ChatGPT ✖️ 前端 = 有點er意思
ChatGPT最近一週忽然登上了國內各大平臺的熱搜榜，應該在去年11月末的時候就有不少同學瞭解並使用過，那個時候它剛剛問世，在網際網路圈子裡有了很大的熱度，但是對於大眾來說，還是不太瞭解的。
我在去年的時候就跟風註冊了一波，其回答問題的準確性和編碼能力讓我吃驚。不得不說，ChatGPT作為一個新興的AI產品，和老美的電影裡的人工智慧有那麼一些相像了，甩了三問一不知的小愛、小度和小E不止一條街。
上週它忽然就🔥出了圈，讓很多人驚喜的同時，也讓很多人產生了擔憂，下面我們一起來聊聊它，以及如何使用它來讓我們生動有趣的編碼生活變得更有趣起來(斜眼笑)。
HOT! HOT! HOT! 🔥 🔥 🔥
首先我們先來看下最近的熱度來的有多麼的突然，那簡直是太炸裂了，語言不好描述，我收集了一些常見平臺的指數截圖，大家可以感受一下：
百度指數
注意，近期的峰值可比去年11月底剛推出的時候高的不是一星半點。
Google Trends
注意，搜尋熱度最高的國家是中國，這還是在有牆的前提下，看來中國人的
憂患意識不是一般的強
微博指數
ChatGPT是什麼❓
在這個產品推出之前，大家應該聽說過他們公司的一些其他產品，比如：
- DALL·E 2：http://openai.com/dall-e-2/
這是一款
影象AI，主要功能有“根據文案繪畫”、“無限拓展影象的邊界”...
- CodeX：http://openai.com/blog/openai-codex/
這是一款
自然語言轉化成程式碼的AI產品，它就是之前比較火的微軟的GitHub Copilot的驅動模型。
包括ChatGPT在內，他們幾個都是衍生自GPT-3的產物，那麼GPT到底是什麼意思呢？
2018 年 6 月，OpenAI 釋出了一篇關於通用語言模型的研究（http://openai.com/blog/language-unsupervised/ ），雖然全文都沒有出現過 GPT 這個名詞，但其實它就是 GPT-1。
這篇文章提出了一個叫作Generative Pre-traing的概念：生成式預訓練。
和傳統的以任務為導向的訓練方法不一樣，生成式預訓練不需要人工標註，比如我們之前分享的《手把手帶你實現 ”在瀏覽器上進行目標檢測“ - 掘金》，裡面就有需要人工在圖片上標註二維碼的位置，生成資料集告訴AI，然後AI再根據這些去學習；再比如說你想訓練一個可以做中英文翻譯的 AI，你就需要提前準備好大量的中英文對照的句子給 AI 去學習。
生成式預訓練的思想就不一樣了，我直接拿著人類已有的現成的文字資料去訓練 AI，怎麼訓練呢？我就讓 AI 根據上文去續寫下文，比如一句話，張三每天都很認真地學習，老師們都誇他是好____，“好”字後面我讓 AI 去寫，如果 AI 寫出來的是“學生”，這就和原文一樣，那就判斷正確了，要是不對，就繼續訓練它朝著對的方向去走，這種訓練方式的好處，就是研究人員不再需要花大量的資源去人工準備答案，每句話裡下一個詞就是上一段話的答案，理論上人類現有的所有文字資料，都可以作為訓練資料直接餵給 AI 去學習，這就遠遠大於現有的任何人工製作的資料集。
因為這個預訓練過程不需要人工編寫答案，所以人類現有的所有文字資訊，小說、典籍、歌詞、論壇裡的回帖，甚至是軟體程式碼，只要硬碟裝得下，都可以餵給 AI 模型去學習，不斷地增大神經網路模型的引數量，不斷地增加訓練資料裡的文字量，預訓練模型的能力就會繼續增長，用標註好的資料引導它去做各類具體任務的水平也會相應提升，這種生成式預訓練，與一種叫做變形器Transformer的模型結構相結合，就成了Generative Pre-trained Transformer，取三個字母縮寫，就是 GPT。
此後 2019 年的 GPT-2、2020 年的 GPT-3，核心迭代思路都是利用“鈔能力”擴大模型規模，GPT-2 的引數總量是 15 億，GPT-3 更是提高到了驚人的 1750 億，而截至今天，這條“鈔能力”路線依然沒有摸到天花板， 還在往下繼續。
以上文案和資料部分來自B站UP主
@林亦LYi：ChatGPT誕生記：先撈錢，再談理想｜OpenAI翻身史_嗶哩嗶哩_bilibili 講解的特別好，大家感興趣的可以看一下！
ChatGPT能做什麼❓❓
ChatGPT不單是聊天機器人，它還能進行撰寫郵件、視訊指令碼、文案、翻譯、程式碼等任務，我嘗試使用它來進行了一些測試，下面是一些示例截圖：
寫郵件
寫短視訊指令碼
寫程式碼
案件分析
優化週報
寫小詩
......
