chatgpt成立时间 如何围绕chatgpt创立公司
作者 |Jack Shepherd
编译 | YIFEI
CHATGPT是一个神奇的工具，我们可以问它一个问题，然后得到看似靠谱的结果，例如让它以詹姆斯？布朗特（James Blunt）的风格写一首歌，它就会以一种让人担忧又令人信服的方式照做。
要想深入了解ChatGPT到底具备多大的用处，首先需要了解它是如何工作的，否则我们不知道到底在哪里可以使用这个前途无量的技术。
有两种算法。基于规则的算法根据人类教给它们的一系列特定规则产生输出，例如“如果时间在晚上12点之前，显示‘早上好’”。机器学习算法基于（“训练”）先前的例子产生输出，例如“这里有100万张猫的图片……现在告诉我，根据你从这100万张图片中所知道的，下一张图片是不是一只猫？”。
ChatGPT是一种“语言学习模型”，这意味着它基于一种机器学习算法，该算法有数百万个句子作为训练数据。在非常基本的术语中，它经过专门训练，通过计算一个词接另一个词的概率来构建有意义的句子，正如手机上的超级自动纠错功能。
特别是在ChatGPT中，人类已经给出了它可能会被问到的问题的例子、对这些问题的回答以及对问题的潜在回答的评级。Chat GPT的“监督”部分赋予了它神奇的力量，可以对问题做出令人印象深刻的回答。至少，这是我认为可能发生的事情――开放式人工智能对于人类参与的本质到底是什么并不清楚。
有几点需要注意：
ChatGPT是构造有意义的句子的专家
ChatGPT的回答将取决于我们提出的问题，以略微不同的方式提出同一个问题或许会得到不同的答案
它不会提出澄清性的问题，以确保它理解我们所寻找的答案类型
它不是语境中的专家，它的工作基于一个词接着另一个词的概率
由于训练数据集的庞大，我们无法“追溯”它的回答到一个特定的来源
ChatGPT可以聊天起草合同，像“起草一份雇佣合同”这样的提示会得到一份看起来相当完善的雇佣合同。如果律师们正在为他们需要提供的合同寻找一个模板或范例，这可能会节省他们的时间。
值得指出的是，ChatGPT有大量的潜在用例，合同起草只是其中之一。其他用例包括法律咨询备忘录、起草诉状和法院文件、摘要等等。
初稿
在向Chat GPT提出了许多合同起草任务后，它的产出总是让人惊喜。然而，由于ChatGPT实际上并不理解其输出的法律后果（它生成的是句子，而不是法律建议），因此它的输出通常是有问题的。此外，它不了解所有的语境，例如，它从来没有问你应该是什么支配法律。
在许多其他的案例中，ChatGPT的输出根本没有意义。例如，当要求它起草一份锁定期协议（Lock-Up Agreement），这是一份用于重组交易的协议，要求股票或债券持有人投票支持重组提议。这类协议的关键是，证券持有人不能将其证券转让给任何人，除非受让人也同意投票赞成该提议。
ChatGPT提供了一个漂亮的锁定机制，但它允许人们自由转让股份，如果他们是礼物或与转让方无关的受让人――从而颠覆了协议的整个目的。同样，这是因为ChatGPT的设计是为了产生有意义的句子，而不是有意义的法律建议。
但是也许ChatGPT的“在没有咨询律师的情况下不应该使用”的提示可以挽救它。如果不检查和改进就依赖ChatGPT的输出，那就太冒险了。普遍的共识是，至少现在，在ChatGPT的使用方面，需更少地起草合同，而更多地生成合同的初稿。这种方法更容易让人接受，但我仍然对以这种方式使用Chat GPT有两个问题。
来源和背景
首先，在审阅一份合同时，我们想知道为什么要这样起草？为什么雇佣合同中有园艺假的条款？为什么要以一种特殊的方式起草？我们在特定的情况下需要它吗？哪些条款是不能协商的？
在第一次使用ChatGPT时，假定有一个特定的输出源，但考虑到它所训练的大型数据集，显然这无法获取。如果一份合同记录了双方之间的关系，但人们可能会同意一方或双方都不能正确理解的事情，这让人难以置信。
