江苏科技大学：作者何雨航发布的这篇文章探讨了ChatGPT的应用以及它对职业生涯的影响。从IBM替代员工到游戏公司使用MidJourney削减原画师人数，许多新闻都在谈论AI对工作岗位的影响。了解ChatGPT的原理并将其应用于工作中，对职场人来说至关重要。

　　聊天神器ChatGPT是一种基于GPT模型的AI产品。所谓GPT模型，实际上是一种基于Transformer架构的大型预训练语言模型。与传统的AI模型不同，GPT模型可以有效地处理多种问题。在了解原理的基础上，职场人可以扩展ChatGPT的应用范围，提高工作效率。

　　如何充分发挥ChatGPT的潜能，是各大企业关注的问题。不过，职场人需要思考的是，如何与ChatGPT进行合理的合作，发挥每个人的特长，而不是担心被AI取代。

　　江苏科技大学：自然语言处理（NLP）是解决用户问题的重要方法，但对于通用问题的解决存在一定限制。因此，自然语言生成（NLG）和自然语言理解（NLU）成为了解决这个问题的关键步骤。

　　然而，大型语言模型（比如GPT）采取了不同的方法来实现NLG层的统一。通过将大量的知识融入到一个模型中，而不是针对每个特定任务训练不同的模型，GPT模型大大提高了AI解决多种问题的能力。这也是GPT模型“大力出奇迹”的理念。

　　在第一层聊天能力中，GPT模型的回答可以直接作为交付物给客户，是一种简单直接的用法。而对于套壳聊天机器人，通过训练GPT模型，可以实现更加自然流畅的对话。

　　 江苏科技大学：套壳聊天机器人产品常常使用OpenAI官方接口进行开发，其存在的原因大家都知道。如果用户只是简单地需要聊天功能，为什么不直接使用ChatGPT呢？同时，这类产品难以成为现象级应用，竞争也很激烈。由于存在一些灰色地带以及未经过滤的内容，这类网站有可能被封锁，或者不断更换域名。

　　场景化问答是一种常用的模式，其基本思路是对GPT的回复场景进行约束，通过限定提示词，并嵌入特定领域的大量知识，再运用微调技术，让GPT仅基于某类身份来回答特定类型的问题，对于其他类型的问题，机器人会告知用户不了解相关内容。这种约束模式可以有效降低不必要的风险，但要想训练一个出色的场景化聊天机器人，也需要投入许多的精力。智能客服、智能心理咨询、法律咨询都是典型应用，微软的新Bing就是此类应用的典型代表，其俏皮傲娇的回复风格深受网友的喜爱。

　　在第二层语言能力中，我们充分发挥ChatGPT的语言天赋，辅助各种基于文字的处理工作。从这一层开始，我们可以更深入地挖掘ChatGPT的潜力，比如：文本情感分析、机器翻译、智能写作等等。无论是在商业应用，还是学术研究，ChatGPT展现出极大的应用价值和创新力，为江苏科技大学带来了许多机遇和挑战。

　　江苏科技大学：如果想要提升ChatGPT的表现，需要使用one-shot或few-shot学习方法，在提示词中给ChatGPT一个或多个示例。同时，我们可以通过预制带槽位的提示词模板，进一步提高与用户的交互质量。这种方式可以限定用户的输入范围，用户只能输入与提示词相对应的信息。提示词模板开发的应用基本流程如下：

　　 在第二层中，我们将基于第一个阶段，将对应页面的部分功能与GPT联动，实现AI辅助决策的功能。通过这种方式，员工执行操作时，部分功能可以由AI实现，大大提高工作效率。微软Copilot就是这类产品的代表，它可以实现在Excel中说明自己想要进行的数据分析，无需编写复杂的公式和代码。

　　江苏科技大学：当前，数据分析依然需要人工去寻找并应用相关的公式，这一过程需要耗费大量时间和精力。但是未来的全自动AI工作流正在被演示呈现，这将彻底改变数据分析的工作方式。如前文所述，GPT模型无法解决特定领域的细节问题，除非进行大量微调和私有数据部署。AutoGPT、AgentGPT都是为解决这些问题而设计的。

