chatgpt,chatgpt官网,chatgpt国内能用吗,chatgpt中文
原标题：ChatGPT“横扫”校园缘何遭封杀中青报・中青网见习记者 刘胤衡ChatGPT进入校园的速度，超乎许多人的想象。“满绩点！全班第一！开心！”2023年1月，正在上大二的李凌，凭借一篇1200多字的课程论文，成功在《新媒体与广告》这门课取得90多分的好成绩。在他们学校，这相当于绩点满分。不过，这篇论文的好成绩，要归功于ChatGPT。ChatGPT是一款人工智能聊天机器人，在2022年11月一经上线便引发关注。不同于以往广受诟病的“人工智障”，它能够深度理解上下文的关联，完成写文章、邮件甚至是敲代码的复杂任务。于是，便有了李凌的高分论文。但这样的成绩不算作弊得来的吗？依靠ChatGPT创作对孩子们的培养有好处吗？不止一个人提出这样的问题。也因此，ChatGPT正在遭遇一个尴尬的局面，一边因其强大的学习辅助功能而“横扫”各大校园，成为学生眼中的“作业神器”，一边却被多所高校、期刊列入黑名单，遭受封杀。全班第一的论文，出自ChatGPT“全靠ChatGPT，两小时的考试，我一小时就交了卷。”2022年年底，李凌参加了《新媒体与广告》这门课的网上开卷考试。考试要求在两个小时之内完成一道论述题，问题与互联网广告的新现象有关，字数要求在1200字以上。其间可以查阅各种资料。“许多同学都进行了提前准备。”李凌告诉中青报・中青网记者，很多人除了整理课件，还提前下载了几十篇广告专业相关的论文，以备参考。他却另辟蹊径。两个小时的考试，当别人还在翻阅各种资料奋笔疾书，他只是和ChatGPT对话几个回合，输入不到20字的问题，就获得了一篇长达6000多字的文章――从定义、源流、特点、未来发展等角度分析了当下互联网广告营销的特点。随后，他将这些素材精简到了1200字左右，“提前一个小时交卷走人”。1月，成绩出来了，李凌位列全班第一。ChatGPT创造的“校园奇迹”远不止于此。在ChatGPT的“原产地”美国，2023年1月，一项对1000名18岁以上学生的调查显示，超过89%的受访学生会使用ChatGPT来完成家庭作业。同月，密歇根大学的哲学教授安东尼・奥曼发现全班第一的论文是用ChatGPT写的。根据中青报・中青网记者不完全统计，截至2023年1月底，国内各大社交平台上，有关使用ChatGPT完成作业的讨论已经超过10万条。有人认为，ChatGPT能够帮助学生快速梳理问题的解题思路，还能够借助它检查作业错误，是一个相当强大的“辅导老师”。有人则认为人工智能工具会助长学生的惰性，“什么作业都能够依靠人工智能完成，那学生就不用学习啦！”这并不利于培养学生独立思考的能力，更无利于他们发展创造性思维。目前，全球多国大学、科研机构发布明确的人工智能禁令，禁止使用ChatGPT和其他所有基于人工智能的工具完成学习与考试任务；多家期刊、出版机构也禁止将ChatGPT列为论文合著者。不过关于ChatGPT对学生影响的讨论，并未随着一张张禁令而停歇。网络上，公众对于ChatGPT的争论，仍在发酵。人工智能是“辅助”，还是“代替”学习有人认为，虽然ChatGPT可能会提供一个快速简洁的答案，但这并不能培养学生的批判性思维和解决问题的能力，这些能力对未来发展至关重要。也有人认为，人工智能只是“辅助”学生学习，无法让他们获得自主学习能力。“现在对人工智能的使用，并没有‘傻瓜’到学生输入一个问题、就能立刻写出一篇完美论文的程度。”上海大学新闻传播学院讲师、硕士生导师徐企X对于学生使用ChatGPT等人工智能撰写论文持开放态度，“如果学生真的用人工智能生成了论文并且达到了我的要求，那说明他也是下了一番功夫的。”正在国内某高校就读的彭羊也认为，一部分人过度神化了人工智能，“ChatGPT写出来的东西，其实并不能直接用。”2023年2月，彭羊在《量化投资》这门课上被要求写一篇不限字数的课程论文。这门课程不仅涉及金融知识，也涉及计算机编程知识。他想到了用ChatGPT来辅助论文写作，“我问了它一些编程问题，让它给我的代码纠错、教我收集数据以及用Python（一种计算机编程语言――记者注）整理文件。”