2023年以前，编程需要学习各种语法，现在只需要提示词。
未来还需要编程老师吗？需求一定越来越少。
“
Prompting TurtleSim from ChatGPT
”
https://github.com/mhubii/chatgpt_turtlesimThe demo lets ChatGPT call into ROS services through WebSockets via rosbridge_suite 5 and roslibpy 2. This ensures that ChatGPT only executes what you allow it to execute. ChatGPT does not run any Python code on your machine. This also relieves a client from ROS dependencies.
Prompt:
Move the turtle left by 2, then rotate 180 degrees, and move back to (5, 5).
Finally, spawn a turtle named turtle2 at (10, 10) and remove turtle1.
Result:
您好！您想了解如何从聊天GPT中提示TurtleSim吗？以下是一些可能有用的信息：
ChatGPT是自然语言处理模型，能够理解人类语言并回答用户的问题。
TurtleSim是一个ROS（机器人操作系统）中的包，可以在仿真环境下模拟海龟行走。
要从ChatGPT中提示TurtleSim，您需要编写ROS节点，并使用ROS中的通信机制，例如ROS Services或ROS Topics。
在编写ROS节点时，您需要确保节点与ChatGPT正确通信，并能够正确解释用户的请求。
一旦节点收到请求，它可以使用TurtleSim API中的命令来控制TurtleSim进行海龟行走。您可以使用Python等编程语言来编写ROS节点。
希望这些信息能帮助您开始探索从ChatGPT中提示TurtleSim。
三年前都准备全面转型了，未来这个工作岗位肯定保不住。我想到父母中年时候遇到的那次工作失去，199x年，厂都没有，厂长后来都去做保安了。2023年，外卖和网约等从业和候补从业者已经逼近一个小目标了（亿），这里面都是勤劳迫切需要赚钱的普通人，里面少说也有上千万优秀人才，但没有用武之地啊。
之前写过两篇文章：
通用型人工智能，多模态人工智能模型，大模型小模型都进入超高速发展迭代期。
有权威媒体写了评论文章：
“如果明星专家都可能失业，未来我们何以与AI共处”
AI自己的回复如下：
以史为鉴，历史上的技术革命，尽管当时对人类社会带来各种影响，但最终都呈现为人类与技术融合，人类继续发展。
AI 时代，虽然部分工作会被 AI 取代，但是 AI 也会创造很多新的工作岗位，如数据治理师、AI 算法工程师、AI 研究员、AI 产品经理等，这些岗位的出现，将会吸纳大量原本从事传统工作的人才，让他们在新的领域里发挥自己的才能。
在 AI 时代，人类将不再只是简单的劳动力，而是将注意力更多的放在如何和 AI 协同作业，互相取长补短，合作完成越来越多的工作。人类会通过不断研究，将 AI 应用于越来越多的领域，让 AI 帮助人类掌握海量信息，解决各种问题，协助人类做出更多有创造力的成果。
AI 时代，人机协同将成为未来发展的趋势。AI 与人之间有四个方面的协助关系：监督、代劳、协同、取代。
监督：AI 协助人类监督某些过程，并将结果反馈给人类。