💻 ChatGPT ✖️ 前端
作為一名前端開發同學，我這段時間就在想，在日常生活裡
我如何使用ChatGPT來幫我做些什麼事情來提高開發效率呢？最後想出了幾個場景以及我的示例，大家可以參考一下：
一、技術調研 + 文件編寫階段
1、Cover不住的需求點應該用什麼技術點來實現比較合適
以我最近在做的需求為例，我需要實現一個比較複雜的
樹圖，類似XMind的那種腦圖，我就問了一下它，得到的結果還是比較令我滿意的，即使還是有些問題存在。
2、不確定的技術方案（1）
2、不確定的技術方案（2）
之前實現過一個
瀏覽器外掛，可以一鍵識別你當前螢幕中所有的二維碼，並且將識別結果返回到對應的位置，我想以這個需求為例，讓它幫我想想方案。之前的文章：手把手帶你實現 ”在瀏覽器上進行目標檢測“ - 掘金
外掛效果：
二、編碼階段
1、正則表示式就不需要自己去寫了
2、程式碼優化（1）
3、程式碼優化（2）
4、我想實現一個XX功能，幫我在github上找一個demo
三、自測階段
1、幫我測試一下XX方法
2、執行不及預期，幫我看看有什麼問題
四、讀原始碼
Σ(⊙▽⊙"a 下面的這些回答把我驚豔到了！它是真的懂這些程式碼！而且還能幫我找類似的程式碼！！！
五、不錯的VsCode外掛
1、ChatGPT中文版
（不太推薦，當使用之後，就無法使用上下文的方式和ChatGPT交流了，不過因為是中文版，可以裝上玩玩）
2、ChatGPT 👍
推薦!，簡單使用下來比較順暢，該有的快捷功能也都有，最重要的是聊天時是支援上下文的。
使用展示圖：
🙋🏻 指令的美學
如何和ChatGPT這一類的AI溝通，他們叫做“指令”，好的指令和壞的指令得到的效果是非常不一樣的，如果經常使用一些寬泛的生活用語和它交流，那麼得到的結果往往不盡人意，甚至和手機裡的語音助手沒太大的區別。
我們先看一個不太好的例子：
我們可以看到，它的回答和網上搜索出來的結果沒什麼兩樣，當看到這種結果之後，很多人就會覺得：“啊，它不過如此，對我幫助不大”，可是當我們換一種方式來問它，結果可能讓你驚豔到，我們重新問：
可以看到，當我們向它傳送一些比較專業一些的指令的時候，得到的結果往往也是更專業的，同樣，這種結果也是更有參考意義，也是我們更想要的結果。
在傳送指令前，希望你的指令最好滿足以下幾點：
內容清晰（省去不必要的文字，每個字儘可能都有用）任務定義明確（幫我製作表格，我要你提供事物的重量和數量）要求具體（比如我要一個清單、我要計算我的TDEE、我要去超市你幫我準備xxx）具有迭代思維（一句話可能問不出來你想要的結果，你可以持續性的和它聊，基於一個或者幾個點深入一下）以上參考：抖音@絕對社，對於如何使用更精確的指令講解的特別好！推薦大家去看~
🔫 殺死那個ChatGPT？
1、For 教育
在美國，有很大比例的學生拿ChatGPT寫作業、寫論文、考試，而且ChatGPT給出的答卷往往成績都很棒~
在一項由賓夕法尼亞大學沃頓商學院Christian Terwiesch教授進行的研究顯示：ChatGPT能夠通過沃頓MBA課程的期末考試。這位賓大教授1月17日發表的名為《ChatGPT能否獲得MBA學位》的論文中稱：經過實際測試，其考試得分介於B-和B之間。
