ChatGPT展望和AI解读2023026//【天风海外】
实录内容：
【主持人】：各位投资者，下午好。我是天风负责传媒和海外的分析师孔蓉。今天下午非常荣幸我们邀请到了前段时间可能在互联网上传播的比较广泛的一篇关于ChatGPT的五个最重要的问题的作者，我们的孙总，跟大家做一个分享。
因为我们也看到这段时间整个AI发展的速度，不管是GPT4的出来，还是昨天可能也可以通过插件去接很多直接的应用，其实也开启了一个新的AI的时代。在这个过程中，我们在ChatGPT里面哪些是主要的几个问题。今天有请孙总跟各位做分享。在孙总分享完以后我们有一个简单的交流，再是通信、电子以及计算机的各位分析师也会跟大家再做一个汇报。
接下来先把时间交给孙总。
【孙总】：谢谢大家，不方便透露公司名字，我是一个在美国读书工作，后来来到了国内的大厂工作。我自己是一名数据科学家，在这之前也跟AI和数据、建模这些东西都是打了蛮多交道的。所以我在过去读书和工作过程中对过往AI的限制有比较多的理解。ChatGPT出来之后对我是非常大的震撼，所以我就花了，正好我的工作也有一些研究性质，我工作时间和课后花了非常多时间研究这里。正好之前自己的工作也让我认识硅谷比较一线的专家或者说是工作者，跟他们有很多交流。我在交流过程中也发现大家对这个东西有一些非常错误的认知，这些错误的认知我看了就受不了，写了关于ChatGPT最重要的五个问题。
我觉得我们先要对它的本质有一个共识，或者起码我们把为共识，大家肯定有的人觉得这个东西特别有创新，有的人觉得不过是一个聊天机器人等等。我们要把这个非共识搞清楚，细化到几个关键因素上，这样子我们才能对我们自己形成判断，是这篇文章的由来。
我自己有一个自媒体在B站上有，叫课代表立正，有一些简单的分享会放在那上面，大家也可以去看一下。
我直接介绍一下我的文章。这个文章一开始有一个对于大模型的科普，大模型ChatGPT到底是什么？如果说大家打开看这个，我觉得开头里面有一个图是比较重要的，重要的关系图可以讲一下。开头那章有一章是一个重要的关系图，那里面说了GPT4、in-context learning和ChatGPT是什么关系？我这就不说太多技术细节了。我告诉大家GPT4或者ChatGPT和过去的模型有两个非常重要的不同。
第一，过去的模型是专模型专用，你出来一个新任务，出来一些新数据你要新训练一些模型，这个模型本身是必须要修改才能做新的任务。如果说有一些同样的任务，但是新的数据，模型也要修改内部的残局才能在新的数据上表现的比较好。
但是ChatGPT这样的大模型是把一个底层的大模型训练好了以后，这个大模型就不动了，你可以拿着这个大模型数据加工，但是这个大模型本身是不动的。这是为什么看到Open AI还有GPT3、3.5、4，他说GPT4一出来是划时代的东西，因为这个大模型本身的能力决定了这个大模型之下你的各种应用方式的能力，所以大家可以想象这个大模型GPT3、3.5、4，有点操作系统的感觉，它是windows95还是windows98，你95上跑的东西和98上跑的东西不太一样了，所以大模型是很重要的，它是不动的。
我们有in-context learning，如果大家对技术细节感兴趣，我会讲得非常详细。但是不管怎么样你有了in-context learning你就可以不需要改变大模型，把它加工成其他的方式。其中出了一个论文，InstructGPT把这个模型和人类的要求对齐的比较好。ChatGPT在这个基础上把大模型和人类对话的方式对齐的比较好。当人类对话，人类可以跟大模型对话的时候，人类就发现这个大模型太牛逼了，它怎么可以做这么多事情。然后就解锁了各种各样的使用方式，包括我们看到的（英文）07：17，包括我们看到…包括最近出来的各种各样的（英文），其实都是在ChatGPT大的范畴之下，ChatGPT是GPT4的方式，基本上我们是围绕着ChatGPT这些去展开了无限的可能性。我一会儿会展开说它为什么这么厉害。总之这就是这个模型的关系。