代劳：AI 替代人类执行某些任务，但 AI 本身不具备自主决策能力。
协同：AI 与人类协同完成某些任务，AI 具备一定的自主决策能力，但并非主要决策者。
取代：AI 取代人类执行某些任务，AI 具备独立的决策能力，并且可以自主完成整个任务。
人与人、人与AI 是一个合作关系，人和 AI 各司其职、各显神通，共同把事情做好。未来的社会将是一个丰富多彩的世界，人类有很多种职业可以选择，比如科学家、艺术家、哲学家、作家、老师等等。在这样一个多元化的社会中，我们需要具备不同的技能和素质来适应不同的职业，而人与 AI 的关系也会随着具体场景和任务的不同而变化。
就在我博客的右端，创作助手已经等待的任务：
点击开启：
问一问上面疑问：
这是一个非常有趣和重要的问题，因为随着人工能技术的不断发展和普及，越来越多的职业和行业可能会受到影响，包括明星专家这个群体。
先，我们需要认识到人工智能与人类专家之间存在一些不同和互补之处。人工智能可以自动化重复性工作、处理大量数据和分析任务等，但是在面对非结构化的、模糊的、复杂的问题时，人工智能还有改进的空间。而人类专家则可以借助自己的经验、判断和专业知识来解决这些难题。因此，我们可以探讨如何通过人工智能和人类专家的合作，实现更好的工作效果和用户体验。
其次，我们可以思考如何转变明星专家的角色和职责。随着信息技术和社交媒体的发展，人们可以更方便地获取各种知识和经验，而不需要完全依赖于专家的指导和建议。因此，明星专家可以更多地发挥自己的个人品牌和社交影响力，成为与粉丝和用户进行沟通、分享和互动的平台和桥梁，而非仅仅依赖于自己的“专业性”。
最后，我们也需要考虑如何培养和发展新的职业和技能，以适应人工智能时代的变革。比如，我们可以鼓励人们学习和掌握与机器学习、数据分析和算法相关的知识和技能，这些都是未来工作的重要基础。同时，我们也需要重视人文、创造性和社交能力等方面的素质，在这些领域，人工智能可能无法替代人类专家。
未来AI将无处不在。
现在年轻人就业情况不乐观，“脱下长衫”也不一定能找到工作，已经有工作的中年人随时面临被AI取代然后失去工作的风险。
确实现在年轻人的就业形势比较严峻，除了要求有过硬的专业知识，还需要具备一定的实践经验、创新能力、团队合作能力等多方面的素质。同时，随着时代的发展和科技的进步，新兴行业和职业也在不断涌现，对于求职者来说也需要不断学习和适应新的变化。
然而，对于脱下长衫，并不是一定能找到工作的。就业的过程除了与个人素质有关，还与经济形势、行业需求、社会政策等多方面的因素有关。如果社会上出现了失业率过高的情况，那么即使是具备专业知识和实践经验的人也可能难以找到合适的工作。
您提到的现象确实是一个普遍存在的问题。随着人工智能技术的发展，很多中年人所在的行业和职业都面临着被AI取代的风险。这也使得他们面临着失去工作的风险，尤其是那些重复性、标准化程度高的职业。
然而，人工智能技术也带来了新的就业机会和领域。例如，在AI技术研发、应用和推广方面，就需要大量的专业人才。同时，一些新的职业和行业也在不断涌现，例如数据分析、智能客服、智能制造等领域。
因此，我们需要不断学习和适应新的变化，不断更新自己的知识和技能，以适应时代和科技的发展。
案例：
“出口结构发生变化，原来纺织服装、鞋帽、玩具、电子产品这些出口是能惠及很多人的，创造大量就业，但汽车这个东西现在智能化水平很高，一个汽车企业几万人就已经很大了，解决不了太多就业。”
确实，汽车制造业是一个高度自动化的行业，需要大量的技术支持和研发人才，因此相对来说不如纺织服装、鞋帽、玩具、电子产品等产业能够创造更多的就业机会。
