ChatGPT 有哪些神奇的使用方式？ 债券基金做的好的公司有哪些呢图片

今天刚充了一个PLUS

去年ChatGPT一发布我就开始用了，当时还怀疑这就是GPT-4

这几个月过来，用的时间是越来越多，用起来也越来越顺手。总结下来，我觉得首先要理解几个问题：

ChatGPT的边界在哪里？

从目前的体验来看，ChatGPT的边界就在「可信」上。你不能完全信任它，因此也要求你能验证它说出的内容。举个简单的例子，我让他帮我写邮件，这就是可以验证的——我只要读一遍，就知道它写的对不对。

举个反面的例子，就是向他咨询领域外的内容。比如说咨询法律：我能相信吗？我能验证吗？就算各个法律都是公开的，我也不能相信它。万一有什么特殊条款我查不到，那后果可能会非常严重。

因此，在重要的问题上，目前的ChatGPT只能帮你做你能做的事情，只不过可以大大加快速度（后面我会提到，这个加速可不只是x2、x3这种级别）。比如修改语法、润色文章，我自己也能做，但它做的更快更好。ChatGPT写邮件更是一绝，落落大方，不卑不亢，只需要自己稍稍改动就可以发出。

知识搜索

虽然对我个人来说，ChatGPT干的最多的就是文秘的工作，但价值最大的，则是充当搜索引擎。

先说一个真实的笑话：1994年的一篇生物论文「重新发明了微积分」[1]。我们当然可以从学科壁垒、孤陋寡闻等角度去理解这件事情，但也可以从知识的角度去理解它：为何他没法检索到「微积分」已经存在了？

因为一段文字存在至少两个层级——文字的层级，以及知识的层级。在文字的层级上，它们要做的「determine total area under curves」和「微积分」、「calculus」差别非常大。而在知识层面上，它们是一件事。传统搜索引擎无法解决这一问题，稍有智能的搜索引擎可能可以解决，但绝对没ChatGPT做的那么好。就拿这个问题测试一下ChatGPT：

不光让你去学积分，还给了详细解释。

我自己在学习和研究中用的也非常多。先举两个例子：

第一件事是我一直在思考的一个问题：我们人类在面对不同复杂度的问题时，思考的时间长短不一。而传统的算法也是如此，会有随着问题规模增长的时间复杂度，例如O(n), O(n^2)等。凭什么神经网络就能用同一个时间复杂度处理不同的输入呢？（例如图像识别）有没有相关的工作呢？

必须得承认，我确实可能孤陋寡闻了，但我在搜索引擎上也确实搜不到满意的答案。而ChatGPT直接给出回答：

直接告诉：Dynamic Neural Network。ChatGPT当然可能会瞎扯，但我可以容易地用搜索引擎验证。如果我不知道这个关键词，花几个月重新造轮子也不无可能。从这个角度看，它极大地加快了我学习、研究的速度。

再举一个例子：我想做粒子模拟。而粒子模拟中很重要的一点就是检测周边的粒子。如果不做优化，复杂度直接会达到O(N^2)。我之前做过一个简单的优化：把空间分成均匀的格子，只在周围的格子中搜索。我就想问ChatGPT有没有现成的python包来解决。

不光给了我python包的名字，甚至比我想象的还要好——不是简单的均匀分割，而是用树的结构来搜索，时间复杂度直接降到O(n log n)。

回到那个生物学笑话上，学科壁垒确实也是导致其出现的原因之一。但很多时候，词汇恰恰是导致壁垒的原因。消除这一壁垒，其价值会远远大于很多人的想象。

参考^Tai, Mary M. "A mathematical model for the determination of total area under glucose tolerance and other metabolic curves." Diabetes care 17.2 (1994): 152-154.