检查
其次，在基于模板审查合同时，我们可以看到哪里发生了变化，从而能够在特定的地方进行评论。我们可以快速跳过例行公事，专注于需要审问的条款；也可以在使用示例文档（而不是模板）时与起草文档的人交谈，并找出哪些部分经过了大量协商，哪些部分没有。
而对于基于黑匣子的输出，我们并不知道该关注什么。这导致我们必须对网页上的每一个字都进行100%的审查，由于法律文件很长，这无疑会给审查增加负担。
最后的手段？
我可以理解为什么ChatGPT在合同起草方面对人们的吸引力，但距离自主起草合同还有很长的路要走。很少有律师起草以前从未起草过的合同，大多数人更愿意用事务所批准的模板，至少在这种情况下，它已经被人审查过了，我们可以找到其出处和背景，否则很难为客户提供适当的建议或帮助其最大化达到目的。
另外，ChatGPT揭示了律师事务所在知识管理方面的一些有意思的文化差异。一般来说，美国律师更习惯于从先前的案例中起草文件，因为他们的公司通常没有足够的资源来制作公司认可的模板。然而，欧洲律师拥有更多的知识管理传统，并且经常拥有一整套本土的模板（也称为先例）。相较而言，美国律师似乎更愿意使用ChatGPT来起草合同，因为他们更习惯于“在DMS中搜索”以获得先前的合同示例。
我们请ChatGPT对这篇文章进行总结，它回答道：
这篇文章是关于ChatGPT的，它是一个使用机器学习算法生成问题回答的工具。作者提到，虽然ChatGPT的输出看起来令人印象深刻，但它们经常是冲突的、错误的或者模糊的，并且该工具不理解其输出的法律后果。作者认为，ChatGPT目前的用处是用于生成合同的初稿，但提出了两个问题：其输出缺乏来源和上下文，以及无法追溯其回答到特定的来源。作者警告说，ChatGPT的输出不应该在没有咨询律师的情况下使用。
这是一个尚且准确的总结，我们继续问ChatGPT作者是否正确：
作为一个AI语言模型，我没有个人观点或偏见。然而，从这篇文章来看，作者似乎对ChatGPT起草合同的能力有着微妙的看法，认识到了它生成初稿的潜力，但也强调了其局限性，比如缺乏对法律后果、上下文和来源的理解。
也许对于ChatGPT来说，做总结比起草和合同会做得更好。
讯飞云港｜新华访谈：由ChatGPT浪潮引发的深入思考与落地展望
讯飞云创科技有限公司,讯飞教育云产品系列,讯飞云平台登录,讯飞 云ChatGPT是什么？它强在哪里？
近期，以“生成式人工智能”（Generative AI）为核心技术的聊天机器人ChatGPT火爆全球。围绕网友普遍关心的话题，2月14日，科大讯飞副总裁、研究院执行院长刘聪接受新华网专访，阐述什么是ChatGPT，它强在哪里？会对未来世界带来哪些颠覆性影响？以下是专访实录：
美国人工智能公司OpenAI于2022年11月30日发布的ChatGPT通用型对话系统，能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，能更精准地理解用户意图及实现类人的回复，能更精确、更加可控地完成撰写邮件、视频脚本、文案、代码等任务，甚至在人类的合适引导下可以完成逻辑推理、新知识快速学习等复杂任务。
ChatGPT本质上是一个由浮点数参数表示的深度神经网络大模型（目前版本含约1750亿个参数），所以仍然属于深度学习的框架。深度学习自2006年被提出，2010年左右陆续被应用于以语音识别、图像识别为代表的感知技术领域，极大地推动了人工智能技术和产业的发展。ChatGPT的推出是深度学习提出后又一个里程碑式的技术革命，将为以自然语言处理为核心的认知智能技术发展提供新的“历史机遇期”。大模型技术从2018年开始兴起，近年来国内外也发布了多个模型参数庞大的深度神经网络大模型，但唯独这次的ChatGPT引发了全球学术界和产业界的热议和关注，关键原因是ChatGPT通过至少以下五个维度能力的显著提升综合实现了初步的“智慧涌现”：（1）海量高价值信息的全量在线记忆能力；（2）自然语言输入的任意任务和多轮对话理解能力；（3）复杂逻辑的思维链推理能力；（4）多角色多风格的长文本生成表达能力；（5）即时新知识学习应用与进化能力。此外，因为引入了代码作为训练语料，ChatGPT还额外产生了自动写代码和理解代码的能力。
