原副标题：从Chat GPT的火灾，谈谈语义处置
对于ChatGPT来说，相信诸位最近都被它满天飞的新闻报导所冲走，的确除了许多人早已新体验到了ChatGPT，裂稃人工智慧早已高度变异之势。ChatGPT的再次出现，好像早已对现今网络产生了巨大的影响，如果在这么产业发展下去，即使看到了在未来能替代许多职业的态势，比如说客服人员、程式设计、策画、秘书组织工作等等。
甚么是ChatGPT呢？ChatGPT，是国外OpenAI研发的闲聊机器程序，于2023年3月30日发布。ChatGPT是人工智慧技术驱动力的语义处置工具，它能够通过学习和理解人类文明的语言来展开谈话，还能根据闲聊的语句展开交互，真正像人类文明一样来闲聊交流。
首先
本栏认为千万别鄙视ChatGPT的再次出现，它更为重要是两个会陪你闲聊的AI机器，或是甚么第三代的AI浏览器，那时的ChatGPT早已能帮你程式设计，帮你构筑两个学术论文、老赵架构。虽然，现阶段ChatGPT的回答多少却是能看出许多机器的伤痕，但随着全世界上亿人对它不断的概要训练，它的插值升级速度的确也是极为不可思议的。
其次
他们也千万别过份神格化ChatGPT，它那时离无坚不摧的状况还差得很远，现阶段的ChatGPT却是处在一种“很会说实话”的状况，貌似它得出的标准答案极为厉害，但一旦深入阅读就会发现，ChatGPT是两个给老赵“灌水”的剑客，文本极为暗区，它只会单纯的充填文本，和他们人类文明的创作差别除了很大。
最后
科学合理采用ChatGPT的确能帮助他们极大的减少组织工作效率，比如说让它为学术论文搭两个架构，他们再在这个架构之上展开修正，就能让写学术论文这件事随心所欲许多；即使，还能利用ChatGPT去撰写许多模组化的代码，开发人员再做许多对应的修正，也会使得程式设计组织工作随心所欲许多。总而言之，科学合理采用ChatGPT能让固定式的组织工作随心所欲许多，但现阶段依然不能替代人来展开许多组织工作。他们千万别神话故事它，但也千万别鄙视它，ChatGPT背后的人工智慧AI，的确是下两个时代产业发展的态势，他们一定要重视。第一集老赵，本栏想重点聊一聊，AI中的语义处置。
语义处置
在于ChatGPT的沟通交流之中，最令人第一印象深刻的就是它所得出的标准答案，对比于其它AI闲聊软件来说，更像人类文明许多，即使能联系语句展开流畅的沟通交流，而做到这一切，就不得不提一项在人工智慧中主要的领域——语义处置（NLP）。
对于语义处置而言，他们在理解这个概念的时候，不妨把这个词拆开来看。所谓“语义”就是人类文明产业发展过程中形成的一种信息沟通交流的方式，包括口语及书面语，反映了人类文明的思维。比如说，您那时在读的这篇老赵，我就是在用语义书写，因此，世界上所有的人类文明采用的语言都是自然语言。他们为甚么要强调“自然”呢，因为它要区别于计算机语言，计算机毕竟不是人，无法像人一样处置文本，需要有自己的处置方式，因此，所谓语义处置，简单来说，就是让计算机接受用户语义形式的输入，并在内部通过人类文明所定义的算法展开加工、计算等系列操作，以模拟人类文明对语义的理解，并返回用户所期望的结果。语义处置是人工智慧下各个小领域的十字路口，是人工智慧最新的的领域之一，被誉为“人工智慧皇冠上的明珠”。
最早的语义处置需求源自美苏冷战时期，20世纪50年代，由于美苏之间有大量的外文翻译需求，而在国外精通俄语的人才数量有限，又赶上计算机刚刚开始产业发展，因此，采用计算机来翻译文件的项目就被提上了日程。但，随着研究的开展，相关人员马上就发现了让计算机理解人类文明语言的困难极大。同一种语言下的句子都有不同的歧义，有着复杂丰富的文化因素，充斥着各种无规律的、约定俗成的俗语；再加上词与词之间、句与句之间都有复杂的逻辑联系，让当时算力孱弱的计算机完成这种组织工作，无疑是天方夜谭，就更不用说还要在不同的语言之间展开翻译了。因此最后，人们也只搞出了一种只能一词一词对应翻译的机器，与其说是翻译机，更不如说是早期的电子辞典。