所以说我们要知道一个要点，大模型的能力，就是GPT4的能力才是我们要关注的东西。我一会儿也会讲它的壁垒是什么？和国产和它的区别。我们接下来会看到无数个模型都能做到看似ChatGPT对话的形式，其实我们之前在国内已经看到几个了，不光是最近的，ChatGPT刚出来的时候其实我们就看到了很多。拿着一个不需要很强的大模型就能强调出来这个对话，它这个对话看起来还像模像样，但是背后大模型的功率差得是很远的。
我刚刚说有两个点，第二个点我可能在第一个里面更详细的展开。第二个点就是过去是鹦鹉模式，ChatGPT是乌鸦模式。它有了一个和以前完全不一样的能力，对于我来说感觉它好像狗突然会说话的感觉，非常震撼。
如果回到一开始，我会提哪五个问题，和为什么这个问题很重要？或者不搞清楚这五个问题大家就没有办法形成自己的判断力。
其中第一合第二个问题是最重要的，ChatGPT是什么？它是一个范式突破还是和过往AI的延伸？ChatGPT和过去AI的区别到底是人类和猴子的区别还是一个好一点的模型和差一点的模型的区别？就比如说我们过去的AI，有的说是图像识别，图像识别有准的和不准的，ChatGPT可能说大语言模型，大语言的能力有好有坏，它到底是一个线性突破还是范式突破？它是一个聪明一点的猴子还是就是人？大概是这么一个问题。这个问题就会让我们知道ChatGPT本身的机会有多大，到底是Iphone那么大的机会呢？还是一个可能图像识别算法那么大的机会，或者是alphago那样的机会。
我自己的观点是它是一个范式突破，它是人和猴子的区别，而不是聪明的猴子和不聪明的猴子的区别，我的个人观点，我也会在文章里面和我一会儿讲的时候把我为什么会形成这个观点给大家讲一讲，可是我在文章里面也列出来了另外一个关系，他们的证据是什么？和他们都是谁在支持这些东西，大家可以去看。
第二个问题，ChatGPT会达到什么样的水准？更重要的是要理解背后假设ChatGPT是范式突破，按照我的论文思路说出去，如果ChatGPT是范式突破，它到底是个什么东西？正确理解这个范式突破也对大家要能抓住这个机会非常非常重要。比如说iphone在刚刚出来的时候很多人说这不就是一个屏幕更大的手机吗？iphone和之前的手机的区别就是一个全屏幕。我也做一个全屏幕我就可以做出来一个iphone了。后来事实证明这个想法是错的。iphone和像iphone一样交互的安卓已经完全统一了手机，在这上面已经出现了十倍于过去互联网的机会。所以当iphone出来的时候你如果只是觉得iphone是一个大屏幕的手机，你就完全读不懂，也不可能抓住后面的机会。现在ChatGPT到底是什么？它的本质是一个什么东西就是一个很重要的问题。所以说前两个问题是最重要的，第三第四相对重要，但是没有那么重要了。也重要，但是相对没有第一第二个那么重要。
第三个就是ChatGPT的壁垒到底是多大？因为我们知道过去我们中国在做开源模型，更多AI上并不是太落后，我们的研究数很多、专利数很多，关键是我们的图像识别算法或者算法没有落后国外，但是ChatGPT似乎和原来不一样了，它可能是一个我们可能会落后国外的东西，如果我说一个事实的话，我们就是落后的，而且这个落后还非常难改，甚至可能不比我们在芯片上的落后要少，它是一个非常非常难追的东西，大家要抱着两三年追不上ChatGPT现在水平的，不是说两三年之内能不能追上ChatGPT，那个ChatGPT已经进化到不知道什么样子了，但是两三年之后我们的国产大模型能不能达到ChatGPT今天的水平？我觉得都是一个未知数。我也会跟大家讲一下为什么我会做这个判断。
