ChatGPT ✖️ 前端 = 有点er意思

77,467

本文正在参加 ✍🏻 技术视角深入 ChatGPT 征文活动

ChatGPT最近一周忽然登上了国内各大平台的热搜榜,应该在去年11月末的时候就有不少同学了解并使用过,那个时候它刚刚问世,在互联网圈子里有了很大的热度,但是对于大众来说,还是不太了解的。

我在去年的时候就跟风注册了一波,其回答问题的准确性编码能力让我吃惊。不得不说,ChatGPT作为一个新兴的AI产品,和老美的电影里的人工智能有那么一些相像了,甩了三问一不知的小爱、小度和小E不止一条街。

上周它忽然就🔥出了圈,让很多人惊喜的同时,也让很多人产生了担忧,下面我们一起来聊聊它,以及如何使用它来让我们生动有趣的编码生活变得更有趣起来(斜眼笑)。

HOT! HOT! HOT! 🔥 🔥 🔥

首先我们先来看下最近的热度来的有多么的突然,那简直是太炸裂了,语言不好描述,我收集了一些常见平台的指数截图,大家可以感受一下:

百度指数

点击跳转到百度指数

image.png

注意,近期的峰值可比去年11月底刚推出的时候高的不是一星半点。

image.png

Google Trends

点击跳转到Google Trends

image.png

注意,搜索热度最高的国家是中国,这还是在有墙的前提下,看来中国人的忧患意识不是一般的强

微博指数

image.png


ChatGPT是什么❓

在这个产品推出之前,大家应该听说过他们公司的一些其他产品,比如:

这是一款图像AI,主要功能有“根据文案绘画”、“无限拓展图像的边界”...

这是一款自然语言转化成代码的AI产品,它就是之前比较火的微软的GitHub Copilot的驱动模型。

包括ChatGPT在内,他们几个都是衍生自GPT-3的产物,那么GPT到底是什么意思呢?

2018 年 6 月,OpenAI 发布了一篇关于通用语言模型的研究(openai.com/blog/langua… ),虽然全文都没有出现过 GPT 这个名词,但其实它就是 GPT-1。

这篇文章提出了一个叫作Generative Pre-traing的概念:生成式预训练

和传统的以任务为导向的训练方法不一样,生成式预训练不需要人工标注,比如我们之前分享的《手把手带你实现 ”在浏览器上进行目标检测“ - 掘金》,里面就有需要人工在图片上标注二维码的位置,生成数据集告诉AI,然后AI再根据这些去学习;再比如说你想训练一个可以做中英文翻译的 AI,你就需要提前准备好大量的中英文对照的句子给 AI 去学习。

生成式预训练的思想就不一样了,我直接拿着人类已有的现成的文字资料去训练 AI,怎么训练呢?我就让 AI 根据上文去续写下文,比如一句话,张三每天都很认真地学习,老师们都夸他是好____,“好”字后面我让 AI 去写,如果 AI 写出来的是“学生”,这就和原文一样,那就判断正确了,要是不对,就继续训练它朝着对的方向去走,这种训练方式的好处,就是研究人员不再需要花大量的资源去人工准备答案,每句话里下一个词就是上一段话的答案,理论上人类现有的所有文字资料,都可以作为训练数据直接喂给 AI 去学习,这就远远大于现有的任何人工制作的数据集

因为这个预训练过程不需要人工编写答案,所以人类现有的所有文字信息,小说、典籍、歌词、论坛里的回帖,甚至是软件代码,只要硬盘装得下,都可以喂给 AI 模型去学习,不断地增大神经网络模型的参数量,不断地增加训练数据里的文本量,预训练模型的能力就会继续增长,用标注好的数据引导它去做各类具体任务的水平也会相应提升,这种生成式预训练,与一种叫做变形器Transformer的模型结构相结合,就成了 Generative Pre-trained Transformer,取三个字母缩写,就是 GPT

此后 2019 年的 GPT-2、2020 年的 GPT-3,核心迭代思路都是利用“钞能力”扩大模型规模,GPT-2 的参数总量是 15 亿,GPT-3 更是提高到了惊人的 1750 亿,而截至今天,这条“钞能力”路线依然没有摸到天花板, 还在往下继续

image.png

以上文案和数据部分来自B站UP主 @林亦LYiChatGPT诞生记:先捞钱,再谈理想|OpenAI翻身史_哔哩哔哩_bilibili  讲解的特别好,大家感兴趣的可以看一下!


