我的本科是智能科學相關的，對 AI 算法有著一些認識，後來參加校外實習的時候去了一個教授的實驗室，第一次參與了模型訓練和一部分程式碼的編寫。那是 2012 年，卷積神經網路開始爆發的一年。
最近的 ChatGPT 無疑是神經網路又一次刷新人類認知的事件，對於這個模型，在我使用了一段時間後，發現了它仍然存在一些問題。
ChatGPT 使用的是監督學習和強化學習，採用大量的資料集進行神經網路的訓練，人工的為 AI 生成的資料進行標註，並調整模型參數，換句話說，ChatGPT 會盡可能輸出人類想要的答案。
之前有人嘗試讓 ChatGPT 模擬一台 Linux 主機，對輸入的命令進行結果輸出，我不認為是它自己運行了這些命令，而是它的模型輸出了這個命令大概率會得到的結果，這個結果大概率會使人類滿意。
因為秉持「偷懶是第一生產力」的原則，我算是部門裡較早使用 ChatGPT 來完成工作的人（私下裡），我嘗試過使用它來寫文件，自己在它提供的內容的基礎上修修補補，完成一份看上去還可以的文件，當然，我是那種低調的使用的人，直到有另外的同事在辦公室裡大肆宣揚這個東西多麼神奇之後，我就知道我的偷懶之路也就結束了。
公司領導也在嘗試讓 ChatGPT 能替代一部分人的工作，但是在我看來，這個願望目前還是沒法實現的，AI 在一定程度上會協助人類完成某個特定任務，但是對於通用型任務，目前的 AI 還是有些力不從心。我們可以用 ChatGPT 來完成一些小型的編程任務，或者文字編輯任務，但是它輸出的結果卻是還是需要人工再進行一定程度的編輯，想要達到「拿來即用」的程度，還是不太行。
OpenAI 這家公司也是比較理想，想用一個模型來解決所有問題，ChatGPT 就是這樣的一個模型（在一定程度上），不知道將來會發展成什麼樣，好在我們有幸可以嘗試。
在我心目中，將來的 AI 還需要有一次革命性的創造才可能真正進入人們的生活，完成各種更加複雜的任務，就像近些年的算力爆發帶給 AI 發展的一次復蘇一樣，或許後面的革命需要更好的演算法，而不是靠目前的神經網路（可能這已經是最好的演算法），將來的事情誰都說不準，或許有生之年真的有可能等到演算法更新的那一天，說不定我們真的能看到機器人和人類的戰爭（希望不會有）。