这里面技术的迸发，本身就是一个你不是完全可以预测的，但是我也会告诉大家你应该观察什么东西来修正自己的判断。我的默认判断是国产替代两三年之内做不好，但是我会观测几个关键点，如果这几个关键点改了我的判断也会改。
第四，我们作为非Open AI的人，我们都不是Open AI，我们都不了解另外一个大模型的情况下我们怎么参与ChatGPT，如何参与到ChatGPT带来的机会中。
第五，人和ChatGPT的本质区别是什么？我觉得越搞清楚这一点越有助于帮助我们在接下来建立我们自己的核心竞争优势，不然你的工作就会越来越多的被ChatGPT取代。Open AI之前也发了一个论文，不同职业在ChatGPT的（英文）13：35绝大多数的职业都会暴露在ChatGPT的替代风险之下，尤其是ChatGPT进化过程中很快就会比一个，可能在工作了好几年的大学生、聪明的大学生效果更好的情况下。这个可能也对现在正有孩子的话，对你孩子的教育比较重要，你应该让你的孩子去学什么。我是觉得大家的孩子都不要去学补习班了，补习班就是太浪费时间了。
我这个介绍花了15分钟，我觉得可能每一章简短的用五分钟讲一讲也是要25分钟，我们再看看大家对哪些更感兴趣再重点介绍。
第一，ChatGPT的是范式突破吗？它是一个聪明的猴子还是人和猴子的区别？
要知道这个我们就要知道，过去的机器学习它的限制是什么。过去的机器学习是找到数据中的对应关系。其实就是一个鹦鹉学舌的游戏。不管之前的alphago也好还是各种各样的人工智能助手，其实都离不开这件事。
我这举一个具体的例子，大家如果到时候在饭桌上去跟别人说，其实懂的人一下就会懂了。人工智能有一个图灵测试，你让一个人跟机器聊天，这个人到底能不能知道这个机器是个机器还是个人？如果不知道这个人是个机器人，那就通过了图灵测试。但是这个图灵测试是不完备的，所以还有一个（英文）15：40
举一个简单的例子，我跟一个人去说话，说我朋友推荐四川火锅而不是日料，因为它不辣。这个它代词指代的是日料？我们都知道是日料，因为它辣。这个时候我朋友推荐的是四川火锅而不是日料，因为它不辣。这里边的它指代的日料，因为它不辣。
第二个就是我的朋友推荐四川火锅，而不是日料，因为它辣。这个时候我朋友推荐的是四川火锅，它指的是四川火锅，因为它辣。
这两个句式大家看到结构是一模一样的，但是它的代词指代是不一样的。这个代词是根据上下文来确定的。我们作为人知道火锅是辣的，但是日料不是辣的，我们知道这个代词指代的是什么，但是作为机器来说不可能知道这件事情，所以机器是无法测试出来这个东西的。
可是ChatGPT就能干到这件事，你如果跟ChatGPT4去问一下，这里面它指代的是谁，ChatGPT是能够给你大安的。所以ChatGPT是能克服这个测试，但是过去所有的模式而言，不管它做的多牛逼都克服不了这个，除非你把答案喂给它，这就是鹦鹉学舌。鹦鹉学舌是不可能知道这件事的，要理解上下文才知道。
我们回到ChatGPT，它就是一个乌鸦的能力，这是在朱教授2017年的时候的文章里面讲的，朱教授是我们华人研究AI最厉害的学者，他专门讲了智能的本质，一个非常长的长文，讲了乌鸦这件事。他建议大家都把乌鸦做成图腾，乌鸦能干什么呢？乌鸦在城市里面想打开坚果，它会发现坚果我自己打不开，但是车能把它压开，但是车又对它有危险。它又发现红绿灯能控制车的，红灯停绿灯行。所以它能干的事情是把这三件事串联到一起，它把坚果故意扔在红绿灯前面的车前面，让车把坚果压碎，它在红灯的时候把坚果安全地吃掉。所以这个是它有理解能力的证据。这里面是复杂的能力，包括推演、演绎、执行等等，所以说在我自己的文章里面就会把ChatGPT和过去的区别去总结成乌鸦和鹦鹉的区别，我会说ChatGPT有乌鸦能力。但是如果想简单一点说ChatGPT是有理解能力的，很明显ChatGPT是能理解我们说话的。