我们这里挑选了一些ChatGPT在演讲稿写作、程序代码纠错、自由人机交互、即时新知识学习应用方面的代表案例，如下图所示。
综上来看，ChatGPT的能力之强已不仅是停留在单一场景的人机对话，而是一个同时具备多种能力的通用“对话式AI系统”。与传统认知智能需要针对各领域任务定制对应的系统不同，它不仅能完成多个场景、多轮的相当自然的人机对话，更为重要的是以自然语言交互式学习的“类人”新范式，能在多轮交互中以“类人”的方式交流、学习和进步，并可以自主、快速、不间断地学习各领域专业知识并达到人类专家水平。
在ChatGPT让许多人惊呼AI强大的今天，我们不妨回望一下1956年举行的达特茅斯会议。正是在这次会议上，人工智能的概念被正式提出，而这来源于参会的信息论创始人、诺贝尔奖获得者、图灵奖获得者等多位世界级顶尖科学家，凭借的是他们扎实的科学基础、理论分析能力以及前瞻性思考。
回归现实，作为长期深耕人工智能领域的一名科研人员，我想“求真务实”和“躬身入局”仍然是我们应当继承、并面对现在人工智能发展的正确态度。我们不仅要结合实际效果和技术原理客观理性地分析ChatGPT现有的技术水平，还要进一步思索未来的技术发展方向。
ChatGPT为什么这么强？
针对目前ChatGPT热潮，学术界已经有不少专家做了算法上的专业分析，而我们基于GPT系列模型的相关论文以及对实际效果的体验测试，结合科大讯飞在认知智能和深度神经网络大模型上的研发实践，经过深入分析后判断ChatGPT的智慧涌现主要可归因于其以下创新工作：
（一）基于海量高质量文本语料的无监督预训练。如instructGPT从原始45TB语料清洗得到570GB高质量训练语料，并通过预训练策略在大模型里实现了海量信息的有效“存储”。
（二）创新性地引入代码文本的训练策略。如instructGPT使用了GitHub的830GB代码文本数据，充分利用代码的函数定义和调用、变量远距离引用等体现程序员解题思路和逻辑的代码文本特性，有效增强了复杂逻辑思维链推理能力。
（三）基于数万个Prompt任务的统一生成范式有监督训练。如instructGPT收集了覆盖范围很广的数万个语言和知识相关的有监督任务数据集，并转换为统一的文本生成范式任务，提高了大模型对语义和知识表征的泛化及准确理解能力。
（四）基于人工反馈强化学习实现生成结果的优化。OpenAI公司雇佣了众包团队大规模开展了生成结果好坏的人工标注，并基于标注数据进行强化学习，使得大模型生成结果更加无偏见和符合人类预期。
ChatGPT的成功也向全世界明确揭示了深度神经网络技术继主导以语音识别、图像识别为代表的感知智能技术路线后，针对更难的以自然语言处理为基础的认知智能领域，也体现出了巨大的潜力。
从大模型到ChatGPT，还要跨越哪些鸿沟？
基于以上分析，ChatGPT大模型其实是在GPT3基础上进一步开发的自然语言处理（NLP）模型。大模型在我国也是研究热点，国内外各大模型参数规模持续攀升、目前最高达到10万亿级，有些模型还支持图像、文本、语音等多个模态，但在智慧涌现方面与ChatGPT存在较大差距。
ChatGPT相较于GPT3模型和国内一些代表性大模型在效果体验上获得较大提升的原因，我们认为除了算法创新之外，应该是综合运用了高质量训练数据（并引入代码等）、创新模型训练算法（Prompt提示、多任务的联合学习、基于人类反馈的强化学习等）与AI工程化（提高研发与计算效率）等多方面因素的系统性创新结果。
