关于chatgpt、边缘计算等最近的一些想法、看法

一些想法

最近一直在忙自己的产品打磨。然后，chatgpt突然就爆火了，一下子冒出来几十个大模型。老板一直劝我们，要转型，大模型是未来的iPhone之类的。

其实我在日常生活，工作里也用了大模型。包括今天还让一个同事去用大模型帮他定义一个数据结构。不过，这种所谓的风口，我已经经历过3次了：

• 2015年，VR，火了一阵，我感觉一年都没到。我还买了几个VR设备。有新鲜感，但体验不太好。设备扔了。

• 2016年，说是AI的元年。我自己还亲自搞了一个项目，基于AI的OCR识别。认识了圈内好多朋友。也确实把AI技术带到了业务场景。包括OCR识别、智能客服、人脸识别等。AI，Machine Learning，我当时还花了半年多时间买了好多材料学习。

• 2017年，区块链。第二年区块链突然就火了。我们行还做了好几个区块链大项目。但是也是没2年就势头下去了。有了AI这经验，区块链我就就看了下以太坊的代码。但始终没搞清楚区块链解决啥问题了。
  

根据我亲自下场，和亲自下场朋友们的沟通，我说一下我看到的情况：不论是AI还是区块链（尤其是区块链），纯从技术上来说，他们离面向2B端的真正需求还有一个巨大的gap。

AI还好点，AI还能优化、提升原有2B端产品，而区块链完全是另搞了一套。而且，还离不开原有的业务——这话说得很拗口，直白点说，就是原有业务要对接到所谓的区块链平台。

做了一个产品，自己独立干不了活，还要原有业务对接过来，产生的价值也不清楚，用户也没感知，这种东西肯定很难推下去嘛。

回到chatgpt，它是一个技术。但哪个B端需求场景可以借助它提升效果？更好满足业务需求呢？所以，光有gpt还不行，还得有行业专家。我之前做的几个项目，行里都是有专门的业务人员来对接技术提供商的。双方一起做好一个产品。从我个人来看，有行业背景的业务或者产品经理，也是chatgpt真正落地的关键人物。

再举个例子，我自己也用chatgpt写代码。之前让它帮我改动一个makefile文件，把一个executable的编译目标改成编译出一个so文件。它改得确实快，但碰到一个很复杂的问题，就是把静态库编译到so里。

幸好，我之前一个项目里手动改过这个问题。这个问题我之前花了至少半天才解决。这次就很快改完了。这个问题，如果没有一些makefile经验的，恐怕是比较难搞定的。

我一直在想，chatgpt会替代我们这些“性价比低”的人么？我现在感觉反而不会。因为，chatgpt要处理的内容，需要有经验的人才能玩好。它应该起到手和脚的作用——有经验的人，知道自己想要什么，也能很快看出来gpt给的东西对不对，知道怎么调教它。

但没有经验的人，gpt给出了一堆结果，他都很难判断对不对。所以，我判断gpt对我们有丰富经验的人来说，更可能是个帮手，而不是干翻我们的人。

另外 ，关于chatgpt的学习，我没有再去看它的实现，论文。因为我在2016年学习AI的时候发现，这玩意已经不是看代码，加强逻辑训练（例如可以写出极为正确的if/else/while等）的事情了。它是通过数据喂养大的，没有代码里写的那样的逻辑关系。甚至，科学家也搞不清为什么这样或那样才有用。它只是经过测试，经过验证后，发现现在的模型有用，所以就这样了....

所以，在乌卡时代，更重要的可能是判断能力的修炼。判断能力，显然不是严格的代码能写出来的，需要足够多的，好的数据以及数据分析，还要有经验。

工作十六年了，我一直在做强逻辑，强因果关系的事情——如果程序出错，一定是我写错了。现在，我觉得应该从数据分析上看看有什么更有价值的事情了。

最后的最后

• 我期望的结果不是朋友们从我的书、文章、博客后学会了什么知识，干成了什么，而应该是说，神农，我可是踩在你的肩膀上的喔。

• 关于学习方面的问题，我已经讨论完了。后面这个公众号将对一些基础的技术，新技术做一些学习和分享。也欢迎你的投稿。不过，正如我在公众号“联系方式”里说的那样——郑渊洁在童话大王《智齿》里有一句话令我印象深刻，大意是“我有权保持沉默，但你说的每一句话都可能成为我灵感的源泉”。所以，影响不是单向的，很可能我从你那学到的东西更多。

神农和朋友们的杂文集