朱教授在2023年年初他自己说ChatGPT不是乌鸦，它是一个大型鹦鹉，他说这个是因为ChatGPT的原理我们都知道。但是这我就和他不太同意了，朱教授，包括facebook的首席科学家，他们都觉得ChatGPT的原理我们都知道了，它的技术不是一个新的技术所以说我们也知道不是新的技术也不可能带来新的突破，这是他们的想法。所以我们知道这是这样一个模型，只有可能是巨型鹦鹉而不可能是乌鸦，它只有可能是更聪明的猴子不可能是人。可是这我就点出来我和他们的不同了，我不能说谁对谁错，可能他们是对的，如果他们错的话他们错在哪，或者我为什么会在大佬们说了这个情况下我仍然觉得它仍然有可能是人呢。我们也不知道人和猴子有什么不同，如果你去看我们的生物学，我们人和猴子的区别，DNA都很相似，大脑皮层很相似，我们神经元比他们多，可是我们大脑也没有比猴子发达到超过一个数量级的发达，我们的智能其实当时在《自然》上有说，21世纪的100个重要问题，第一个就是什么是意识？研究意识的有一本书，就是上意识是有限的。我们现在会发现大模型也是涌现出来的东西，大模型里边有两个很重要的能力，一个是上下文学习，一个是上下文纠错，这两个能力都是涌现出来的。这个涌现就是说它在没有没有没有，突然一下子就有了。这其实和人和猴子它在智能涌现上有点像。这样一个类比，这个类比可能不是很精确，但是人既然不了解我们的智能是怎么出现的，我们也应该先驱的认为我们不完全了解机器，这个大模型我们不完全了解的情况下，我们不能武断地去说它一定不具备智能。
接下来我也不是说大模型一定具备智能，而是说大模型虽然不知道它是否真的具备智能，但是没关系，我们知道大模型能做什么就行了。我在面对一个同事陌生人合作者任何一个人，我其实不知道他背后是不是一个机器人，这个是贯穿哲学史的问题，文章里有一些，我们其实不知道其他人是不是NPC，我们不知道这个世界是不是我们自己想象出来的。但是没关系，我们怎么判断对方是不是NPC呢？我们交给他一个活他能干完，我们看这个结果觉得他有理解能力就行了。
所以接下来我会就ChatGPT抱这个思路，大概我看到一条会叫的狗，而不是会说话的狗，我不知道这个狗为什么会说人话，但是我说你看上去会说人话，我跟你对话，而且你的对话能力也可以，我想象一个会说话的狗到底会对我产生什么压制。
总结一下，我默认认为ChatGPT是猴子和人的区别，但是它有可能不是，可是它起码展现出来了人类的能力，我接下来会按照人类的能力推演一下它到底能干什么，而且我们也看到各种各样的证据了，它完成任务就是完成的好，它GRE考的分数比我还高，我当时GRE已经考得挺高分了，但是比我还高。
我们就进入第二个问题，它到底怎么去正确理解这件事的本质。
我们现在回到我刚刚说的iphone的这个事，iphone刚出来的时候有一个杂志，那个时候是N95，有一个杂志就比较N95和iphone，比较了15项，N95赢了9项，iphone赢了6项。然后他就说N95是更好的选题。不可否认确实那是一个非常客观的评价，iphone就是输了9项，赢了6项，所以他从这个角去说N95更好也没有运用。但是如果你这么比的话，你是没有看到iphone的范式本质了，iphone的范式本质是什么？它是一个范式颠覆的本质是什么？iphone是按照人去设计的，过去的手机都是按照任务去设计的。过去手机说我要打电话、拍照、在上面玩贪吃蛇。iphone从头到尾在想人在这个世界上需要什么样的传感器，他怎么样跟这个屏幕交互，我怎么样根据人的习惯去设计这个手机，设计好了以后我应该在哪里面做加强，做了这些东西，但是在这个思路之下做出来的东西。在这种情况下你iphone第一代不如N95，但是你这个生态发展起来了，其他的手机是根本不可能与它有一战之力的。因为iphone就是我们身体一个特别高效的器官，我们拿iphone买东西比我们打电话买东西还要快得多。现在我们美团等等这些东西完全可以用电话取代，为什么不打电话说这件事呢？因为iphone可以更高效的完成这件事。ChatGPT做什么我们不说，在这里面两个月前我开始写这个文章的，有很多推演，包括它的in first的成本少上两个数量级，GPT4应该会出现多模态，当时GPT4还专门设了不会有多模态，我当时猜测可能会有多模态，包括（英文）25：03能力大幅开放，这些已经一一验证了。