ChatGPT以当前业界主流的Transformer模型为主结构。当前我国也研发出了多个基于文本或多模态的预训练基础大模型，与国外基础大模型算法的差距不大，奠定了比较好的大模型训练的平台基础并进行了算法模型的框架积累。以这些大模型为基础，打造一个类ChatGPT大模型，还需在数据、算力、工程实现等三个方面努力。
在数据方面，对于预训练模型来说，数据的质量和数量直接影响模型的质量。因此，我们需要在保障数据安全、用户隐私等符合国家法律法规和政策的前提下，进一步挖掘、收集及清洗高质量、多领域、多行业及多样性的海量丰富数据，辅以技术和人工结合的高质量清洗工作，并持续通过人工标注反馈强化学习，使得模型生成结果更加可控、合理及可靠，当然数据背后的知识符合道德伦理、法规要求也非常重要。
在算力方面，超大模型由于参数规模大、数据体量大，因此需要更大的算力支持，带来过高的训练成本，据了解ChatGPT单次模型训练耗时1个月，训练成本达1200万美元。这里需要注意的是，超大模型的训练需要大规模计算集群以及对应的模型并行算法框架的支撑，我们判断1000张主流卡容量的独立计算集群是完成该类任务的门槛之一。
在工程实现方面，由于大模型在推理阶段仍然需要巨大的算力消耗（以对话交互为例，目前单次交互成本大致是主流方法的1000倍左右），如何将大模型部署在线上，以供大规模用户快速的、经济化地使用，也是需要关注的。否则研制出的大模型将被束之高阁，难以规模化应用。
更为重要的是，应该需要选择一个社会刚需应用或有大量活跃用户的应用作为切入点。这些应用可以结合用户交互体验数据，反馈给模型后进一步提升模型的能力，在数据和模型之间形成正向反馈循环的“涟漪效应”，使得迭代更新后的模型越来越强。过去十几年，面向感知智能领域的“涟漪效应”带来了智能语音、图文图像等领域产业系统效果的很大提升。如今我们需要再次面对难度更大的认知智能领域的“涟漪效应”，如何系统化地设计好相关的方案，很大程度上决定了未来我们在该领域的产业落地、价值兑现之路能走到多远。
我国在认知智能方面的进展如何？
首先，让我们再具体了解下认知智能具体所指：认知智能旨在赋予机器理解和模拟人类行为的能力，使机器“能理解、会思考、有情感”，通常指让机器掌握人类独有的语言和知识能力的一类人工智能技术，涵盖机器翻译、人机对话、知识推理、机器阅读理解、常识推理等具体任务，是人工智能发展的高级阶段。
根据2021年第三方发布的研究报告，在认知智能领域相关论文发表数量排名前十的机构中，有六所位于美国。中国在相关技术领域论文发表数量仅次于美国，但是质量上与美国还有一定差距。专利方面，我国相关专利申请数量2017年超过美日韩。产业方面，认知智能已在教育、医疗、金融、政务等多个领域落地，国内一些企业在产业应用模式探索上走在世界前列，具备了很好的技术基础、场景基础和数据基础。
以科大讯飞为例，依托科大讯飞和中国科学技术大学承建的认知智能全国重点实验室，聚焦面向“幸福中国”实现基于人工智能的教育/医疗优质资源普惠供给的需求、面向“中国智造”升级手机/汽车/家电/办公/机器人等人机智能交互的需求、面向全世界主要语种构建跨语言沟通无障碍的经济文化交流环境的需求，取得了一系列领先的技术研究成果，并在产业实现了大规模应用。
在智慧教育领域，实现了全学科智能批改和因材施教等方面的关键技术突破，2022年累计获得常识阅读理解挑战赛OpenBookQA、QASC、ReClor等13项认知智能国际竞赛冠军，在高考作文评分和雅思英语作文上都已经超过了人工，实现了全场景因材施教解决方案服务5万多所学校、1.3亿多师生；在智慧医疗领域研发的“智医助理”系统，已经通过了国家执业医师资格考试综合笔试测试，现在作为全科医生助手已可以诊断1200多种常见病，累计提供5.5亿次AI辅诊建议；在人机交互领域，实现了智能语音开放平台AI服务日调用次数超过50亿。在多语种技术研究方面，实现了60个语种的语音识别、语音合成、机器翻译、图文识别等关键技术研发，在中、英等十多个全球应用最主流语种中实现领跑，有力支撑了汽车、家电企业上亿台套出口产品所需的技术需求，其中机器翻译技术获得国际口语机器翻译评测比赛冠军，参加全国翻译专业资格（水平）测试，达到英语二级《口译实务（交替传译类）》和三级《口译实务》合格标准。