“挺锻炼提问能力的！”彭羊表示，ChatGPT要通过用户与机器之间的问答才能得到答案，“要问很具体的问题，如果自己的问题模棱两可，它的回答可能也会有很大偏差，甚至有的时候答案会出错。”彭羊认为，这种一问一答的过程，像人类在“驯化”人工智能，“问ChatGPT要有技巧，范围要由大到小，比如先提出诸如‘是什么’的定义类问题，如果希望得到更精准的回答，则可以预设情景，比如‘假如你是一名……你要……为了达成目标，你该怎样……’只有不断变换问问题的方式，才能获得最终想要的答案。”“向机器人提问，也是一种学习的方式。”彭羊告诉记者，他使用ChatGPT主要还是为了优化自己的代码、润色论文内容，“而搜索到的内容，只有自行消化，才能达到学习目的。”北京语言大学外国语言学及应用语言学硕士研究生罗玉婷曾与多家互联网公司AI实验室合作，她认为，人工智能提供给大家的只是一些信息，真正体现学术思想和原创性的部分在于作者自身对问题的洞察和思考，“人工智能没有这种体验，它只是集合了现在已有的信息，所写出来的论文就不会有新颖性和独创性。”正在准备雅思考试的大三学生罗瑶，也认为ChatGPT更像个“助理”，她说，“ChatGPT的语言处理逻辑很严谨，特别适合用来准备语言类考试。”雅思是考察英语听说读写四方面的英语考试，满分为9分。罗瑶的目标是考上雅思7分，但口语和写作成了她面前的一道拦路虎。上大课、请私教她都试过，但这两项还是保持在5.5分。如今，ChatGPT帮了她大忙。“人工智能了解雅思的评分标准，因此只需要输入题干和自己的答案，它就会给出分数预测。”罗瑶说，ChatGPT还能帮她检查文本里的语法错误，并给出更地道的用法建议，“相当于请了一个24小时在线私教。”如果学不会提问，恐怕连AI都用不好“Ask me anything!（有问题尽管问！）”是ChatGPT与用户聊天的开场白。一些教育工作者、科研人员认为，一些学生恰恰不知道“问什么”，尚未建立起真正的“问题意识”，如果“问什么”都不知道，那么连AI这个工具都没法很好地使用。2月6日，徐企X负责的课程《新媒体研究》即将结课。他依然选择课程论文作为结课方式，论文主题需要与中国社会的数字化转型有关。他认为，有的学生连一个有价值的问题都提不出来，更别说研究问题了。上海大学文学院创意写作学科教授、博士生导师谭旭东多年来致力于培养学生的写作能力，经常为学生布置诸如创作散文、童话、书评等类型的课程作业。他并不担心学生利用人工智能进行写作，“这类作业很容易调动学生的生活经验和知识资源，学生自己有话可说，可能就不会抄袭或者去利用人工智能写作。”“机器是‘生产’，而人是‘创造’。”谭旭东指出，老师们凭借多年的写作经验和研究积累，能够区分出真人和人工智能写作的区别。即便是相同的故事，语言能力强的人也能把一个老旧的故事讲得优美、有趣，甚至令人惊奇，他说，真正的写作，用词、造句和行文风格都是个性化的。谭旭东并不担心人工智能会取代学生和教育的主体地位。他说，“人文社会科学和自然科学的疆域很广阔，还有很多未开垦的处女地，需要我们去‘第一个吃螃蟹’。”“ChatGPT是一种全新的知识工具，从这个意义上来说，它和我们几千年来依靠的书本、图书馆并没有两样，基于这样强大的知识工具来学习，孩子们应该学得更好。”2月9日，上海市教委副主任倪闽景撰文指出，面对ChatGPT，传统教育的方式方法需要作出重大调整。他就此提出三点建议：教育的首要目标是培养能独立思考和有正确价值判断能力的人，而不再是获取特定的知识；要用ChatGPT等学习工具来协同改进教育教学方式；要更加关注学习的品质。徐企X也更加注意在作业的布置中强调“问题意识”，他告诉同学们：“支持新奇选题，所研究的需要是真问题，而非‘杜撰’问题。”一个好问题，既是年轻用户与ChatGPT对话的起点，也是校园学子做好学术研究的开端。

chatgpt具体能做什么 chatgpt进阶从零开始7分钟

chatgpt,chatgpt国内能用吗,chatgpt中文,chatgpt账号