然而，汽车制造业在经济发展的作用是不可忽视的。随着全球经济的不断发展，人们对汽车的需求也在不断增加，因此汽车制造业的前景仍然非常可观。同时，随着技术的不断进步，汽车制造业也将不断扩大其产业链，创造更多的就业机会。
因此，我们不能否认汽车制造业的作用，而需要积极探索其在经济发展中的作用，并寻求更多的解决方案来创造就业机会。同时，我们也应该积极推动其他产业的发展，以促进经济的可持续发展和就业增长。
出口产品结构的变化也意味着我们的附加值高了，同时它创造就业的能力越来越弱了，这对我们国内来说是一个挑战。” 产业结构升级、转移都将影响就业
确实，随着出口产品结构的变化，即由传统的劳动密集型产品向技术密集型产品转变，我们的附加值虽然提高了，但是同时创造就业的能力却减弱了。这给国内就业带来了挑战。
一方面，技术密集型产品的生产需要更多的研发和高技术人才，相对而言能够创造的就业机会较少。另一方面，随着国内产业结构的升级和转移，一些传统产业和地区的就业压力也会逐渐加大。如何解决这一问题，需要我们采取有效的措施和政策，例如加大对教育和培训的投入，鼓励企业加大对技术研发的投入，推动地区经济的发展，创造更多的就业机会。
同时，我们也可以通过政策的引导和扶持来促进产业的发展和就业的创造。例如，政府可以加大对高新技术产业的支持力度，鼓励企业进行技术创新和研发，培育新兴产业的发展，从而创造更多的高质量就业机会。
总之，出口产品结构的变化和国内产业结构升级、转移都给就业带来了挑战，我们需要采取有效的政策和措施来应对这一挑战，创造更多的就业机会，促进经济的发展和国内社会的稳定。
“但是汽车出口增长快却不能像以前的纺织服装、鞋帽、玩具、电子产品这些出口，并不能惠及很多人，汽车智能化水平越高，需要的工人就越少。”
确实，汽车出口的增长并没有像以前的纺织服装、鞋帽、玩具、电子产品等产业那样惠及很多人，因为汽车制造业是一个高度自动化的行业，需要大量的技术支持和研发人才，相对而言能够创造的就业机会较少。
随着汽车智能化水平的提高，汽车制造业所需要的技术人员和研发人员的数量虽然会增加，但是能够创造的就业机会仍然无法与传统的劳动密集型产业相比。这是因为汽车的智能化技术需要大量的创新和研发，而不是简单的重复性和劳动密集型工作。因此，汽车制造业虽然能够出口大量的汽车，但是相对来说能够创造的就业机会仍然有限。
然而，我们也不能否认汽车制造业在经济发展中的作用。汽车制造业是一个高度技术密集和资本密集的产业，对于整个经济的发展和提升具有重要的推动作用。同时，随着汽车制造业的不断发展，也会不断创造出新的技术和业务模式，为整个经济的发展带来新的机遇和挑战。
因此，我们不能简单地否定汽车制造业的作用，而需要积极探索其在经济发展中的作用，并寻求更多的解决方案来创造就业机会。同时，我们也应该积极推动其他产业的发展，以促进经济的可持续发展和就业增长。
“找准未来景气赛道是关键，这10年里你在哪个行业特别关键，这是财富差距和收入差距拉开的一个重要原因。2023年以来大家很忙，但似乎赚钱越来越难，因为很多有潜力的行业并没有那么强的普惠性，不是谁都能去开发ChatGPT，上不了车，也就没有在这个赛道上增长。这也是现在消费总体上没有想象中恢复得好的原因，当景气的赛道或行业上人很少的时候，增长是不普惠的。直白点说，未来高附加值的产业吸纳不了更多的就业人口。这也是现在消费总体上没有想象中恢复得好的原因，当景气的赛道或行业上人很少的时候，增长是不普惠的。”
非常同意找准未来景气赛道是关键，在当今经济环境下，选择具有潜力和增长性的行业是非常重要的。ChatGPT是一个很好的例子，这个技术代表了未来人工智能领域的一个重要趋势，并且具有很大的商业潜力。然而，由于这个领域需要专业的技能和知识，并不是每个人都能参与其中。