該教授指出，ChatGPT“在解決基本運營管理和流程分析問題方面，包括基於案例研究的問題方面都表現出色”。機器人給出的解釋也非常優秀，它還“非常擅長根據人類提示修改其答案”。
鑑於這一系列情況，斯坦福大學終於坐不住了。他們的研究人員已經開發了一種名為DetectGPT的工具。這工具可以幫助教師識別使用ChatGPT或其他類似的大型語言模型 (LLM) 生成的內容。（魔法才能打敗魔法😎）
號稱“幹翻媒體人”的ChatGPT，已被多家出版機構“封殺”
2、For 程式設計師
它面進Google了！你怕不怕！它的工資可能比你還高哈哈哈！
18萬美元offer！ChatGPT通過谷歌L3入職測試，人類碼農危？
ChatGPT 通過谷歌 L3 工程師入職測試，年薪 18 萬美元
3、For 其他崗位
從這周的搜尋資料趨勢來看，很多人還是怕了的，
“它究竟會不會代替我！”
瑟瑟發抖？基於ChatGPT的AI律師太過強大 被人類律師瘋狂阻撓
放心 ChatGPT們不會完全取代會計,也不會完全取代審計,理由如下_會計審計第一門戶-中國會計視野
🔚 結束語
如上，ChatGPT像一個💣一樣引爆了全網的討論熱潮，但是這個熱潮終將會慢慢褪去，在興奮的向他人瘋狂安利它之餘，我也看到了很多人的思考，綜合一些我自己的思考，總結了以下幾點：
- 它的出現真的會讓很多人
失業嗎？ - 它的出現無疑是劃時代的，當前時間節點還正處在“新”時代的前期，我應該怎樣接受它的存在並且高效且合理的使用它來
為我服務？ - 未來AI遍地的時候，究竟還需要什麼樣的人才？中國式教育下出來的高材生在那個時代還有什麼
競爭力？ - 這應該是一波
風口，新的風口下，會出現什麼新的崗位，未來的社會又會發生什麼樣的變化？ - 未來網際網路上發言的AI是不是會
超過真實的使用者？如果出現一些誰聲音大誰就有理的公共議題討論會怎麼辦？
當然，以上的一些想法會比較偏保守一些，後期肯定也會有更多的法律或者條款來限制AI的野蠻生長，前段時間馬斯克也講到“人工智慧比核彈更可怕，要成立AI監管機構”。
不過作為一個普通使用者來看，目前的ChatGPT還是一個值得一試的產品，它真的可以為我們提升蠻多的效率。
目前大家使用的ChatGPT是從GPT3.5衍生出來的AI產品，其訓練集並不是網際網路上實時的資料，而是來自截止到2021年的資料。
它還處於一個嬰兒階段，還有很多不成熟的地方，據OpenAI統計，從2012年到2020年，人工智慧模型訓練消耗的算力增長了30萬倍，平均每3.4個月翻一番，超過了摩爾定律的每18個月翻番的增速😱。
暢想一下未來~ 我們可以和鋼鐵俠一樣，擁有一個知曉所有事物的Jarvis，你在工作、生活中的時候來上那麼一句：幫我看看這段程式碼有沒有什麼漏洞、幫我想一下xx功能怎麼實現、我想做一個xxx，幫我畫個圖紙，圖紙畫好之後，交給3D印表機，列印好之後告訴我...
而且這個未來，應該很近。