最近，无所不能的ChatGPT火爆全球，引起广泛关注和热议。ChatGPT爆火后，瞬间让AIGC（人工智能生成内容）成为亿万可期的赛道。国内百度、京东、科大讯飞等多家公司纷纷宣布进入此赛道，或许很快我们就会见到中国版的ChatGPT。那么，作为划时代的应用，ChatGPT到底是什么？ChatGPT是一个双向Transformer模型，包含了超过1750亿个参数，需要数千个GPU经过非常强大的计算资源来反复训练和生成，才保证它能够在实时对话场景中快速做出回应。因此，ChatGPT对算力的需求非常高。数智时代，算力就是第一生产力，决定社会智能发展的高度。从人脸识别、智能语音播报，到自动驾驶、工业数字孪生，到目前以ChatGPT为代表的AIGC技术，凡是看得见的人工智能背后，都是看不见的算力在支撑。因此，算力之争就是国力之争，成为当前大国竞争的战略焦点。面对全球算力之争以及ChatGPT等人工智能应用的兴起，移动云作为数字经济国家队、主力军，正加速跨越式升级“算力网络”布局，打造“一点接入、即取即用”的算力服务，为数字中国构建强大“算力底座”。中国移动已形成“4+3+X”数据中心全国布局，覆盖“东数西算”八大枢纽，累计投产云服务器超59.3万台。同时，中国移动还拥有强大的固网和5G网络能力，累计开通5G基站超110万个，位列全球第一。依托集团资源优势，移动云积极推进“N+31+X”分布式云资源布局，建成13个中心节点，18个省节点，实现31省资源池全覆盖；建成3000+边缘节点，100%覆盖全国四类城市。同时，在京津冀、长三角、大湾区、陕川渝等8大热点区域发布3AZ节点，满足端到端访问≤1.5ms，实现超99.99%的高可用性云服务，满足客户对低时延、高可用云服务的需求。“算力网络”的核心，不止是超强的算力和网络资源。算力资源互通，才是硬道理。也就是说，算和网要深度融合，实现“算网统一编排”。为此，移动云基于技术架构3.0内核，打造并落地了新一代超级算网大脑。算网大脑具有两大核心能力：算网一体化编排和智能调度。算网一体化编排利用云原生架构，把算力化整为零形成「原子化」，实现资源与业务场景、业务逻辑的封装。凭借算网大脑的统一编排，移动云不仅能提供纯粹的网络和算力产品服务，还可以根据业务场景提供一体化方案。编排能力，其实是对算力、网络等资源的封装过程。接下来，就要按需分配、智能调度。移动云提供以算力应用“SLA”为中心的智能算力调度体系，依托“算力的度量模型、算力的解构、泛在调度”等核心功能，实现百万节点算力协同、应用最优化部署，用最便宜的算力匹配最合适的应用。依托强大的算网能力，中国移动在人工智能领域也早有深度布局。早在2019年,中国移动发布“九天人工智能平台”。该平台由深度学习平台和AI能力平台组成，已经在网络、服务、市场、安全和管理等各类场景开始了应用。比如在智能语音客服中，实现面对客户多轮询问，能够识别客户意图并给出相应的回答。数智时代，移动云将致力于打造算网一体的原创技术策源地，强化算网融合优势，持续为人工智能等高新信息技术领域构筑坚实算力底座，开启人类数智未来的无穷想象。

ChatGPT上岗医疗还有多远？云知声被曝打造行业版

云知声 企查查,云知声信息技术有限公司,云知声ceo,云知声2020上市
白交 发自 凹非寺量子位 | 公众号 QbitAI国内玩家如火如荼入局ChatGPT，其在各行业出圈也有目共睹。但具体什么时候能上岗尚且还不明晰，尤其像一些艰深、壁垒性高的行业，比如医疗。现在，一位哈佛医学院教授，就亲自下场测试ChatGPT的表现。结果显示，它在45个案例中的39个诊断正确，正确率87%（超过了现有机器诊断率的51%）；并为30个案例提供了适当的分诊建议。他表示，ChatGPT辅助诊断的表现，已经接近医生。既然如此，那什么时候可以上岗？事实上，这也是目前国内大多数玩家所面临的问题：红利在此，如何率先吃掉？此前我们也系统性地梳理过复刻中国版ChatGPT背后的技术与生态难度，显然不是短期就可以实现的。现在已经衍生出来一种新思路：直接打造行业垂直版ChatGPT。这种方式是否可行？打造行业版ChatGPT可行吗？ChatGPT的打造，技术核心绕不开算力、数据和算法三要素。