最近，ChatGPT受到了大家的广泛关注，一时间讨论四起，成为现象级的人工智能产品。在ChatGPT推出仅两个月后，它在2023年1月末的月活用户已经突破了1亿。为何能给发展如此快速？本文通过评测该产品，对其优缺点进行分析，并对其未来发展方向进行展望。

没有太花哨的东西：示例、功能介绍、limitations和一个输入框。这个limtations的初衷可能是考虑到毕竟还是一个验证版本，所以适当降低一下你的预期。

首先看看基本功：语义理解。

几个问题下来表现还是不错的，对一些时下的热词的理解是在线的，回答也比较全面。

接下来继续挖坑，上个智力题和脑筋急转弯。

没有问题，继续来聊社会学。注意它对上下文的理解和逻辑表达。

来点医学方面的。

继续文学方面的。注意它回答的是小说而非最近才上映的影视剧。

接下来是很多聊天机器人的滑铁卢：道德，它的前任GPT-3就是栽在这个地方。

体验后，我是有点被震撼到的，我意识到ChatGPT已经远远不是一个简单的聊天机器人了。具体说：

1）ChatGPT有逻辑推理能力，不是简单的语义识别和搜索；

2）ChatGPT有理解上下文的能力，可以看做一种短时的记忆；

3）ChatGPT能根据你的响应，对回答进行调整，让人产生ChatGPT能理解人类情绪的错觉；

4）ChatGPT有强大的知识储备，自然 、人文、经济、社科等百科知识甚至专业领域的一些基础知识都问不倒它；

5）ChatGPT在输出的文字上面，逻辑组织能力很强，不是直接检索的结果，而是根据特定模板结构整理过的，这一点让人印象深刻。

重新认知ChatGPT：体验后，我觉得是时候重新认识一下这个“新朋友”了。

最早的聊天机器人在1964年就诞生了，它就是Eliza。Elaza是世界上第一个真正意义上的聊天机器人，可以让计算机与人通过文本进行交流。

这个对话机制是如何实现的呢？其实就是设置了一些简单规则而已，例如，当人输入“×××”，它就会反问“为什么会×××呢？”或者“还有谁×××呢？”。另外，还有例如“这个问题很有趣吗？”“说点其他的吧”等用于展开话题的规则。随机使用这些规则，就会让人感觉好像真的是在与人交谈一样。

B端业务，按照OpenAPI平台开放程度，包括三个层次的应用。

企业知识库（数据共享）:

许多企业都有自己的知识库，如果ChatGPT可以开放其预训练的语料库，那么它可以把企业的知识库作为预训练语料导入进去，从而生成特定行业或者特定企业个性化的知识库。

专家系统（模型共享）：

这方面的例子是Cicero公司的文字策略游戏系统。这个系统可以与人类互动，可以使用战略推理和自然语言与人类在游戏玩法中进行互动和竞争。Cicero的核心是由一个对话引擎和一个战略推理引擎共同驱动的，而战略推理引擎集中使用了RL，对话引擎与GPT3类似。这样一款游戏的原理如果应用在组织决策领域，那么其影响不亚于它在聊天工具上所取得的成绩。

营销工具（模型应用）：

这是目前最简单的应用，直接调用ChatGPT平台的API接口，如营销文案的创作。从理论上，ChatGPT的知识都是来自人类，所以它在创新方面无法取代专业人士，或许提供一些原始的文案和设计素材才是它在AIGC领域的定位。

作者：涛哥，微信公众号：涛哥笔谈。前华为高级产品经理，TOGAF认证专家，PMP认证专家，PPV课数据科学社区创始人，数字化转型实践者

本文由 @涛哥 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议。

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。