPT- 3 有 1750 亿个参数 ),ChatGPT 的文字生成能力非常精细 , 质量极佳。
它写的文章 , 表达能力甚至强于许多不擅长写作的普通人。我有时向它提几个问题 , 它给出的回答会让我感到「有启发」, 或者是一个新的角度 , 或者是一个完善的框架 , 这已经非常有价值了。
03 ChatGPT 的缺点和问题
但是 ,ChatGPT 也并非绝对完美。实际上 , 就目前而言 ,ChatGPT 依然存在好几个亟待解决的问题。
最严重的问题 , 就是 ChatGPT 的错误率实在是太高了。 举一个简单的例子 , 这是我去年用 ChatGPT 测出来的实例 :
为了模仿一个外行人 , 我刻意把问题写得不太准确 , 可以看到 , 答案非常离谱。
这可能跟 ChatGPT 的训练语料库主要是英文材料有关。用英语提问的话 , 答案的正确率会提升 , 但依然会出错。
并且 ,ChatGPT 往往会用非常自信、言之凿凿的语气来回答问题。这就导致了 , 如果你是一个外行人 , 很多时候你可能压根没办法分辨它给出答案的准确性。哪怕是内行 , 对于一些较为琐碎的细节 , 也很难去验证。
去年 ChatGPT 刚发布时 , 知名的程序开发交流论坛 Stack Overflow 就很快将其封禁。官方的解释是 : 这是因为 ChatGPT 给出的答案经常有错误 , 但我们很难看出错误在哪里。
从我的角度来说 , 如果一款人工智能工具 ,100 次回答里面有 3 - 5 次是错误的 , 那我可能就不会用它。因为我很难判断它会不会再某一次突然犯一个大错误 , 给我造成严重损失。
实际上 , 我可能希望等它的错误率达到千分之一以下时才会去使用。但就目前来看 , 可能还需要很长一段时间 , 才能达到这个水平。
另一个问题是 道德伦理问题。
ChatGPT 是一个人工智能程序 , 它只会忠实地按照内在的预测模型回答问题。因此 , 如果你向它进行诱导性提问 , 那可能会得到一些偏离道德伦理的答案。这可能会引起不必要的负面反应。
尽管官方已经在不断修复漏洞了 , 但毕竟防不胜防。
再者 , 你修复得越多 , 也就意味着这个工具能够发挥作用的场景越少。这可能是一个需要考虑的平衡。
最后一个非常重要的问题 , 是 摄入信息的水准问题。
ChatGPT 不能凭空生成信息 , 它所有的知识 , 都只能来自于它被喂养的语料。那么 , 显而易见 , 它所能够提供的答案 , 能够输出的内容 , 也不会超过这些语料的平均水平。你不可能指望它摄入一大堆插科打诨的帖子 , 要求它写出《三体》。
而由于互联网上存在大量的劣质信息 , 这就导致了 :ChatGPT 摄入的信息越多 , 它整体的水平可能也就越低下。
遗憾的是 , 我们至今还没有一套可靠的方法 , 能够客观地判断内容质量的优劣。高引用的论文也可能是错的 , 名气颇大的学者也可能是灌水出来的 , 关注者颇多的 KOL 也可能是营销号。
而如果依赖于用户的点赞或转发等数据去判断内容质量 , 常识和经验告诉我们 : 这样带来的势必是大量哗众取宠、吸引眼球的劣质内容 , 只会更严重地污染这个池子。
并且 , 随着大量工具和服务开始使用 ChatGPT 等工具 , 大量由人工智能生成的文章会充斥互联网。这就会造成「自产自销」。 一旦人工智能只能喂养由其他人工智能产出的语料 , 它的水准就将会遭遇一面难以打破的障壁。
有研究认为 , 在 5 -10 年内 , 互联网上的内容可能就会被用光。届时 , 人工智能将成为无米之炊 , 只能再次反刍自己所产出的信息。
这可能会是制约 ChatGPT 等 AIGC( 人工智能生产内容 ) 工具的一个最严重的问题。
04 ChatGPT 的未来前景
如果我们用乐观的眼光去看待 , 认为 AIGC 能够克服上述这些问题 , 那么 , 它对我们的生活 , 会带来什么样的改变呢 ?