ChatGPT的技术演进方向是什么？会对未来世界带来哪些颠覆性影响？
ChatGPT的初步突破带来的当前影响和未来想象空间是巨大的。首先在算法优化和技术演进趋势方面，我们认为至少有以下四个方向：
1）需要通过进一步引入显性知识、常识类知识来提升目前输出答案的可靠性和稳定性，尤其在一些细节的内容上；
2） 在认知智慧涌现的基础上，通过多模态语义空间的统一，从而具备生成图像、语音、视频等多模态内容的能力，实现多维表达和呈现；
3）针对当前通用大模型规模太大、难以针对及时信息灵活迭代更新的问题，未来将可通过大模型分布式部署，例如云边端协同等方式提升其灵活性，同时可能降低服务成本；
4）针对各个行业、甚至是每个人的个性化需求，未来会在大模型基础上向各层级的个性化模型发展，通过持续学习、理解每个人的对话和提交任务的风格、领域以及特定人的针对性反馈“调教”等信息，未来有望真正成为每个人的个人助手。
在上述技术演化的基础上，以自然语言处理为代表的人工智能算法有可能重构互联网和移动互联网的产品形态，促进教育业、医疗业、汽车业、金融业、消费业、媒体业、服务业和制造业等众多产业的升级，最终带来对应商业模式的变革。我们认为类ChatGPT模型的持续发展未来至少会从以下4个方面的能力提升推动产业变革与模式创新：
1）改变现有人机交互模式。未来人们可能用自然对话的方式与智能产品交互，ChatGPT通过精准理解用户意图，调用系统的各种软件或服务来满足用户需求，提高交互效率与任务成功率。这种人机交互模式的改变将可能改变当前的APP等应用的使用方式，例如多个功能的软件能力被整合，甚至出现“大一统”能力的超级通用APP；
2）改变信息分发获取模式。基于认知智能技术可实现更高效的信息整合和知识推荐等。以搜索为例，传统搜索引擎根据关键字匹配内容，使用者需要在海量搜索结果中筛选出有用信息，而ChatGPT加持的必应直接给出答案，并提高了问题与答案的匹配精准度，大大提升用户体验。信息分发获取模式的改变将影响流量的分布，并改变流量变现的商业模式。
3）革新内容生产模式，提高生产力。作为AIGC（人工智能生成内容）技术的典型代表，ChatGPT一经上线便被大量应用于公文写作、邮件编写、代码编写等工作领域，ChatGPT的编程能力将极大拓展普通人利用电脑和网络进行创新和创意的能力。未来ChatGPT被集成到word、excel、ppt等工具软件后，将提升内容生产效率与丰富度，变革人们的办公方式，成为新的全行业生产力工具。ChatGPT还将带动图像、音频、视频等形式的AIGC技术与产业发展，使得AIGC的内容既有“好看的外在”，更有“丰富的内涵”。
4）加速“AI for Science”的发展。对于科研人员，ChatGPT不仅可以辅助生成论文摘要与文献综述，随着其学习的科研数据越来越多，未来有可能提供专业的研究建议甚至主动探索发现新的理论，带来整个科学研究范式的全新变化，把“AI for Science”推上一个全新的台阶。
这次ChatGPT所带来的革命将会异常深刻地改变当今世界的生产和生活方式，重构产业格局，是人工智能领域推动工业乃至社会变革的重大战略机遇，是未来发展兵家必争之地！
讯飞在ChatGPT方面有哪些准备？未来的研发计划是怎么样的？
在ChatGPT引发的AI技术新一轮热潮背景下，讯飞基于认知智能全国重点实验室，已在核心算法、行业数据、算力支撑及团队组建等方面建立了优势保障。
