关于chatgpt的一些解读
阅读蕴藏着无尽可能，有益于明理、增信、崇德、力行，让人生绽放光彩。
在近10年ai发展的前两个阶段，人工智能的进展更多体现在基于规模的技术突破，如2015-2020年，用于模型训练的计算量增长了6个数量级，同时随着规模的增大，输出结果的质量亦迎来质变，在语言文字、书写、图像识别等领域皆表现出超越人类的水平。但在实用层面，由于所需要的算力巨大，往往需要特殊的gpu配置，同时训练过程相对封闭，大多数人并无法使用，因此技术无法被多数人触达。而人工智能的第三个阶段，随着更新的技术、更优的算法、更大的模型出现，算力的成本越来越低，使得模型训练与运行所需成本持续下降，
而算法从封闭测试到开放测试、开源的逐渐普及，亦降低了使用门槛。由此人工智能无论在经济性与可获得性上都达到了支持普及的水平。得益于aigc基础设施可获得性的逐步提高，平台层变得更加稳固，算力成本持续下探，模型逐渐趋于开源与免费，应用层爆发式发展的节点正在靠近
目前我们正经历从web2.0开始向web3.0转型的启航阶段，我们已经看到内容创造从专业创作（pfc）转型为了用户创作（ugc）。而chat-gpt的出现以及中短期内的产业化落地将会为从用户创作（ugc）到ai创作（aigc）的转型提供关键的辅助支持。结合chat-gpt的底层技术逻辑，我们认为chat-gpt中短期内产业化的方向主要分为四大板块。1）chat-gpt对于文字模态的aigc应用具有重要意义，在归纳性的文字类工作中展现出了其优异的表现。中短期内chat-gpt能在办公辅助类工具中迅速落地，例如会议总结、文件翻译、例行报告等，提升办公效率并节省人力成本。
代码开发相关的工作更加规整也非常适合ai辅助生成。2021年中与github、微软合作上线的copilot是目前最成熟的ai代码补全工具，根据github数据，测试一年来已有120万用户，这些用户编写的代码中40%是由copilot自动生成，而截至2022年10月，copilot已经融资2200万美元。chat-gpt在目前测试中表现出的代码生成能力相比于copilot更加灵活，但欠缺一些底层的稳定性。在进行针对性的优化后，基于新gpt模型的ai代码辅助工具也有望在中短期内落地。3）图像生成领域成为了2022年下半年一级市场公司布局的热点，随着dalle2的热度，在商稿方面用ai取代人类画手的思路基本明确。
gpt模型在图像生成领域目前效果略逊于扩散模型，但扩散模型可以利用chat-gpt生成较佳的propt，对于aigc内容和日趋火热的艺术创作，提供强大的文字形态的动力。4）chat-gpt最适合直接落地的项目就是智能客服类的工作。根据模型现有的完成度，在垂直行业针对性的做人工反馈训练，chat-gpt就可以落地为智能客服产品，在toc场景中率先应用。对比目前的智能客服，chat-gpt支撑的客服将在灵活性与人性化服务方面有显著的进步。
注:（免责申明）本文仅为个人笔记，内含个股仅仅是作为分析参考，不能作为投资决策的依据，不构成任何建议，据此入市风险自担。股市有风险，投资需谨慎！
知音难觅，也是人生常态，一曲众寡，尽管少有人懂，但是我自有我的风采
见者点赞，腰缠万贯！股运长虹，感谢诸君关注.点赞.评论.转发！最近转码严重，让我们更有动力，更新更快，麻烦你动动小手退出阅读模式。谢谢</p>