1. chatgpt有何种智能?
作为史上增速最快的消费级应用，chatgpt的注册用户在两个月内突破1亿，主要是因为其在很多日常自然语言处理任务上的出色表现。以chatgpt为代表的生成式人工智能(geerative ai)在诸多领域中有着巨大的应用前景，包括军事领域。
我们首先来分析一下chatgpt具有什么样的智能。对此，chatgpt的回答是这样的：
在《人工智能：一种现代的方法》一书中，stuart j. russell等人介绍了人工智能研究历史上的4种途径：像人一样思考、像人一样行动、合理地思考、合理地行动。从这4种途径进行考察，我们可以更好地了解chatgpt如何实践人工智能。
像人一样思考
chatgpt的核心是基于大规模语料库的深度神经网络，该网络可以学习到语言的规律和模式，能够进行文本生成，产生连贯的、有逻辑的文本，跟人类的语言能力非常相似。尽管chatgpt并非明确设计成模仿人类思考，但它是在大量的人类生成的文本上进行训练的，因此在效果上它能够产生人类般的语言回应。此外，chatgpt还可以进行情感分析，能够识别文本中的语气、情感和语境等因素，这些都是人类心理和语言交流中非常重要的因素。
当然，chatgpt仅是一种基于文本数据的自然语言处理技术，它缺乏与真实世界互动和感知的能力。它缺乏实际的经验和感知能力，因此在理解某些概念或场景时可能会出现困难。此外，chatgpt在处理抽象或非常规的语言表达时可能会出现问题，因为这些表达方式不一定遵循常规的语言规则。
像人一样行动
chatgpt不直接与物理世界进行交互，因此不能“像人一样行动”，但chatgpt可以被集成到其他系统中，执行自动化操作，例如回复电子邮件或响应咨询。
另一方面，chatgpt也可以通过生成适合上下文和对话主题的回复来模拟类似于人类的对话。这种方法旨在建立能够像人类一样执行任务的ai系统。虽然chatgpt并不一定试图像人类一样行事或模拟人类思维，但它可以生成看起来类似于人类的响应，从而可能在很多场景中通过图灵测试。
合理地思考
人工智能的“合理地思考”意味着能够根据形式化规则和模型进行逻辑推理和决策。chatgpt可以回答问题、完成文本填空任务、生成对话等，但这些都不是基于推理和思考的能力。chatgpt使用预训练的语言模型来生成文本，预测下一个可能的单词或短语。这需要对大量文本数据进行训练，并使用概率模型来确定最佳的下一个单词或短语。这些也都不能算是能力层面的逻辑思考。
因而，在“合理地思考”方面，chatgpt存在很大的局限性。在处理某些类型的任务(如数学问题或复杂的逻辑问题)时，chatgpt可能会遇到挑战，因为这些任务需要更高级别的推理和逻辑能力。
合理地行动
“合理地行动”意味着能够在复杂和不确定的环境下做出最优决策。chatgpt并不是一个执行行动的机器人或系统，因此它无法在现实世界中执行合理的行动。虽然它可以根据文本生成连贯的自然语言回答问题或完成任务，但它缺乏现实世界的感知和控制能力，无法执行实际的物理动作。但通过与其他系统集成，它可以完成生成文本和翻译语言等实际行动。
2. chatgpt的智能从何而来?