ChatGPT能做什么❓❓

ChatGPT不单是聊天机器人,它还能进行撰写邮件、视频脚本、文案、翻译、代码等任务,我尝试使用它来进行了一些测试,下面是一些示例截图:

写邮件

image.png

写短视频脚本

image.png

写代码

image.png

image.png

案件分析

image.png

优化周报

image.png

写小诗

image.png

......

💻 ChatGPT ✖️ 前端

作为一名前端开发同学,我这段时间就在想,在日常生活里我如何使用ChatGPT来帮我做些什么事情来提高开发效率呢?最后想出了几个场景以及我的示例,大家可以参考一下:

一、技术调研 + 文档编写阶段

1、Cover不住的需求点应该用什么技术点来实现比较合适

以我最近在做的需求为例,我需要实现一个比较复杂的树图,类似XMind的那种脑图,我就问了一下它,得到的结果还是比较令我满意的即使还是有些问题存在

image.png

image.png

image.png

2、不确定的技术方案(1)

image.png

image.png

2、不确定的技术方案(2)

之前实现过一个浏览器插件,可以一键识别你当前屏幕中所有的二维码,并且将识别结果返回到对应的位置,我想以这个需求为例,让它帮我想想方案。之前的文章:手把手带你实现 ”在浏览器上进行目标检测“ - 掘金

插件效果: finally.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

二、编码阶段

1、正则表达式就不需要自己去写了

image.png

2、代码优化(1)

image.png

image.png

3、代码优化(2)

image.png

4、我想实现一个XX功能,帮我在github上找一个demo

image.png

三、自测阶段

1、帮我测试一下XX方法

image.png

image.png

2、运行不及预期,帮我看看有什么问题

image.png

image.png

四、读源码

image.png

image.png

Σ(⊙▽⊙"a 下面的这些回答把我惊艳到了!它是真的懂这些代码!而且还能帮我找类似的代码!!!

image.png

image.png

image.png

五、不错的VsCode插件

1、ChatGPT中文版

image.png

不太推荐,当使用之后,就无法使用上下文的方式和ChatGPT交流了,不过因为是中文版,可以装上玩玩)

2、ChatGPT 👍

image.png

推荐!,简单使用下来比较顺畅,该有的快捷功能也都有,最重要的是聊天时是支持上下文的。

image.png

使用展示图:

image.png


🙋🏻 指令的美学

如何和ChatGPT这一类的AI沟通,他们叫做“指令”,好的指令和坏的指令得到的效果是非常不一样的,如果经常使用一些宽泛的生活用语和它交流,那么得到的结果往往不尽人意,甚至和手机里的语音助手没太大的区别。

我们先看一个不太好的例子:

image.png

我们可以看到,它的回答和网上搜索出来的结果没什么两样,当看到这种结果之后,很多人就会觉得:“啊,它不过如此,对我帮助不大”,可是当我们换一种方式来问它,结果可能让你惊艳到,我们重新问

image.png

image.png

image.png

可以看到,当我们向它发送一些比较专业一些的指令的时候,得到的结果往往也是更专业的,同样,这种结果也是更有参考意义,也是我们更想要的结果。

在发送指令前,希望你的指令最好满足以下几点:

  • 内容清晰(省去不必要的文字,每个字尽可能都有用)
  • 任务定义明确(帮我制作表格,我要你提供事物的重量和数量)
  • 要求具体(比如我要一个清单、我要计算我的TDEE、我要去超市你帮我准备xxx)
  • 具有迭代思维(一句话可能问不出来你想要的结果,你可以持续性的和它聊,基于一个或者几个点深入一下)

以上参考:抖音@绝对社,对于如何使用更精确的指令讲解的特别好!推荐大家去看~


🔫 杀死那个ChatGPT?