同样的，未来高附加值的产业吸纳不了更多的就业人口也是一个现实问题。这些产业需要的是高度专业化和技术化的人才，而不是所有人都可以从事的工作。因此，我们需要更加注重培养高素质的人才，以便能够在这些高附加值的行业中获得增长和机会。
最后，消费总体上没有想象中恢复得好也是一个现实问题。这可能是由于多种原因，包括景气的赛道或行业上人很少、经济增长不普惠、消费者信心低迷等。因此，我们需要更加注重解决这些问题，以便促进经济的复苏和增长。
“”近来，“AI孙燕姿”火爆出圈。社交网络上，有网民借力人工智能技术，利用神似歌星孙燕姿的声音翻唱了不少歌手的代表作，“甚至换气声都可以模仿”。随着“AI孙燕姿”翻唱歌曲的热传，“AI出来后第一个失业的是孙燕姿”等话题也被推上热搜。不少人最近沉浸在这音乐的“美丽新世界”中，然而很快就迎来了“梦醒时分”——如果孙燕姿都可能失业，那作为普通人的我呢？在论及时代大势时，“人工智能等科学技术迅猛发展”等表述我们张口就来，但其对眼下甚至未来就业的影响，多数人似乎要钝感一些。人工智能等新技术如何影响就业？人们更多想到的可能是各种平台的智能客服、银行里大批出现的智能柜台，还有工厂里的“机器换人”，甚至最新潮的虚拟数字员工等。不过，近来出现并被疯狂讨论的人工智能新技术的突破，以及衍生的“AI孙燕姿”出圈、AI作图获世界级摄影大奖、某公关公司无限期停止文案撰写外包等一系列事件，让更多人更深切地意识到“未来已来”。“”
人工智能等新技术的影响在各个领域都越来越明显，其中之一就是对就业的影响。人们最初可能想到的是简单的劳动力的替代，例如工厂里的“机器换人”，但实际上，人工智能新技术的影响更加深远和复杂。
首先，人工智能新技术可能导致职业结构的改变。一些传统的职业可能会被自动化和机器人化取代，同时也会产生新的职业需求，例如人工智能的开发、维护和优化等。此外，人工智能新技术也可能导致职业素质要求的改变，一些传统的工作技能可能会过时，而新的技能需求则会被强调。
其次，人工智能新技术可能影响劳动力市场的均衡。在某些领域，人工智能新技术可能会导致市场的垄断，因为一些公司可能会拥有更先进的人工智能技术，从而在这些领域中获得更高的市场份额。这可能会导致其他公司和个人难以进入市场，从而导致就业机会的减少。
最后，人工智能新技术的影响也可能因人而异。一些人可能会抓住机会学习和掌握新的技能，从而在就业市场中脱颖而出。而另一些人则可能会受到技能缺失或其他因素的影响，无法适应这种变化，从而导致失业。
因此，面对人工智能新技术的影响，我们需要采取积极的措施来促进职业结构的转型和劳动力市场的均衡，同时鼓励人们学习和掌握新的技能，以适应这种变化。
机器人专业讲师是人工智能领域的重要人才，他们负责教授机器人相关知识和技能，推动人工智能技术的发展。然而，随着人工智能技术的不断进步，机器人专业讲师也需要不断更新自己的知识和技能，避免被淘汰。
以下是一些建议，帮助机器人专业讲师应对人工智能科技的挑战：
- 持续学习：机器人专业讲师需要不断更新自己的知识和技能，以跟上人工智能技术的发展。可以参加培训课程、研讨会、学术会议等，保持对最新技术的学习和了解。
- 实践经验：机器人专业讲师需要具备实践经验，能够实际操作和开发机器人应用，以便更好地理解和教授相关知识和技能。
- 探索新的领域：机器人专业讲师需要不断探索新的领域，如机器学习、深度学习、自然语言处理等，以扩大自己的知识面和视野。
- 教育创新：机器人专业讲师需要积极参与教育创新，探索新的教学方法和手段，以提高教学效果和激发学生的学习兴趣。
