看完美国花1亿打造的超级AI之后，在座不少人怕是要失业了。。
用知识和观点Debugtheworld！
早几年前AI技术还处于理论阶段的时候，差评君也和大家一样，对AI技术充满了各种美好的幻想。
“改善生活、改变世界、制霸全宇宙，人类要从站起来变成强起来！”
网上搜到五年前的AI海报▼
不过到现在要是再提AI的话，恐怕大家只能想到那些“抱歉，我听不懂，你能不能换个说法”的人工智障了。
“你这个人类又在说些什么批话？”▼
然而上周，科技圈子又重新因为AI技术沸腾了——因为美国研究组织“OpenAI”做成了一款被称为能取代人类的AI引擎。
在看完这款名叫“GPT-3”的语义AI引擎演示之后，差评君的第一反应是，我该不是把书读到狗身上了吧真正可以辅佐人类的AI终于来了！
稍微熟悉点科技的差友可能都听说过大名鼎鼎的“图灵测试”，也就是通过一连串的问答来看AI是不是会露馅。
然而在人与GPT-3的问答中，假如不是我说，大家可能会以为对面坐着一个真实的小孩。回答略显稚嫩，但丝毫感觉不到以往AI助手们的那股制杖气息。
不过有小伙伴们可能要说了，这些问题也还好啊，我看之前你们介绍的那个谷歌助理虽然偶尔会犯制杖，但好像也能做个八九不离十。
那接下来我们看点儿有难度的，能自己读题做题的AI见过吗？
给GPT-3一篇高中英语阅读题，GPT-3轻轻松松就能给你把答案写出来。
什么猿辅导，什么作业帮，统统都是DD！
我当年学英语的时候有这种神器，那铁定是不会挂科的！（坏行为，好孩子勿模仿）
要是嫌高中阅读难度不够的话，我们再来个大学水平的试试。
比方说，把一串晦涩难懂法律条款扔给GPT-3，不出五秒就能输出“人话”版本的解释文。
学法律的小伙伴来评鉴一下▼
本硕博连读、头发都学秃掉的法学生们听到之后都哭了。
这还不算完，除了听懂人话、归纳总结之外，GPT-3甚至还能自行创作。
比如给个场景描述，给个开头，GPT-3就能写出个杀生丸和鲁鲁修的中二小短文。
我瞬间就想到了小说代写，一日百更，彻夜不眠。。。
非加粗部分为GPT-3生成▼
如果不满足于短篇的话，还有个老哥拿GPT-3生成了一篇1112词的鸡汤文。
《工作效率低下？也许你该试着停止焦虑》▼
内容有点儿长，差评君就不给大家全文翻译了。
怎么样，这道阅读理解我能拿五分吗？
。。。。。。
总之，这篇AI生成的鸡汤文非但没有露出马脚，还直接冲上了HackerNews（知乎硅谷精英版）的热搜榜首。
看来歪果仁也很吃鸡汤这一套啊。。。
伊森·霍克演讲：《放开手，去创造》▼
伊森霍克最后是哭是笑差评君不太清楚，因为此时我已经陷入了深深的沉思：
要是AI再这么螺旋拐弯牛批下去，我是不是就不用写稿失业了。。。
别说，被这个问题困惑的可能不止我，律政精英、公司财务、程序开发，以及公司的油头UI设计师都在GPT-3的精确打击范围内。。。
比如说有人把GPT-3和表格文件对接到了一起。
而我们只需要说类似“房租3000押一付三”、“老板上星期我打了一万块钱”一类的白话，GPT-3就能自动生成一张非常专业的财务报表。
除了报表，GPT-3还能够只依靠几句话，就帮你撮一个网页出来。
拥有十年工作经验的前端人员，哭了▼
“一个谷歌的Logo，一个搜索框，两个灰色的按钮，一个写‘谷歌搜索’，一个写‘手气不错’。”
“把搜索框再改宽点儿。”
“错啦。两个按钮之间要加一点间距，不要粘在一起。”
用一句话生成出个高仿Ins的界面也不在话下。
甚至可以通过白话描述，直接用专业的SQL语言提取数据库资料。
“拉取25-35岁员工的薪资详情”▼
震惊，程序员一夜之间化身产品经理，竟向电脑提出如此过分要求！