推演下来以后，ChatGPT到底会发生什么？我本来以为这个取代会在半年内发生，但是发现一个月过去以后它可能已经发生了，速度还是比我们当时想象的快很多。它会取代绝大多数搬砖类工作，搬砖类工作很贴切，为什么很贴切呢？搬砖不过是把这些知识从一个地方搬到另外一个地方，我们没有创造新的知识。它可能只是知识的应用，但是你把它从一堆砖堆里边挑到一个合适的地方，它产生了价值，但是它其实在人的这里面是没有真的创造性的。所以说之前我们看到很多设计类的工作，同事还问我，不是说取代蓝领吗，怎么取代的是看似有创意的工作呢？
我说你想想这些设计真的是在创意吗？其实不就是有一个需求去完成他吗，这个明显是搬砖类工作。你设计里面创意类的部分并没有被AIGC取代，但是AIGC取代的还是你设计里边搬砖那部分工作。所以大家要想一下自己工作哪一部分是搬砖的，哪一部分是有创造力的，AIGC基本上会把你搬砖的部分取代掉。接下来为什么会取代掉这件事和这件事情的意义是何在。它能取代这件事情我们要回去想一下计算机的发展史，计算机的发展史其实就是在几个地方提高，我们的算力提高，CPU，存储、内存、硬盘提高、再利用GPU，算力和存储要提高。一个是数据的生产应用是在提高的，我们抖音上传一个视频，这个视频本身是数据，我们游览抖音，它把我们的行为记录下来推送给我们喜爱的视频，去推送和这个视频相似的广告，这也是数据的生产和使用。
第三，我们不断地把上两种应用的更好并且更加抽象，一开始我们都是调用算力和存储的，现在我们就是用图形界面去调用。前几天盖茨发了一个文章，他说他这辈子就看见两个大事：一个大事是图形界面，GUI。第二个大事就是ChatGPT。盖茨这辈子只看到这两个这样的大事。图形界面让整个电脑变成了人都可以操作的东西，ChatGPT是让电脑里面特别特别深的算力存储的调用，复杂的操作，哪怕是个性化的操作、通用的操作都变得可以被人调用了。如果说我们图形界面，大家都说机代码，但是其实你真正想做任何一个复杂的操作，可是你想调用电脑算力去帮你提供生产力，你哪怕做一个最简单的，我想让电脑帮我自动处理一下邮件，或者把我这些东西放在哪里你都需要编程，现在这些东西都可以被语言特别好的调用了，它就是最终极的人类调用算力存储和数据的方式，这个方式就是可想而知它的意义是非常之大的。在这个方式之下，你能给人带来的价值是什么呢？就是之前软件能让工具分发的边际成本降为接近0，互联网让信息分发的边际成本降为0，ChatGPT会让我们智力分发的成本降为接近0。也就是说我如果训练出来一个ChatGPT，假设Open AI还没有开放这个接口，但是总之是把工具的接口开放出来了，他再把记忆的接口开放出来，你能跟ChatGPT说一千句话，它能记住你这一千句话，它再能使用工具的话，你可以想想你这一千句话能教出来多厉害的ChatGPT。假设你是一个特别厉害的投资人，你这一千句话教出来的ChatGPT很有可能也是一个投资人，而且它有无限的算力和知识。在这种情况下，你的ChatGPT去给别人做咨询顾问或者干什么，你之前再厉害也只能同时服务10个人、100个人，你现在可以服务无限个人了。这个是第二点，总结一下的话，第一，它是一个人类在用算力、存储和数据最终极的界面，它可能不是最终极但是已经接近完美的界面，它是像一个图形操作这么大的事件。第二，它会让智力分发的边际成本降为接近于0。
