近些年，人工智能技术高速发展。其中包括许多引人注目的里程碑，有些技术已经深入到我们的生活中，例如：
这里只是列举了一些例子，还有许多其他应用。然而，作为普通人而言，与之前的技术相比， 给我带来的震撼更为突出。
从资本市场，我们也看到英伟达最近发布财报之后，股价暴涨。这不是炒作，而是 GPU 确实供不应求，英伟达的积压订单堆成了山。这是在之前的 AI 高光时刻中，我们所没能见到的情况。
到底 有何不同？本文尝试从普通人的角度，总结一下 的独特之处。
1. 多场景的灵活性
过去的技术通常专注于特定任务，有明确的边界和预先制定的规则，比如与机器人下棋娱乐、使用百度或 Bing 进行图像搜索、通过推荐系统获取商品信息、使用 翻译阅读国外论文等。
而 在各种场景中都能帮助普通人，无论是回答问题、提供建议、创造内容还是辅助写作等。凭借 所积累的知识，它可以与你聊几乎任何话题，可谓是“上知天文，下知地理”。
基于 GPT-4 的 还提供了插件机制，可以通过第三方扩展能力获取准确的信息或进行进一步的数据处理。这使得 比以往的任何机器学习模型都更加灵活和实用。
2. 更聪明：既具备逻辑推理能力，又有创新力
大多数人工智能模型缺乏逻辑推理能力，即使是接受语音输入的软件如 Siri 或聊天机器人，它们的理解能力也非常有限，有时候甚至显得很傻。
而基于大语言模型的 具备逻辑推理能力，包括类比、归纳和演绎等。同时， 还具备出色的创新能力，能够提供富有创意的点子。这使得 比以往的任何机器学习模型都更加 “聪明”。这就是 “大”语言模型的魔力。
有人发现 在数学题方面的能力不足，有时甚至会答错一些简单的算术题。当然， 可以进一步提高这方面的能力，但从根本讲，这并不是 的目标。数学计算已经非常成熟，有许多数学软件和工具可用于完成这些任务。你也可以借助 编写相应的 代码，然后利用基于安全沙箱的 解析器运行，从而获得正确的结果。
3. 无需数学知识或编程能力，大大降低使用门槛
坦率地说，以往的人工智能模型并非普通人可用。通常情况下，使用这些模型需要基于某个现有模型（通常为某个经过预先训练的基础模型），利用自有的数据进行微调（fine-tune）；然后将模型部署到容器或虚拟机中，可能还需 GPU 支持；之后，由程序员通过 API 调用进行应用开发。你可能对 “微调” 一词并不了解，不过你只需知道这个步骤需要深厚的数学知识，包括微积分、线性代数、概率论和信息论等，这些只有人工智能专家才能胜任。此外，整个过程还要求至少具备基本的编程能力。
在 中，”微调” 被”提示”（）所替代。简单来说，就是如何更好地与 对话，使其能够更好地理解你的输入，并输出你想要的结果。提示有一些技巧，但本质上仍然是自然语言的表达方式，并且可以使用你的母语。网上有许多面向普通人的提示词在线课程。
此外，尽管 GPT 本质上仍需要以编程方式访问，但 通过简单的封装，提供了基于网页的交互式聊天形式。这使得 非常易用，并且交互聊天的方式非常符合人类的习惯。
总结
与以往的人工智能技术不同， 具备 “灵活”、”聪明” 和 “简单” 的特点。 势必对我们的工作和生活产生巨大而深远的影响。
这次 的大火，是有道理的。 和之前的 AI 技术确实不一样。
全文完
相关文章