核心算法：在Transformer深度神经网络算法方面拥有丰富经验，已广泛应用于科大讯飞的语音识别、图文识别、机器翻译等任务并达到国际领先水平；创新提出了知识与大模型融合统一的理解框架X-Reasoner，有望弥补大模型的模糊记忆技术短板，并在认知智能技术领域，2022年累计获得了常识阅读理解挑战赛OpenBookQA等13项世界冠军；开源了6个大类、超过40个通用领域的系列中文预训练语言模型，相关模型库月均调用量超1000万，在Github平台获得星标数位列同类中文预训练语言模型第一并远超第二名。
数据积累：在严格遵守适用法律法规前提下，在多年认知智能系统研发推广中积累了超过50TB的行业语料和每天超10亿人次用户交互的活跃应用，为训练实现达到人类专家水平的行业认知大模型提供了海量行业文本语料和用户反馈数据，也为基于大模型的创新应用研发和试点推广提供了场景保障。
算力支撑：讯飞在总部自建有业界一流的数据中心，为大模型训练平台建设奠定了很好的硬件基石。此外，在工程技术方面实现了百亿参数大模型推理效率的近千倍加速，为未来更大更多认知智能大模型技术经济实惠规模化应用提供了可能。
结合我们多年来在深度学习算法、大模型技术、行业大数据、知识图谱、多模态感知、系统工程技术方面优势积累，通过最近两个多月的系统分析和快速验证，我们非常有信心实现ChatGPT类似的技术阶跃进步，并在中文认知智能领域达到国际领先水平。
行业应用方面，为了进一步提高大模型在细分行业的实用性，我们计划采用“1+N”架构，其中“1”是通用认知智能大模型算法研发及高效训练底座平台，“N”是应用于教育、医疗、人机交互、办公、翻译、工业等多个行业领域的专用大模型版本。例如，通过学习海量医学教材、论文和病例，实现专业的医疗领域对话式AI系统，打造“每个医生的AI诊疗助理，每个人的AI健康助手”。
此外，我们也非常希望基于认知大模型与各行各业的伙伴们在企业数字化、行业内容生产等方面开展深入合作，基于行业数据与知识，形成智能化定制解决方案。我们的技术底座和行业积累合力共赢，能助力合作伙伴跨越认知智能技术壁垒，提高产品竞争力，实现协同创新，共同加快行业转型升级，推进数字中国建设。
如何看待资本市场当前的热潮？
不光是中国，全球资本都在ChatGPT的技术突破后看到了人工智能对社会产生的重大产业机遇，所以资本的热情被点燃也是非常自然的事情：一方面对于科大讯飞这种在认知智能领域有充分积累的企业和原来有做过大模型经验的公司都
论文都是科技与狠活？ChatGPT为何引教育界“封杀”？
论文和科技论文的区别,科技论文是毕业论文吗,科技论文的两大部分,科技论文由( )和( )的构成中新网北京2月12日电(记者 袁秀月)美国OpenAI公司去年推出的聊天机器人ChatGPT，近期成为全球瞩目的焦点。
人工智能将颠覆哪些行业，再次引发人们讨论。这其中，一个不常在此类话题出现的领域，率先感受到ChatGPT的影响――教育。
“也许这一次，对于知识型工作者来说，这就完全等于工业革命。”微软CEO纳德拉评价。据报道，中国的互联网企业也在不断加快类ChatGPT项目的研发。
随着技术以指数级速度发展，人工智能会是教育的终结者吗？如果人工智能将改变未来教育，又将如何改变？
网页截图
他们禁用了ChatGPT，为什么？
ChatGPT是一种基于自然语言处理(NLP)和机器学习的语言模型，是人工智能自然语言处理工具的最新成果，它不仅能够与人类进行对话，而且能够生成可信的“创造性”内容。
目前，该产品以一种无特别限制方式被普通用户或开发者所使用，因此被用户尝试出了各种可能的应用方式，其智能程度也被认为得到了广泛认同。
国外一项对1000多名学生展开的调查显示，超过89%的学生使用ChatGPT来帮助完成家庭作业。一位大学教授曾告诉媒体，他发现班上最好的论文是由ChatGPT创作的。