1、For 教育

在美国,有很大比例的学生拿ChatGPT写作业、写论文、考试,而且ChatGPT给出的答卷往往成绩都很棒~

在一项由宾夕法尼亚大学沃顿商学院Christian Terwiesch教授进行的研究显示:ChatGPT能够通过沃顿MBA课程的期末考试。这位宾大教授1月17日发表的名为《ChatGPT能否获得MBA学位》的论文中称:经过实际测试,其考试得分介于B-和B之间。

该教授指出,ChatGPT“在解决基本运营管理和流程分析问题方面,包括基于案例研究的问题方面都表现出色”。机器人给出的解释也非常优秀,它还“非常擅长根据人类提示修改其答案”。

鉴于这一系列情况,斯坦福大学终于坐不住了。他们的研究人员已经开发了一种名为DetectGPT的工具。这工具可以帮助教师识别使用ChatGPT或其他类似的大型语言模型 (LLM) 生成的内容。(魔法才能打败魔法😎

号称“干翻媒体人”的ChatGPT,已被多家出版机构“封杀”

多家期刊、出版机构禁止将ChatGPT列为论文合著者

ChatGPT遭美国多市学校封杀

2、For 程序员

它面进Google了!你怕不怕!它的工资可能比你还高哈哈哈!

18万美元offer!ChatGPT通过谷歌L3入职测试,人类码农危?

ChatGPT 通过谷歌 L3 工程师入职测试,年薪 18 万美元

ChatGPT版必应搜索悄悄上线又下线,但评测已经出炉

3、For 其他岗位

从这周的搜索数据趋势来看,很多人还是怕了的,“它究竟会不会代替我!”

瑟瑟发抖?基于ChatGPT的AI律师太过强大 被人类律师疯狂阻挠

放心 ChatGPT们不会完全取代会计,也不会完全取代审计,理由如下_会计审计第一门户-中国会计视野

ChatGPT来编辑部上班了,这篇推送它写的


🔚 结束语

如上,ChatGPT像一个💣一样引爆了全网的讨论热潮,但是这个热潮终将会慢慢褪去,在兴奋的向他人疯狂安利它之余,我也看到了很多人的思考,综合一些我自己的思考,总结了以下几点:

  • 它的出现真的会让很多人失业吗?
  • 它的出现无疑是划时代的,当前时间节点还正处在“新”时代的前期,我应该怎样接受它的存在并且高效且合理的使用它来为我服务
  • 未来AI遍地的时候,究竟还需要什么样的人才?中国式教育下出来的高材生在那个时代还有什么竞争力
  • 这应该是一波风口,新的风口下,会出现什么新的岗位,未来的社会又会发生什么样的变化?
  • 未来互联网上发言的AI是不是会超过真实的用户?如果出现一些谁声音大谁就有理的公共议题讨论会怎么办?

当然,以上的一些想法会比较偏保守一些,后期肯定也会有更多的法律或者条款来限制AI的野蛮生长,前段时间马斯克也讲到“人工智能比核弹更可怕,要成立AI监管机构”。

不过作为一个普通用户来看,目前的ChatGPT还是一个值得一试的产品,它真的可以为我们提升蛮多的效率。

目前大家使用的ChatGPT是从GPT3.5衍生出来的AI产品,其训练集并不是互联网上实时的数据,而是来自截止到2021年的数据

image.png

它还处于一个婴儿阶段,还有很多不成熟的地方,据OpenAI统计,从2012年到2020年,人工智能模型训练消耗的算力增长了30万倍,平均每3.4个月翻一番,超过了摩尔定律的每18个月翻番的增速😱。

畅想一下未来~ 我们可以和钢铁侠一样,拥有一个知晓所有事物的Jarvis,你在工作、生活中的时候来上那么一句:帮我看看这段代码有没有什么漏洞、帮我想一下xx功能怎么实现、我想做一个xxx,帮我画个图纸,图纸画好之后,交给3D打印机,打印好之后告诉我...

而且这个未来,应该很近。