ChatGPT 是什么?越来越清晰了
从现在开始,我们要努力学习啦!今天我给大家带来《ChatGPT 是什么?越来越清晰了》,感兴趣的朋友请继续看下去吧!下文中的内容我们主要会涉及到等等知识点,如果在阅读本文过程中有遇到不清楚的地方,欢迎留言呀!我们一起讨论,一起学习!

两个月前,ChatGPT 刚出来不久,我便注册试用了,在《尝鲜 ChatGPT》中介绍了注册的过程和简单使用的示例。
最近,ChatGPT 越来越火了,朋友圈、公众号、微博、即刻随处可见关于 ChatGPT 的信息。我也看了不少关于 ChatGPT 的文章,一些疑问也得到解答。
活跃用户
ChatGPT 用 2 个月达到月活用户 1 亿,此前记录是 TikTok 用时 9 个月,很多新闻中都提到了这个 1 亿用户来吸引眼球。
需要说明的是,这里的月活用户不是指注册用户,可能还包含爬虫、游客等。即便如此,我认为也不会是一个很少的数量级,加上最近各大媒体报道,各种注册服务的推出,估计也差不太多。
关于用户,大辉的这篇文章有详细讲述:
https://mp.weixin.qq.com/s/iBmJEa4AzZKSO4nfKtCZDQ
和搜索引擎的对比
ChatGPT 的使用方式是面向一个文本框,用提问来进行交互;搜索引擎也是一个文本框,通过输入关键字来进行检索。看着很类似,其实有很大差别。
有几个重要的区别是:
- ChatGPT 因为训练一次,费用昂贵,所以 ChatGPT 不是实时的,而搜索引擎的时效性很高;
- ChatGPT 是基于语义分析,搜索引擎是基于关键字索引;
- ChatGPT 会给一个最优解,搜索引擎的结果为多条符合关键字匹配的内容,我们需要自己对结果进行分析、辨别,然后对比、合并、重新理解,最终得到一个答案;
- ChatGPT 可以基于上下文进行追问,让他知道我们的真实需求,结果也会不断进行优化,搜索引擎只能调整关键字,得到新的结果;
- ChatGPT 仅仅是个结果,搜索引擎会有来源链接。
不管是 ChatGPT 还是搜索引擎,都是辅助我们的工具,这两者不是对立的,而是各有各的使用场景。
例如:我要查询天气、看看日历、行业最新资讯等,我肯定用搜索引擎;如果我要写一个很特殊的正则表达式或 Sql ,我就会使用 ChatGPT ,因为我可以通过一大段描述,将我的场景写清楚,ChatGPT 可以理解并给出一个还不错的答案,甚至是一个开箱即用的答案。
是否能取代程序员?
记得在低代码比较火热的时候,就有低代码平台是否会跟程序员抢饭碗的话题。几年前,我们去给客户推荐我们的产品,一些有研发能力的客户会比较抵触。
现在 ChatGPT 火了,大家又开始讨论程序员是不是会被取代?
上面我也说到,和搜索引擎一样,ChatGPT 只是一个工具,既然是工具就会被人所使用,是为了提高人的创造力和生产力,为我们服务的。
举两个例子:
- 农业机械化生产后,拿着锄头到地里干活的人少了,但会需要操作机器的人;
- 低代码流行后,落地一个项目,需要的程序员变少了,但会需要更多的配置和搭建的人员,相比程序员,这些人员的成本更低;
ChatGPT 也是一样,无论怎么发展,只要利用好,效率会成百上千倍的增长,并且会滋生出来很多新的职业和岗位。
程序员的日常工作就是把人的诉求通过编程语言表达出来传递给电脑,电脑运算出结果,而 ChatGPT 能够分析语义,这让人的诉求到电脑能够理解这个过程变得容易了,这也就是为什么王建硕会说未来十年中国会新增五亿程序员了,因为借助工具,更多的人都能更电脑进行交互了。
我们该做些什么?
一个新的技术出来,有这么三类人:
- 找到缝隙,赢得先机,狠狠地赚一笔;
- 杞人忧天,各种担心;
- 利用好技术,提升效率。
ChatGPT 因为在国内注册不方便,就有人专门做了收费服务,帮助注册,据说一个月赚几十万。也有人还在想着自己会不会被取代,对我而言,我把 ChatGPT 当成一个效率工具,使用好他就可以了。
总结
ChatGPT 是一个开始,可能还会带来革命性的改变。就像蒸汽机引发了工业革命,改变人类的生产方式、浏览器的诞生催生了互联网的发展;乔布斯发布 iPhone 后,宣告了移动互联网的来临。
但在眼下,我们可以做些力所能及的,比如:将 ChatGPT 集成到微信群,尝试使用下微软发布的 New Bing 。
本篇关于《ChatGPT 是什么?越来越清晰了》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!
如何修复 Javascript:Windows 11/10 上的 void(0) 错误
- 上一篇
- 如何修复 Javascript:Windows 11/10 上的 void(0) 错误
- 下一篇
- 如何在 Windows 11 上查找和更改 Mac 地址
-
- 科技周边 · 人工智能 | 23小时前 |
- RAG 文档切片怎样决定 overlap
- 278浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- ONNX 导出怎样声明动态 batch 和序列长度
- 131浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- RAG 检索结果怎样设置召回和重排的 Top K
- 491浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | LoRa PEFT merge_and_unload adapter unload disable_adapter delete_adapter
- PEFT 怎样卸载 adapter 并保留基础模型
- 485浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- Accelerate mixed_precision 怎样选择 fp16 或 bf16
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- Accelerate 怎样配置梯度累积
- 356浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | skip take Hugging Face Datasets streaming IterableDataset shard
- IterableDataset 只有一个 shard 时怎么继续切分数据
- 441浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | JSON split Hugging Face dataset Datasets
- Hugging Face Datasets 怎样从 JSON 加载数据集
- 266浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- Transformers 生成文本怎样理解 past_key_values 缓存
- 370浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · 文本生成 Transformers Python线程 TextIteratorStreamer 流式生成
- Transformers TextIteratorStreamer 怎样流式读取生成结果
- 485浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 485次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 541次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 563次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 518次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 333次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