教育部门因此普遍对ChatGPT持谨慎态度，美国多所公立学校禁用了ChatGPT，原因是担心作弊。纽约市教育部门发言人认为，该工具“不会培养批判性思维和解决问题的能力”。多家科学期刊也禁止将ChatGPT列为论文“合著者”。
有批评者指出，这是一种“高科技剽窃”和“避免学习的方式”。也有人认为，传统教育将被彻底颠覆。
近日，《暨南学报(哲学社会科学版)》《天津师范大学学报(基础教育版)》也发布相关声明，提出暂不接受任何大型语言模型工具(例如：ChatGPT)单独或联合署名的文章，或建议对使用人工智能写作工具的情况予以说明。
对ChatGPT的担忧有没有必要？
针对ChatGPT带来的问题，多位受访专家认为，担忧恐惧的情绪并不会带来多大帮助，相比拒绝，了解它更为重要。
北京师范大学教育学部副教授张进宝认为，就教育系统中某些特殊和具体的应用情形，由ChatGPT的使用所引发的不良反映，并不能说明太多问题。即使是前述报道中所提到的行为，在他看来也只是短期阶段学生们的新奇尝试，很难说会变成一种长期行为，管理部门所出台的限制措施“还为时尚早”。而对于中国而言，该软件的使用所能引起的不良后果也尚未显现。
在亚太人工智能法制研究院院长、北京师范大学教授刘德良看来，ChatGPT属于通用型人工智能的一个里程碑，但需要注意到，如果把人工智能看做人类自我解放的一种工具，ChatGPT仍旧是一种工具，只不过是先进程度不同，而且它的先进是相对的，需要不断学习和改进。
有学者指出，ChatGPT不太适合需要逻辑、专业知识或最新信息的任务。观察发现，ChatGPT难以进行复杂的数学计算，还可能包括虚假、有偏见或过时的信息。
北京师范大学未来教育高精尖创新中心执行主任余胜泉教授指出，ChatGPT转变了一般性的知识生产，但不是原创性的。
“作为一种大型语言模型，ChatGPT的技术原理并没有实质性的改进，它利用神经网络、海量的语言数据和文本数据来进行训练，通过机器来学习文字和文字之间序列的概率关系，基于上下文背景信息，通过概率关系来预测输出的序列词句。它不是在理解你的语言，就是根据对上下文的理解，找出语言最优的概率，本质上是一个词和句序列的输出。”
余胜泉表示，虽然无法做到原创性的知识发现，但有了海量知识后，对于一般个体不知道的问题，ChatGPT都能给出相对有逻辑的解答。未来两三年，ChatGPT应该还会贯通文本、声音、图片、视频等多模态信息，将推动知识生产效率大幅提升。
截图
该不该用人工智能？
在采访中，多位专家都将ChatGPT对知识生产的影响，类比为计算器之于数学。对于这个“工具”，人们该不该用？该怎么用？
鲁东大学教育科学学院教授、博士生导师、院长闫志明认为，对于文学、新闻、学术研究来说，在写作之前需要做大量的工作，形成文本只是最后一个步骤。例如，对科研工作者来说，首先需要发现有价值的科学问题，需要通过创造性的方法解决问题，然后才是学术论文写作。用人工智能来支持科研工作者完成论文写作，让作者从错误更正、文字润色，甚至论文的常规结构撰写等低层次思维工作中解放出来，这无疑减轻了研究者的压力。
他举例，CloserCopy、Shortly AI等工具，能够根据输入的几个关键词生成并润色词句，甚至撰写长文本；ChatGPT可以帮助写作者搜集论文撰写所需的参考材料。这不但提高了工作的效率，使研究者可以将更多精力投入到更有创造性的工作上，而且也为不太擅长文字表达的科研人员提供了更多的成功机会。
中国教育科学研究院研究员储朝晖认为，数字化对教育的参与应该是替代教育中简单、重复、不需要思考的工作与学习，从而使师生有更多的精力投入教育教学及复杂的学习中。
在余胜泉看来，判断ChatGPT该不该用，就在于用它时有没有认知投入。如果有自己的创造性，大胆用，如果只是为了应付作业或考试，那这是本末倒置。