第三点是很多人关心的或者会被误导的东西。他们会讨论什么时候，谁是我们最有可能做出国产大模型的？我觉得这个东西大家一定要搞清楚，ChatGPT是一件非常非常难的事，非常非常难，难在于工程的壁垒，工程的壁垒其实是一个非常高的壁垒，大家之前做的一些东西，工程难度都太低了，不管是过去的AI还是什么，只是在技术上有一些难度，但是AI论文开是开源的，所以技术的难度已经被人类抹去了，工程上没有什么难度，真正工程上有难度的东西是什么？是材料科学，是你做芯片，是你做大飞机引擎，这些东西都是工程壁垒的，你在训练一个大模型每次训练要一个月，要烧掉可能500万美元的情况下，你要在这里边清理各种样的数据，你要会知道去做各种各样的参数，你要把这么多显卡给很好的调集起来，你要能设计好模型正确的吸收知识，不说你拿着配分就能拷贝出来的，它是有很强的壁垒的。我这里可以给大家讲一个故事，这个故事让大家更直观地理解一下。
我有一个学长，他是一个材料工程的博士。他后来在英特尔做5纳米的芯片，我去他家玩就跟我说，我虽然在参与5纳米芯片的研发，看起来很高大上，这个东西是很没有技术含量。我说你做什么？每天就是拿着实验室长出来的单晶硅，单晶硅上做各种各样的试验，做完试验记录一下，你就凭感觉记录这个东西，明天再把这个迭代一下再往上做，做的更好一点。但是这个东西其实也不需要什么知识，你只要做过很多次，大概就有这个感觉了。
我问他，你那片单晶硅成本多少钱？大概100万美元。我说好，那你做到现在你知道你身上已经花了几千万美元了吗？他说是。我再问他，你这个单晶硅别人能做吗？他说这个还挺难的，因为有几千道工序，是英特尔几十年的积累，这里边一道工序里边大概差个0.1，你可能良品率就会差10%，你几千道工序乘下来，只要你的工艺稍微差一点，你的成本就是人家的10倍、100倍。英特尔他烧100万可以长出来这么多单晶硅，你烧1000万都不一定长得出来，所以说你是完全没法做的。所以知道了为什么我们国家的芯片被被卡脖子了，你的这些经验看似不起眼的经验全都是几千万美元烧出来的，而且我们几千万美元还烧不出来，我们可能要几十亿美元才能烧出来。其实大模型就是这样子的，具体的东西大家去看我的文章吧。
这里边大家去关注谷歌到底什么时候能追得上Open AI，毋庸置疑，所有的大模型它的基础论文几乎都是谷歌发的，不是Open AI发的。Open AI是在ChatGPT上发了很多文章，但是像（英文）34：30这些文章都是谷歌发的，包括（英文）也是谷歌出的，这种情况下谷歌又聚集了世界上几乎所有总结怎么做好大模型的人，他又有无限的钱，也不是无限的钱，那又有钱、又有算力、又有人的情况下，大家也看到bard其实离ChatGPT还差很远，而且我听谷歌的人说，他们进行了6个月能做出来都是奇迹了，六个月能追上都是奇迹了。所以我们会说谷歌到底能不能在6个月做出来ChatGPT3.5，如果谷歌在六个月做不出来，大家就不要想国产，我觉得大家可以指望奇迹，但是如果不是奇迹发生的话，谷歌六个月做出来，凭什么其他的公司觉得自己一年之内能做出来。我是想不通这件事的，如果有个人告诉我有一个逻辑能，为什么谷歌做不出来的情况下其他公司能做出来。我非常愿意听。
当然六个月可能性，另外有可能发生的事情就是其实那个东西的难度非常高，它本身的难度不高，你虽然需要工程难度，但是其实理解能力是很容易涌现的，其他人在这里面据大家还没有神秘配方把这个东西给调教出来，也不能排除这种可能，如果真的有这个可能确实大家离得比较近，但是我现在看似乎，我的默认状态是觉得这个可能性不是真实的可能性，真实的可能性就是这个东西很难。
第四，我们未来应该如何使用ChatGPT？我觉得这里边最重要的点其实就是开放ChatGPT。因为Open AI大家很明显一看就是过去有无数个，如果大家关注比较早的话，一个月前开始关注或者两个月前开始关注，会发现有很多视频创意公司，ChatGPT一出来那些创意公司都傻眼了，我们做这个东西已经被人家做得比我们好一百倍了，我们还做啥。