直到90年代，IBM才提出了第三代的翻译模型——基于统计的机器翻译。简单来说，就是通过大量的样本数据，加以分析，统计词与词如何搭配概率最大，以此来找出词与词之间的联系。这样做有一种好处，就是能让机器产生一种类似于人类文明的“语感”。比如说，当统计了足够大的句子之后，当“芒果”和“吃”一起再次出现的时候，计算机很可能就会知道，这句话指的是水果，这时语言的准确性就会大大提高。但，这里除了两个致命的问题：这种模型对于句子的顺序不青春，也就是说它很可能得出你两个丝毫没有语法逻辑的结果。比如说“What’s your name?”所得到的翻译结果很可能是“甚么是你的名字？”读起来就极为怪异。
为了解决这个问题，那便要引入两个全新的AI算法——神经网络。虽然，其底层本质却是统计概率，但它能让计算机逐渐开始“理解”句子的含义。从此，语义处置将会逐步跳出翻译领域，开始逐渐拥有“智能”。具体的神经网络算法他们在这篇老赵就暂时不展开了，感兴趣的诸位能移步这篇老赵：
词向量
在这里，本栏只想说明两个概念，那就是：词向量。在人类文明眼中，当看到“果子”二字时，可能想到的是一种红色或绿色的水果，也有可能是某科技公司；但在计算机的世界中，它们只是一串毫无意义的0和1，计算机不会记录意义，它也不会理解意义，它只需要让操作它的人理解其中的意义就能了。
到了人工智慧这里，对于计算机有了新的要求，它需要“理解”意义。那计算机如何才能“理解“呢？标准答案就是：向量化。
如何向量化呢？打个比方，就是“果子”这个词，形状是球形的指数是0.9，气质是甜的指数是0.8，得到的坐标就是[0.9，0.8]；“桃子”这个词，形状是球形的指数是0.8，气质是甜的指数是0.9，得到的坐标就是[0.8，0.9]，那么这样它们就能在极坐标轴上被表示出来，就会很容易的看到，桃子和果子，在坐标轴上联系很近，那它们很可能就有某些直接联系。当然了他们能也能添加更多维度的特征量，比如说颜色、重量、体积等等，随着维度的增加，描述也会更加精确，计算机也就会逐渐“理解”一件事物，即使能明白事物与事物之间可能的联系。就如同马克思所说：“人是一切社会联系的总和。”在计算机的世界里，词语也是一样的，他们往往用其他的词语来定义另一种词语，
当计算机精确的知道了词与词在坐标系中位置，它也就能确定每个词之间的联系，那么计算机就能知道每个词之间的语义联系，也就“理解”了语言。
那时，除了两个问题，那么词之间的位置怎么确定呢？让他们来看看著名的词向量算法word2vec是怎么做的。其实，标准答案极为简单粗暴，就是通过大量的“完型填空”来训练人工智慧。比如说，先给人工智慧一句话“我喜欢吃果子”，然后隐藏掉“喜欢”，变成“我____吃果子”，让人工智慧去猜中间是甚么，这时词向量的值都是随机生成的，人工智慧自然猜不对，以此往复，直到猜中“喜欢”，这时随机出的词向量的数值就更加接近正确的值，就这么训练上几百、几千亿次，词向量的数值就会逐渐正确，从而AI的回答就会越来越智能。这时两个词就完成了词的向量化，这一过程，除了两个专有名词叫做“词嵌入”。
而本次火灾的ChatCPT，则是基于谷歌改良的语义处置算法Transformer的底层魔改的产物，简单来讲，就是通过算法模拟人类文明的“注意力”，从而极大的提升了AI理解语义的精准程度，就像谷歌自己学术论文的副标题所说“Attention is all you need（注意力是你的全部所需）”，而具体的Transformer模型概述，诸位能移步这篇老赵：
写在最后
随着ChatGPT的讨论持续升温，那时在网络上也出现了许多担心未来自己的组织工作会被AI取代的声音，就现阶段的情况来看，本栏认为还差得远，但一定会再次出现善于采用ChatGPT辅助自己组织工作，从而极大提升自己组织工作效率的情况。当然，产业发展AI是未来的态势，随着AI的插值，一定会有大量从事琐碎的、重复的、固定式组织工作的人将会被取代，这是未来的态势，他们任何人，都只能去拥抱这样两个时代态势，也只能顺势而为。这样的AI替代，必然是有争议的，但好不好，都不影响AI产业发展的态势。他们能做的只有积极学习AI、接受AI，让AI帮助自己更好地组织工作；同时努力提升自己，积极从事许多个人创造力占比大的职业。
祝诸位都有两个光明的未来。
ixin