由集成电路构成的信息系统，经过复杂的算法设计和训练，最终可以产生像chatgpt这样的智能系统，最直接的理解方法是从复杂系统的涌现性来切入。系统涌现性是指当一个系统中的各个子系统相互作用时，会出现一些新的属性和行为，这些新的属性和行为不能被单独的子系统所解释和预测。这种系统涌现性在目前阶段的类似chatgpt这样的ai系统中尤为重要。
这些基于深度学习的ai系统中的各个子系统相互作用的方式非常复杂，这种复杂性导致了这些ai系统可解释性较差，很多行为甚至难以预测。这种涌现性还表现在其能够产生一些非常令人惊讶的结果。例如，这些ai系统可以在人类适当干预的情况下，发现一些新的知识和规律，生成一些有用的模式。
系统涌现性也可以称之为一个系统中各个组成部分相互作用产生的全局性质。在chatgpt中，这种全局性质就表现为其能够生成具有逻辑性和连贯性的自然语言文本，这是由各个组成部分之间的相互作用所决定的，而不是由单个部分的性质所决定的。chatgpt是基于gpt-3.5架构训练的大型语言模型，其中包含了一千多亿个参数。
在实际应用中，当用户输入问题或语句时，chatgpt会根据其学习到的规律和模式，生成符合语法和语义的回复。这种生成回复的方式是由模型内部各个组成部分之间的相互作用所决定的，而不是由单个部分的性质所决定的。这种相互作用的结果表现为chatgpt能够生成连贯的自然语言文本。
3. chatgpt是否会成为下一个凯发app?
chatgpt热潮之下也有不少冷思考，毕竟太阳底下没有新鲜事，除了对其技术路线的反思，更多的是用过去的5g、元宇宙等短暂热潮来类比，但笔者认为二者还是有着本质的不同。以元宇宙为例，元宇宙概念兴起的时候，人们对其所带来的变革寄予了非常高的期望，后来实际应用的效果并不如人们所期望的那么大，可能的原因包括：
技术成熟度有限。元宇宙的实现需要依靠一系列凯发app的技术支持，例如虚拟现实、人工智能等，但这些技术成熟度有限，导致元宇宙的实现存在一定的困难。
市场规模不足。目前，元宇宙的应用场景仍然比较有限，市场规模相对较小，尚未形成真正的商业模式。这也限制了元宇宙在现实中的应用。
缺乏标准和规范。元宇宙的应用需要遵守一系列标准和规范，但目前还没有形成完整的标准体系，这给元宇宙的应用和推广带来了一定的不确定性。
chatgpt作为一种自然语言处理技术，其应用前景和影响也具有一定的不确定性和风险性。与5g和元宇宙类似，chatgpt也需要考虑技术成熟度、应用场景、用户需求等因素。在chatgpt应用领域方面，其目前已经在自然语言处理、智能客服、机器翻译、文本摘要等领域已有大量的应用面世。由于chatgpt在处理语义理解、推理等方面还存在很多挑战，还需要不断优化和改进。
在下图这个粗略的链条中，从左到右的几个要素是一种工程上的支撑关系，也可以视为一种时间上的技术演进关系，或者视为一种产业链上主要产品之间的关系。将5g和元宇宙的类似链条与chatgpt对比可以发现，5g接近于类似链条的左端，而元宇宙接近于类似链条的右端，这两者要么存在需求拉动力量不足的问题，要么存在技术推动力量不足的问题。相比之下，chatgpt诞生的环境要优越得多，似乎是万事俱备、众望所归。
chatgpt发布之后不久便引起了军事机构的重视。2023年1月28日，美国国防信息系统局(disa)称已经将类似chatgpt的生成人工智能技术加入其观察清单中，disa正在观察类似chatgpt的生成人工智能技术能够为美军的信息系统和军事作战带来哪些影响。此外，根据defensescoop的报道，美国中央情报局(cia)也着手探索使用聊天机器人和生成式人工智能来辅助其官员完成日常工作和首要的情报任务。
4. chatgpt能否迈向通用人工智能(agi)?
“chatgpt是第一个真正意义上的通用人工智能”，这是目前为止对chatgpt最高的评价，尽管大多数人并不接受这一观点。openai 也于2023年2月发布了agi路线图，详细解释了这家前沿研究机构对通用人工智能研究的态度。chatgpt尚未开源，不便于深入讨论，我们可以转而讨论另一个问题：沿着深度学习的技术路线可以实现通用人工智能吗(agi)?chatgpt是这样回答的：
这个回答可谓“中肯”，但回到复杂系统涌现性的角度，我们还是不要低估深度学习这一技术路径的巨大潜力。(北京蓝德信息科技有限公司 研究员 丁术亮)