大家要知道ChatGPT的工程能力很强的情况下，还有一个点，大语言模型是叫真正的通用科技。你如果在一个通用科技上试图把一个专业进行总结，那你在这一代的通用科技上解决专业问题可能是有价值的，但是通用科技一升级，很有可能直接比你专家解决的要好了。我们一个小学里边找一个小学生，这个小学生里边培养出来一个什么专家，初中生再把这个小学生专家，现在就是Open AI在今天是个小学生，明天是个初中生，后天是个大学生的状态下，大家一定要想想怎么避开它本身水涨船高，把你自己的机会给淹没的这件事。
第一，我们要观望Open AI是怎么开放的。我这里面也有合理推理，它跟微软的开放其实就是一个很好的例子。第一，开放了工具的接口。第二，开放了你可以自己定义的事情。所以说开放这两个以后，在这上面就可以做很多东西。大家想方设法地在这里边去做ChatGPT对其他人的接口我觉得意义不大，最有意义的还是把你现有的业务、现有的场景用Open AI，用ChatGPT的方式更好的解决，这个是有价值的。因为Open AI还是一个工具，它再牛逼只是工具，所以你有现成的用户，你有现成的场景可能就是现在最好的东西。你原来可能需要100个人去完成一个业务，你可能的ChatGPT五个人可以完成这件事了，而且你完成这个任务的时候，你的信息是非常乱的，你的管理佣金很高的，当你5个人能做这件事的时候你做这件事效率会高很多，你业务会更好，你把时间用在更重要的事情上。这个其实对你是有力的。
我这有个推演，大厂如果把台搭好的话会是ChatGPT非常好的家，因为大厂有现成的场景用户，它的管理能力是特别大的。ChatGPT如果能降低难度的话，按道理大厂是受益的，可是这里面有非常重要的前提，大厂要把台搭好，我不觉得大厂一定有能力把台搭好。
人类和ChatGPT的本质区别是什么？我当时印象很清楚，3月18号的时候我发了一个视频，在那里面说人和ChatGPT最重要的区别是什么？第一，ChatGPT长不出手不能做的事，比如说烤面包。所以我在那里边呼吁大家要做一个手艺，我甚至直接呼吁各位家长要让孩子不要去上补习班了，要学点手艺，学点烤面包或者修车这些东西。但是没有开玩笑，我真的觉得手艺这个东西在未来会很重要。
第二，从智力上来讲批判性自由会特别特别重要。因为你有批判性思维才可以不断挑战自己提高。你能形成判断力。ChatGPT很容易给我们想出来100个答案，但是这100个答案对他来说都是一样好的，他不觉得哪个更好，那什么是好的答案呢？好的答案是哪一个答案更是何人，这100个答案里边ChatGPT会觉得这100个答案没有一个获得高价，但是人会告诉他，你的答案3是对我最有用的。所以说这一部分是ChatGPT本身替代不了，你怎么知道答案3对你最有用呢？这是你需要有批判性思维的能力，你能观察好这个世界，理解好这个世界，你能知道给我这个答案3能最好的解决人的问题。这个才是一个非常非常重要的内容。
所以说最后一个我其实说7个点，最重要的一点还是批判性思维。我其实给大家写这个文章和做这些分享，也和ChatGPT的运作机制很像，这个文章就是我的大模型，你任何一个人都可以去说一些结论，你对同样一个问题随便一个智者或者傻瓜，孔子或者谁给你的答案都是一样的，但是背后大模型是不一样的。所以你如果只看一个结论的话你会发现你跟这个人说的结论A，那个人说的结论B，你无法判断结论A和结论B到底哪个好，或者你觉得好像结论9我更不赞成一些，结论B我更不赞同一点，但是你也不知道他们得到这些结论的背后的思考是什么，你真正要判断这些东西好不好你还要打开背后那个认知，打开背后的事实、思考，打开一些关键假设，再去做出你自己的判断