算力方面，OpenAI背靠微软这头奶牛――拥有28.5万个CPU核心、1万个英伟达V100 GPU，光是训练一个GPT-3，费用就高达460万美元；数据上，GPT系列几经迭代优化，一度惊艳众人的GPT-3就有1750亿参数，而上一版本GPT-2只有15亿参数；算法自然也有多年深厚的积累，否则也不能出现“类人”自主学习特征，而且进一步展现出快速适应多领域、多场景的能力。再加上生态反哺技术，形成迭代闭环。OpenAI自GPT-3开始就以开放接口的形式，构建起了专属“GPT生态”。据gpt3demo网站统计，目前已有656个调用GPT-3系列模型开发的应用程序。这样的技术与生态壁垒，决定了复刻ChatGPT并非那么容易。既然如此，垂直版ChatGPT的解决思路也开始在行业中探讨。首先从技术上来看，他们的核心挑战主要在于以更少的参数，比如以百亿规模参数量，在垂直领域的任务达到或超过ChatGPT的效果。这可能比复现ChatGPT更难，因为参数数量要小很多，不能仅仅依赖“暴力美学”，还要有高超的模型设计和压缩技巧。另外一个挑战是数据来源的不同。像谷歌、微软他们其实有天然的通用数据来源，但专用数据积累不能跟垂直玩家相比。尤其像医疗等民生行业，专业性强覆盖面广，所需的高质量数据可能并不比ChatGPT小，且大部分数据不是网上可以抓取的。但对多年深根于此的垂直玩家来说，他们早已构筑起自己的产业生态，有丰富的行业数据和知识积累，为复现ChatGPT奠定了必要的基础。而且从价值需求来看，垂直行业所代表的价值是实实在在的。像医疗本身需求就不小，一旦ChatGPT落地医疗，所代表的社会价值很大。以往用户们会习惯性使用的用搜索、APP来帮助诊断自己的疾病，但往往可能收效甚微。哈佛医学院教授Ateev Mehrotra曾测试，现有的在线诊断器平均正确率仅在51%，而ChatGPT则有87%，因此他认为ChatGPT有可能成为医疗诊断的游戏规则改变者。为了加速ChatGPT应用落地，从技术难度、价值需求等维度看，打造垂直版ChatGPT是可行的。而现在国内有AI玩家，已经在这样做了。云知声ChatGPT行业版最新曝光的进展，智能语音赛道独角兽云知声正在推进ChatGPT行业版的建设――以医疗作为切入口，构建ChatGPT医疗行业版，同时基于ChatGPT行业版构建平台，快速扩展到其他领域，再利用领域模型集成MoE（Mixture of Experts）技术，训练得到通用ChatGPT模型。而这种从专用到通用的思路。其实是云知声一贯的“U+X“做法。在这里，“U”指的通用大模型算法研发及高效训练底座平台；“X”则是应用于多个行业领域的专用大模型版本。事实上这也正在成为不少企业入局ChatGPT的思路，这样一来，可以利用已有的专用数据优势。不过也不是那么容易走的，更何况云知声选择的，还是对生成内容质量要求更高的医疗行业作为切入口。最首要的难题，是要提高医疗知识的可靠程度。ChatGPT最擅长的，就是一本正经地胡说八道。放在现在Bing上聊天搜索、内容生产其实问题不大，用户们也乐在其中。但应用在行业中，往往让非专业人士难以察觉，这会引发各种风险。因此行业版ChatGPT要杜绝一切胡说八道，尤其像医疗、教育、工业等行业，内容生成要求极高容错率很低，也对数据的质量要求也就更高了。其次，就是实现行业中的“性价比”。任何一项技术能够大规模落地，都必须要解决「如何以有限的资源，实现效果的最大化」问题。这也是ChatGPT行业落地的必经之路――模型能以更小的参数规模，达到与ChatGPT同样的效果。这也就给这些企业带来了不小难题。事实上，云知声也坦言，ChatGPT行业版的参数可能也需要达到百亿量级规模，要做出效果并实现规模化应用挑战也不小。从某种程度上说，打造行业版的ChatGPT比现在通用的ChatGPT还要更难，但到真正ChatGPT行业落地时，这些问题又都必须得解决。概括来说，就是实现ChatGPT工程化能力。这是每个躬身入局者，绕不开但必须得过的路。在此基础上，毫无疑问的是，云知声的选择更难――医疗作为切入口。这是始终被认为是行业壁垒高、专业性强、技术难度制高点的领域，也是为什么相较于其他行业的盛况，医疗AI玩家就显得少之又少的原因。