哦我的上帝啊，这哪儿是什么AI啊。这可真是比小说里的小秘书、金手指、随身老爷爷还要神奇啊！
先说明一下，以上这些神奇功能都是差评君从拿到了GPT-3抢鲜体验资格的研究人员那看到的例子。
虽然差评君也申请的GPT-3的体验资格，不过目前还在排队等待审核。
等后续差评君搞到了资格，我们再来好好看看我以后是不是可以拿它代笔了GPT-3还能做些什么。
然而光是从这些演示上看，我们已经可以发现这个GPT-3实在是强悍的不太像个AI了。
所以，什么事AI都能干了，大家是不是混吃等死就好了？以后更不用去上学了？
当然不是这样的。
虽然差评君看到有些小伙伴在介绍GPT-3的时候用了类似这样的说法（顺便渲染了一波AI威胁论），但是实际上，这种猜测难以成立。
因为从本质上来看，GPT-3属于AI理论中的“反应机”（ReactMachine），距离替代人类还远得很。
现在大家通常把人工智分成四个层级：反应机（第一层）、有限记忆（第二层）、具有心智（第三层）、自我意识（第四层）。
我们现实中最常见的AI都位于第一层的反应机。比如我们常用的小爱同学、小度小度，以及这次的GPT-3。（GPT-3里的PT，实际代表的就是预先训练“Pre-Training”）
它们通过“喂养”人工预先收集的大量样本进行学习训练，让AI对某件事情有了认知。之后再根据已有的样本组织反馈逻辑。
这样的AI没有自我成长的能力，只能根据已学习的信息进行机械化的反应。
比如说，给AI灌输了一堆猫猫的侧面照片，AI下一次再看到一张新的猫猫侧面照时，大概率就能认出来这是一只猫了。
但要是我这时候给AI一张猫猫的正面照，它就很可能把猫猫认成狗。
说白了，反应机做的事情就是照猫画猫。但凡有哪只新猫长得和以前见过的差太多，就只能抓虾了。
但可能有些小伙伴得说了，我们看前面GPT-3好像什么都能做，瞬间胜任了无数职业，怎么还会是把猫当成狗的反应机？
差评君，你这说法行不通啊。
非也，就像我前面提到的，反应机的原理是所谓的“照猫画猫”。
那只要我们想办法把全天下所有的猫给它看一遍，它不就不会翻车了嘛！
这正是GPT-3干的事。其实在它之前还有GPT-2，当时研究人员使用了100多亿个参数训练它，得出的结果已经让它站在世界顶尖AI的梯队里了。
而这一次他们在训练GPT-3的时候，直接把训练参数增加了接近20多倍，达到了1750亿个参数，素材达到了45TB！
根据大家的测试结果看，除非你编一些根本不存在的问题给他，不然GPT-3的翻车概率几乎不存在。。。
问：你怎么波哥个魔哥？
答：你得用波哥来波哥个魔哥。
问：引腰里有多少树？
答：引腰里有三棵树。
问：你知道我问的都是个些什么嘛？
答：嗯，我知道。
为了能够让AI跑的动1750亿个参数，赞助商微软直接给OpenAI划拨了一台世界排名前五的超级计算机。
据说，光是里面装载的NVIDIA显卡和AI运算卡就接近上亿人民币。
史无前例的聪明AI，果然也得用史无前例的真金白银砸出来。
不过饶是如此，哪怕GPT-3再聪明，它也只能糅合别人的创造，书写的别人的观点。
脱离了训练使用的样本库，它便无法再输出创意，更没法自我学习。
所以差评君觉得，GPT-3（以及之后的AI）能像现在这样帮助人们高效输出一些解决方案，从某些繁杂琐碎的工作中解脱出来。
但是它们永远无法替代人的思想。
Andthat'swhatmakesushuman。
图片、参考资料
开源中国，“万物就只是5万亿个参数”，AI模型GPT-3让人怀疑人生
新智元，GPT-3真是人工智能「核武器」吗？花1200万美元训练却没能通过图灵测试