1) 搜索。
互联网发明之前 , 我们的信息获取可以说是搜索 1.0 时代。
那时 , 我们只能到图书馆去查阅资料 , 用卡片和笔记本做笔记 , 通过摄影或手抄的方式记录 , 繁琐、麻烦、成本又高。因此 ,「做研究」成了一件阳春白雪的事情 , 只有少数人有能力去做。
后来 , 有了互联网 , 有了搜索引擎 , 大量的信息被电子化 , 放到网络上。
我们获取信息的方式被大大拓宽了。只需要输入关键词 , 就能看到刊载在各种期刊上面的文献 , 存放在图书馆里面的资料 , 看到别人的分析、观点和见解。我们迎来了一个信息爆炸的搜索 2.0 时代。
而有了 ChatGPT 等 AIGC 工具的辅助 , 我们可能会迎来搜索 3.0 的时代。
搜索 2.0 迫切需要解决的问题是什么呢 ? 信息太多了。如何有效地筛选、提炼、整合这些信息 , 就成了一个难题。但 AIGC 可以解决这个问题。
我们向它提问 , 给出一个关键词 , 它快速整合知识库里相关的信息 , 总结提炼出最符合我需求的答案 , 呈现给我们。
整个过程流畅、自然、舒适 , 可以省去我们在大量信息间来回穿梭、整理的时间 , 极其便捷——这就是搜索 3.0。
你问 , 它答 , 答案就在那儿 , 以最好的面貌呈现给你。
现在已经有一些类似这样的工具了。比如我在用的学术搜索引擎 Elicit, 就是使用人工智能检索我想要的论文 , 不过还停留在比较初级的阶段。也许等有了更成熟 GPT 的加持 , 会再上升一个台阶。
因此 ,ChatGPT 也吸引了许多巨头的关注。目前最受关注的 , 应该就是微软和谷歌了。
微软已经直接投资了 OpenAI, 并且计划在自己的搜索引擎必应和浏览器 edge 中嵌入 ChatGPT。
目前 ,ChatGPT 版必应已经在国外向少量媒体开放 , 个人使用可能还要等一段时间。你可以登录必应国际版 , 会有一个加入等待清单的提示。
谷歌也宣布将一个人工智能 Bard 嵌入 Google 搜索之中。Bard 背后依托的是谷歌自己开发的人工智能模型 LaMDA, 跟 GPT 效果相似但不同。
2) 阅读。
前面提到 ,ChatGPT 有总结提炼的能力。这一点 , 可能彻底改变我们阅读和学习知识的方式。
试想一下 : 未来我们会如何学习一个新概念 ? 你向人工智能提问 , 它直接把概念详细讲解给你。不懂的地方可以继续追问 , 它会进一步向你解释。那么 , 你还需要去到处找资料、看教材、听课程吗 ? 不需要了。有人工智能就够了。
未来我们会如何阅读一本书 ? 也许你可以把它导入人工智能 , 它会自己帮你总结提炼出书里最有价值的内容。可能是作者的观点 , 可能是方法论和步骤 , 可能是案例或论据……你想要什么 , 就向它下达什么指令 , 让它帮你「脱水」, 呈上一份完善的摘要。
未来我们会如何看视频、听播客 ? 或许我们也不用看、不用听了 , 直接导入人工智能 , 它会帮我们总结出其中的要点 , 甚至可以帮我们写一份妙趣横生、文采飞扬的阅读报告 , 让我们能轻松愉快地摄入知识。
未来 , 我们可能每个人都有拥有属于自己的专属医生、律师、财务经理……无论我们想要咨询什么问题 , 直接问人工智能就好 , 它会给出最新、最全面、最准确的答案。
当然 , 上面说的这些 , 现在的人工智能还远远不能做到。但很可能我们离这一天也不会多遥远了。
3) 写作。
这一点可能是更简单的了。
我们不再需要自己字斟句酌去写邮件 , 只需要给它一个指令 , 人工智能就会自动帮我们写好一份邮件。
我们不再需要自己写材料、写报告 , 只需要给它足够的信息 , 人工智能就会自动帮我们整理好文字 , 并且文笔上乘。