但一旦将医疗版ChatGPT打通，那么其他领域的实现，包括最后的通用大模型也就事半功倍了。作为成立于2012年的AI公司，他们一直密切关注AI前沿技术，并积极推动技术产业化应用，包括2012年的深度学习算法升级和产业化应用，到2016年Atlas超算平台、知识图谱和全栈AI技术应用，到现在基于ChatGPT框架的AGI认知技术升级。同时，在医疗行业有近10年深耕，积累的行业知识、数据和应用，还获得了2019年北京市科技进步一等奖。在回应是否有信心打造ChatGPT行业版时，云知声方面表示：完全有信心。前面总结，打造ChatGPT离不开高质量的数据，领先的算法和充分的算力。而对于垂直版ChatGPT还需要更深厚的工程化能力。从这几方面来看，云知声的确具有行业参考性。数据方面，近10年来云知声积累了全方位的行业数据，包括面向患者的导诊、预问诊、患者教育和随访系统，也有面向临床的语音病历，病历质控，单病种质控和医疗风险管理系统，已有近400家医院落地使用。据称数据规模已达到了5T，为医疗行业语言大模型提供数据基础。算法方面，而ChatGPT所代表的认知智能，本身就是云知声核心技术优势。他们构建了国内最大的医疗知识图谱之一。从2019年至2022年，云知声的认知智能技术在国内外相关评测中荣获7冠5亚。其自主研发的医疗预训练语言模型CirBERTa一度登顶中文医疗信息处理挑战榜榜首。在算力上，云知声超算平台浮点计算能力可达8亿亿次/秒,可为千亿级参数规模模型提供算力保障。而在大模型工程化方面，云知声已经研发了CirBERTa模型，复现了GPT-2模型，并利用模型压缩和知识蒸馏机制，实现了线上推理效率的近百倍加速，为大模型的广泛应用奠定了基础。此外作为行业版ChatGPT，内容质量保障也是关键一环。云知声给出的解决方案是，利用应用在CirBERTa的持续学习和知识嵌入技术，基于已有知识图谱积累，优化ChatGPT模型的知识获取和更新机制。据介绍，这样一来可以保证ChatGPT回答中的知识正确性，与此同时还可以给出知识溯源信息。另外，利用云知声业内领先的病历质控技术，可以自动发现生成的病历中的问题，进而自动生成作为ChatGPT核心技术的基于人类反馈的强化学习（RLHF，Reinforcement Learning from Human Feedback）所需的用户反馈数据，加速模型的优化。谁最先吃掉ChatGPT红利？最后回到事件本身，此前论及ChatGPT对行业的价值，都是从宏观上的产业生态和模式创新上谈，比如对人机交互、信息分发、内容生产等方面。如今随着越来越多的垂直企业入局，ChatGPT对企业的意义也呼之欲出――一种全新AGI的技术范式选择：基于“大规模通用基础模型+轻量级行业应用优化”的行业知识整合和问题解决方法。以往这些场景玩家，对于AI的探索可能处于“看山是山、看山不是山”的懵懂状态，现在出现了一座“更小，而且明知会有路的山”。ChatGPT所表现出来的“智能”，给他们带来了一种明确的技术方向。云知声CEO黄伟也深有体会，甚至于相较于AlphaGo，他认为ChatGPT所带来的影响要深厚得多，相当于一场新的“工业革命”。这场革命最大的优势是，通过自监督注意力机制，能够充分利用海量无监督数据训练通用基础模型，并将感知、认知与生成，用统一框架实现“端到端”的整合，直接从高质量生成结果上去呈现机器智能。机器采取的人工引导的数据驱动学习方法，与人类的逻辑思维方式是完全不一样的，类似飞机所采用的喷气式“空气动力学”机制，与鸟类采取的“扇动翅膀”方式完全不同。不管是对整个产业，还是单个企业而言，ChatGPT所带来的价值确实让他们不跟不行。尤其对于一些场景玩家来说，他们还是最有可能吃掉ChatGPT红利的一拨人。他们有场景有数据、有深厚的行业壁垒，一旦具备ChatGPT能力，就可以率先在行业落地。这是其他玩家所不能及的先发优势。上一次AI浪潮来袭时，最终也是场景玩家率先吃掉AI红利。只不过现在ChatGPT是直接以技术路径出现，落地速度自然要比以往快得多。云知声CEO黄伟也给出了个明确的时间点：年内就会实现成功应用落地的方案。