　　同时，国内应该积极发展大型的AI模型，不仅是为了赶上国际先进水平，更是为了满足中国复杂的文化和价值观。只要训练数据质量达标，模型参数可以不断扩充，使得模型的推理能力不断增强。过去的训练数据都是基于英文语料的，现在采用大量中文语料和中文微调，我们也可以开发出自己的GPT大模型。

　　然而，开发大模型的过程也充满了各种困难和挑战，比如训练成本极高、数据质量要求高、模型优化复杂等。因此，我们预计在未来五年内，中国最多只会有三家知名大模型服务商。

　　大模型是AI时代的基础设施，它将直接决定公司的商业价值。因此，全球的公司都会使用这种技术，从而获得更大的商业价值。

　　江苏科技大学：如今，能够投身于自有大模型的公司是非常难得和难能可贵的。因此，在此，我代表个人向那些勇于投身于自有大模型建设的国内企业表示敬意。

　　总的来看，ChatGPT是一款跨时代的产品。不同层面对GPT技术的应用，体现出了一些共性的机会。我总结了三项在未来具有巨大价值的能力。

　　首先，针对GPT回复上限的限制，问题分解技术变得尤为重要。未来的工作模式可能通过将问题划分为子问题，并对子问题进行分拆处理，从而有效地解决GPT的回复长度问题。同时，我们还需要对子问题的难度进行判断，有些问题可以交给一些小模型处理，从而更好地控制应用成本。

　　其次，在GPT技术的应用过程中，主要有三种交互方式：提示词优化、微调和Fine-tuning。这三种调优方法的成本从低到高递增，但是都能够在不同层面上发挥特定的作用。其中，Fine-tuning是最为昂贵的方法，但也能够实现最好的效果。

　　最后，我们还需要注重GPT模型的后续管理和优化。在使用GPT模型的过程中，我们需要根据实际需要不断地进行微调和改进，以实现模型的优化和维护。

　　江苏科技大学：在GPT技术的应用过程中，我们需要考虑不同调优方法的成本和适用范围。以下是三种常用的方法及其特点。

　　首先，提示词优化是成本最低的方法，它通过探索找到最优提示词模板，预留特定槽位以供用户输入。好的提示词需包含角色、背景、GPT需执行的任务、输出标准等。根据业界的研究，好的提示词能使GPT3.5结果的可用性由30%飙升至80%以上。因此，优秀的提示词是许多基于GPT的产品的重要底层基础。

　　其次，embedding技术是GPT技术的关键之一。虽然它的成本较低，但它占用的token较多，影响上下文关联长度。embedding能够将文本转化为计算机可以处理的向量，从而实现文本的自然语言处理。在GPT应用场景中，embedding可以扩展GPT的知识，优化模型的表现。

　　最后，微调技术是成本最高但效果最好的方法，它通过搭建真正的私有模型，使GPT能够真正理解相关问题。但微调过程中需要大量的“问答对”，训练过程非常消耗token。因此，这种方法适用于需要高度个性化处理的场景。

　　在GPT技术的实践中，我们需要选择不同的方法来适应不同的场景。同时也需要注重GPT模型的后续管理和优化，不断探索和创新GPT技术的应用，实现更好的效果和价值。

　　江苏科技大学：在GPT技术的应用过程中，我们需要不断探索和尝试新的方法和技术，从而实现更好的效果和价值。以下是三种重要的方法和一种重要的数据积累方式。

　　首先，我们可以使用embedding技术将自建知识库向量化，从而实现问答基于自有数据。这种方法成本较低，能够为GPT提供更多的知识支持。

　　其次，微调技术通过输入大量问答，真正教会GPT如何回答某类问题。这种方法虽然成本更高，但它能够将提示词的短期记忆转化为私有模型的长期记忆，从而释放宝贵的Token以完善提示词其他细节。