我们不再需要把大量的精力耗费在撰写方案、文档上面 , 而只需要思考 , 想出各种各样的创意、主题、想法……再把这些想法告诉人工智能 , 它就可以自动帮我们把这些繁琐的事务全都搞定。
甚至 , 连思考本身都可以让人工智能来辅助—— 你可以给它一个话题 , 让它帮你寻找素材、案例、参考资料 ; 或者让它帮你头脑风暴 , 提供各种各样的点子供你参考……
我们或许将真正迎来一个「人工智能助理」时代。
05 微调 : 训练你自己的人工智能
在这些应用之中 , 最令我感兴趣的 , 其实是微调 (fine-tuning)。
什么意思呢 ? 它指的是 : 在人工智能本身的基础上 , 你再喂给它一些独特的、专属于你自己的材料 , 把它训练成一个属于你自己的人工智能 , 让它能够回答一些更具针对性的问题 , 满足你独特的需求。
举几个例子。
国外有人分享了一个实例 : 她把自己童年时的日记上传到一个人工智能模型中 , 让程序去学习她的思维、经历和文字 , 从而制造出了一个「童年的自己」。然后 , 跟这个「童年的自己」交谈。 把自己遇到的问题 , 产生的困惑 , 面临的抉择向她询问 , 从自己的内心中寻找答案。
这是一个非常有意思的例子 , 也令我非常难忘。
同样 , 如果把一位作家的所有作品输入进去 , 或许再加上他的生平和经历 , 这个人工智能就能用作家的口吻去回答一些相关问题。
国外有人做了这么一个尝试 , 向 ChatGPT 输入《反脆弱》作者塔勒布的作品 , 让它煞有介事地回答问题 , 使得塔勒布本人不得不出来纠正。
那么 , 如果把《红楼梦》以及明清的各种史料喂给一个更成熟的人工智能 , 它有没有可能续写出《红楼梦》? 我想 , 这是可能的。
我感兴趣的点在于 : 通过微调 , 我们完全可能创造出一个专属于我们自己的人工智能——只需要把我们所有的笔记 , 工作中产生的材料 , 平时的思考和日记……都喂给它 , 就可以了。
在这个情况下 , 它就是你 , 甚至它比你自己还更接近你自己——因为许许多多你可能已经忘却了的记忆 , 它都能够忠实地保留着 , 并依据一套算法完善自己的预测模型 , 做出更符合你内心和需求的选择。
换言之 , 这就是一个专属于我们的「内脑」。 当我们有疑惑时 , 当我们需要搜寻信息时 , 当我们需要分析问题、做出判断时 , 都可以参考它的意见。
不过 , 目前的 ChatGPT 似乎还不提供微调的功能 , 但 OpenAI 官网是有几个模型提供微调的 , 只不过需要一定的技术能力。感兴趣的朋友可以试一试。
另外 , 现在有些工具也在往这个方向尝试。比如有一些新兴工具 , 尝试记录你在电脑上浏览过的一切信息 ; 以及知名笔记软件 Notion 也推出了 Notion AI, 能够提供类似 ChatGPT 的功能。
那么 , 如果在我们的电脑中内置一个人工智能助手 , 或者在笔记软件中内置一个人工智能 , 把我们摄入和记录的信息都作为语料喂给它 , 似乎并不是遥不可及的事情。
到时也许可以出现这样的事情 : 你闲来无事 , 向它提问 : 最近有没有什么适合我看的电影 ? 它会向你推荐一个清单。
上面的内容来自哪里呢 ? 来自它对你打过分的电影、读过的小说、有感而发的想法、平时搜索的内容、甚至跟朋友聊天的信息……这些数据进行综合分析之后 , 所推断出的你的喜好。
它甚至会告诉你 : 这部电影用到了你三年前偶然想到的一个点子 , 处理得非常好 , 有没有兴趣看一下 ? 这部电影探讨了一个议题 , 正好是你前段时间一直感兴趣的 , 不妨参考一下……
当然 , 这个「内脑」无法绕开的 , 就是 隐私安全的问题。 如何确保我们的隐私不被别人所获得 ? 我们愿意付出多少隐私作为代价来换取这样一个内脑 ? 我们又能否接受它的存在 , 如何理解它与我之间的同一性 ?