“智能工具的核心作用并不是要代替人的思考，而是要增强人的思考，尤其是学生。”余胜泉表示，在学生的成长过程中，需要促进思维和认知能力的成长，如果使用ChatGPT代替学生的思考过程“短路”，那就是错误的。反之，如果将其作为一个支架，使学生能看到以前无法看到的东西，思考以前无法思考的内容，站到更高的认知层次上，这种应用就是积极的，应该鼓励。
刘德良提到，目前已有科学家开发出专门软件，帮助教育工作者来甄别由ChatGPT生成的文本。在他看来，这是一个技术问题，应该用技术的方法来解决。
资料图：北京，在服贸会首钢园展区，电信、计算机和信息服务展厅里的舞蹈机器人。中新网记者李骏摄
人工智能如何颠覆未来教育？
在今天，拒绝技术的影响似乎不太容易。在采访中，有专家将ChatGPT称为“一个真正可能会对教育产生颠覆性影响的关键技术”。
问题在于，如何影响？在张进宝看来，通常提及的AI写作无法保证信息准确性、缺乏原创性、导致对工具依赖等问题，都还只是ChatGPT用于教育中可能存在的浅层次问题，更为关键的问题是，与AI的互动中所生成的内容、体现的教育价值，可实现的教育目标，及其对学生道德与价值观的影响，可能会脱离教育者的视野。
在余胜泉看来，教育数字化绝不只是技术层面的数字化，技术环境的变化还会促进教育业务流程的升级、重构，促进教育业务智能协同，推动学校组织结构的重塑。
多位专家还提到，对于教育理念的影响是需要重点关注的地方。刘德良认为，在知识生产方式不断发展的情况下，对于独创性的考察更加重要。我们不能原地踏步，仍以分数、做题的速度和效率等为标准，而是应转变观念，在技术基础上强调更高层次的独创性，着重培养学生的独立思考能力和创新能力。
余胜泉认为，教育体系应该积极拥抱人工智能等技术，通过这些技术来提高教育体系的生产效率，给每个儿童提供适合其个性发展，以及足够多的教育服务供给，打破工业时代没有个性的集体化教学，实现规模化教学和个性化培养的有机结合。
资料图：闽宁中学学生借助VR技术上地理课。李元昊摄
人工智能会代替教师吗？
ChatGPT给我们描绘了人工智能影响教育的冰山一角，对于教育工作者而言，又将如何应对这一科技浪潮？
张进宝认为，教育工作者没有必要过分担心AI技术对教育产生的影响。
“人才的多元性与核心竞争力，不仅仅体现在能否写出好文章、提出相对正确的解决问题思路，最关键的还是解决真问题的能力。ChatGPT等AI系统可以节省我们探索问题所需基本信息的过程，但不能代替我们验证问题解决方案的可行性和可靠性。”他表示。
张进宝认为，当前很多人宣称的人工智能技术代替教师的可能性并不大。认知目标只是教育目标中的一部分，事实上，随着信息获取渠道日益丰富，学校系统在促进认知发展方面发挥的实际功效不升反降。
而且，在ChatGPT出现之前，大量的AI类软件已经在工作效率、准确性与智能性等方面表现出了优势，人机协作的思想早已成为教育技术界的共识。
闫志明提到，已有案例表明，当人类智慧与人工智能技术相结合的时候，工作往往能够取得更好的效果。一项研究发现，当通过照片判断淋巴细胞中是否存在癌细胞时，如果只使用人工智能技术错误率为7.5%，如果只由医疗专家来判断错误率为3.5%，但如果将两者结合起来，错误率可以下降至0.5%。
“教师的职责是‘教书育人’，未来大部分简单的知识性教学将会由人工智能承担，教师的重心将放在‘育人’上。教师的工作不仅是传统的传道、授业、解惑，更需要激发学生的好奇心与想象力，培养具有创造力的批判性思维，从而实现针对学生个体的差异化、精准化教育。”余胜泉表示。
在张进宝看来，人们完全没有必要在此时过分恐慌。
“我们相信，人类对自身发展中出现的各种可能的危险一直都有着警觉与调控的能力。‘让子弹多飞一会’，我们才能看到结果中的问题，也才有可能提出更为合理的方案。”