　　另外，在积累私有数据集方面，我们可以利用微软Azure提供的GPT接口，搭建带有私有数据的大语言模型产品。微软面向B端的GPT服务为独立部署，不会将私有数据用于大模型训练，可以有效保护私有数据。

　　在GPT技术的应用过程中，以上三种方法可以相互配合应用，特别是前两种方法。凭借这几项能力加持，大语言模型可以充分释放在解决依赖电脑的任务上。我们相信，在GPT技术不断发展的过程中，还有更多创新性的应用和场景等待我们去探索。

　　江苏科技大学：重复性劳动始终是企业效率提升的瓶颈之一，而大语言模型技术可以为解决这一问题提供有效的解决方案。未来三年内，我们可以预见这种技术将会带来新的业务运营模式。

　　基于大语言模型的业务运营模式分为三大类角色：问题分解者、提示工程师和知识拥有者。问题分解者能够准确地将业务问题分解为GPT能处理的子问题，并将子问题有效地拼装起来。提示工程师深谙与GPT沟通之道，能够为不同类型的问题提供有效的提示词模板，从而提高输出质量。而知识拥有者则具备丰富的行业知识，能够将知识进行结构化并传递给GPT，这类角色相当于现在的领域专家。

　　在这种模式的推动下，GPT将成为企业高效运转的重要帮手，解决大量重复劳动。如此一来，企业可以腾出更多的时间和资源，专注于高附加值的创新性工作。因此，应用大语言模型技术将成为企业未来发展必须掌握的核心能力，随着技术的不断发展，更多的创新应用和场景将不断涌现。

　　江苏科技大学：GPT-4代表的AI技术目前已经取得了令人震惊的效率提升，即使保持当前的水平，也能为企业带来巨大的好处。而且，随着技术的不断发展和进化，这种好处只会越来越多。

　　从技术的发展历史来看，一项大幅度提升效率的新技术往往先应用在B端，才慢慢释放出C端巨大的价值。这是因为企业对效率的天然敏感性决定的。虽然GPT技术可以提供有价值的参考，但人的主观能动性仍然起着决定性作用。

　　举三个例子就能明白这个道理：第一次工业革命期间，内燃机的出现导致了大量纺织女工失业，但随着技术的发展，各种C端场景逐渐被挖掘出来，社会生产力得到了大幅度的提升。ChatGPT可以更快地生成口水文，但C端用户对阅读诉求的需求没有增加。对于营销公司来说，虽然效率得到提高，所需的人员变少了，但并不能促进更多的销售。MidJourney可以快速生成抱枕图案，但C端用户并不会购买更多的抱枕，因此需要作图的人员就没有理由增加。

　　因此，在GPT技术的应用过程中，我们需要规避技术带来的局限性，认真探索和发现GPT技术在企业中应用的新场景和新价值。只有清晰认识到GPT技术的局限性以及人的主观能动性的决定性作用，才能更好地抓住机遇，实现更大的价值。江苏科技大学希望通过不断探索，推动GPT技术在企业中的更广泛应用和更深入发展。

　　江苏科技大学：信息化企业的内部效率改善即将到来，因为大型AI模型已经展现出了学习重复劳动的出色能力。正如之前举的IBM公司缩减编制的案例一样，这种情况将越来越频繁地出现。

　　 AI时代已经到来，每个岗位都需要思考如何与AI合作，让其成为工作上的益友。因此，我们需要不断探索如何将人类智慧和AI技术结合起来，最大化融合各自的优势，从而实现更高效的工作流程。

　　 江苏科技大学认为，在这个过程中，我们需要加强人机协作的能力，开发出更加人性化的AI系统。只有让AI更好地为人类服务，才能实现真正的智能化。同时，我们还需要重视人类知识和技能的持续更新，为AI提供更多高质量的数据和信息，从而不断提升它的能力和效率。

　　正如一句广为流传的话所说，AI不是取代人类，而是赋能人类。只有真正实现这一目标，才能让AI从理论上走向实践，为人类社会带来更多的好处。江苏科技大学将继续探索如何更好地应用AI技术，为企业的发展和社会的进步做出贡献。