这些 , 也许都是可以探讨的问题。
06 ChatGPT 会替代什么职业 ?
似乎每次聊到人工智能 , 都有人会问这个问题。
不过 , 我的答案依然是比较乐观的。 就目前来看 , 甚至就上文所述的近未来来看 ,ChatGPT 等 AIGC 工具 , 什么都不会替代——它只会提升我们的效率。
原因很简单 :AIGC 的定位不是一项「职能」, 而是一种「工具」。
什么叫职能 ? 比如有一款人工智能 , 功能是帮助你看 X 光片 , 那这是一项职能 , 它可能会替代掉一部分医生的功能 ; 但 AIGC 的功能是搜索、阅读、写作 , 这是所有职业都需要的基础技能。
它本质上是辅助性的 , 是一种辅助的工具。
AIGC 可以帮我们做到的是什么呢 ? 我们不需要再给每个 NPC 写一堆重复的台词了 , 而是可以设计 NPC 的背景 , 让 AIGC 自动生成他们的台词 , 甚至产生任务和剧情 ; 我们也不再需要给小说中的每个人物设定人设了 , 可以先做好背景框架 , 再让 AIGC 生成一大堆人物 , 我们从中挑选 , 润色一下就好……
因此 , 有了 AIGC 的存在 , 我们能够想象的未来是 :
搜索信息更准确了 , 阅读效率更高了 , 得到的专业建议有了更多的渠道可以参考对比 , 游戏的剧情和任务可以更丰富了 , 小说和影视剧可以更多元化了 , 新闻可以更加实时地推送给我们……
所有的创作型职业都应该为此感到开心 , 因为困扰着他们的最大障碍——无聊的、繁琐的、劳动密集型的操作性工作 , 可以被 AIGC 替代掉了。
那么 , 面对 ChatGPT 等 AIGC 工具 , 最需要、可能也是最重要的一项能力是什么呢 ?—— 是 明确自己想要什么 , 并且能够表达清楚自己想法的能力。
能够提出一个好问题 , 有时候比能够解决一个问题更重要。ChatGPT 的出现 , 更加清楚地表明了这一点。
你对自己的清晰认知 , 对外部世界的独特见解 , 深入事物本质的洞察力 , 以及将其表达出来的沟通能力。
这四点 , 会是我们在面对一个由人工智能驱动的世界时 , 更加潇洒自如的武器。
07 结语 : 未来我们该如何管理知识 ?
最后 , 用我之前写的一个想法来作结吧。
随着 ChatGPT 等 AI 工具的发展 , 我们还需要记笔记吗 ? 未来我们该如何管理知识 ?
所有知识 , 大体上可以分成三类 :
一是客观存在的信息和事实 ;
二是我们对这些客观信息的理解、总结和思考 ;
三是我们行动实践所获得的经验和心得。
ChatGPT 等 AI 工具 , 能够替代的是绝大部分的一 , 以及一部分二。也就是它能替代客观信息库 , 以及我们对客观信息的总结。但二里面我们自己的思考加工 , 以及三里面我们的实践记录 , 是没有办法被替代的。
实际上 , 这也是让每个人的知识体系和知识结构真正有别于其他人的地方 :
重要的不是你收集和掌握到了多少信息 , 而是你对这些信息有着怎样的理解、形成了哪些自己的看法。
随着 AI 的发展 , 未来更好的形态 , 可能是一个 「公用的外脑 + 私人的内脑」。我们可以接入这个公用的外脑 , 询问客观知识库所存在的一切信息和资料 , 包括论文、互联网文章、书籍、视频 , 等等。
而每个人基于他所记录的思考和项目实践 , 可以有一个经过自己微调和训练的内脑 , 让它学习自己的生活和思考方式 , 通过向它提问获得更加私人的、针对自己需求的答案 , 成为自己的秘书。
到时所谓的「记笔记」, 可能就会变成向这个内脑喂材料和微调的过程。而每个人的大脑 + 内脑 , 可能就会变成一个专属于他的思考机器 , 也是将每个人区分开来的方式。
我非常期待这一天的到来。
– 闲聊时刻 –
那么 , 如何体验 ChatGPT 呢 ?
使用 ChatGPT 需要注册 OpenAI 的账号。遗憾的是 , 注册账号有一定的门槛。
目前 ,OpenAI 不接受中国大陆的 IP 访问 , 也不接受中国大陆的手机接收验证码。如果你有海外朋友 , 可以请求他们的帮忙。
然后 ,ChatGPT 现在需要付费了 , 每月的价格是 20 美元。免费账户也能用 , 但是会有限制 , 经常遇到网络堵塞。也许过段时间热度下去了会好一些。
最后 , 也许是这几天热度太高了 ,ChatGPT 的官网经常出问题 , 经常访问不了。因此 , 不妨多等几天 , 不用急着去尝试。
另外 , 前文也讲过 , 微软的必应和谷歌都在尝试将类似产品嵌入到搜索引擎之中 , 等正式上线了也可以体验一下。
同样 , 国内应该很快也会有类似产品出现 , 或者直接接入 OpenAI 的 API。大家可以留意一下。
— THE END —
原文链接:https://blog.csdn.net/sunyctf/article/details/129129579