- 合作交流：机器人专业讲师需要与其他专业人士、同行、学生等积极合作交流，共同探讨解决问题，以扩大自己的影响力和知识面。
总之，机器人专业讲师需要不断更新自己的知识和技能，保持对人工智能科技发展的了解和探索，以应对人工智能科技的挑战，避免被淘汰。
机器人专业讲师可以从“教育”赛道转换到“机器人与人工智能技术研发”赛道，这个赛道包括了机器人与人工智能技术的创新研发、机器人与人工智能系统的设计、机器人与人工智能产品的制造、机器人与人工智能技术的商业化应用等。
在这个赛道中，机器人专业讲师可以利用自己的专业知识和技能，发挥更大的价值。他们可以不断探索和研发新的机器人与人工智能技术，为机器人行业的发展做出贡献。此外，由于机器人与人工智能技术在各个领域的应用越来越广泛，这个赛道也具有非常广阔的发展前景。
例如，在机器人与人工智能技术的研发方面，机器人专业讲师可以从事机器人操作系统、机器人感知技术、机器人控制技术、机器人智能技术等方面的研发工作。在机器人与人工智能技术的商业化应用方面，机器人专业讲师可以参与机器人物流、机器人教育、机器人医疗、机器人工业等领域的应用。
总之，机器人专业讲师可以从“教育”赛道转换到“机器人与人工智能技术研发”赛道，利用自己的专业知识和技能，为机器人行业的发展做出贡献，并获得更好的职业发展机会。
除了“机器人与人工智能技术研发”赛道外，机器人专业讲师还可以转换到以下几个赛道：
- 机器人应用领域拓展：随着机器人技术的不断发展，机器人应用领域也在不断拓展。机器人专业讲师可以选择从事机器人应用领域的研究和开发，例如医疗机器人、服务机器人、农业机器人等。在这个领域，机器人专业讲师可以结合自己的专业知识和技能，为机器人应用领域的拓展做出贡献。
- 机器人教育产品研发：机器人教育产品是一种将机器人技术与教育相结合的产品，它可以帮助孩子们通过机器人学习知识。机器人专业讲师可以选择从事机器人教育产品的研发工作，例如机器人教材、机器人教具等。在这个领域，机器人专业讲师可以发挥自己的教育和技术专长，为教育事业做出贡献。
- 机器人运维与维护：机器人的运维与维护也是机器人行业的一个重要领域。机器人专业讲师可以选择从事机器人运维与维护的工作，例如机器人故障诊断、机器人维护保养等。在这个领域，机器人专业讲师可以结合自己的专业知识和技能，为机器人的稳定运行提供保障。
总之，机器人专业讲师可以根据自己的兴趣和专长，选择适合自己的赛道，为机器人行业的发展做出贡献，并获得更好的职业发展机会。
除了以上提到的赛道，机器人专业讲师还可以考虑转换到以下几个赛道：
- 机器人法律政策制定：随着机器人技术的不断发展，机器人法律政策的制定也越来越重要。机器人专业讲师可以选择从事机器人法律政策的制定工作，例如参与国际机器人法律条约的制定、国内机器人法律的制定等。在这个领域，机器人专业讲师可以发挥自己的专业知识和技能，为机器人行业的规范发展做出贡献。
- 机器人安全与伦理：机器人的安全与伦理问题一直是机器人行业关注的焦点。机器人专业讲师可以选择从事机器人安全与伦理的研究工作，例如机器人对人性的影响、机器人道德规范等。在这个领域，机器人专业讲师可以结合自己的专业知识和技能，为机器人安全与伦理问题的解决做出贡献。
- 机器人产业生态构建：机器人产业生态构建包括机器人产业链上下游的整合、机器人创业公司的投资与支持、机器人生态环境的打造等。机器人专业讲师可以选择从事机器人产业生态构建的工作，例如参与机器人产业链的整合、支持机器人创业公司等。在这个领域，机器人专业讲师可以发挥自己的专业知识和技能，为机器人产业生态的构建和优化做出贡献。
总之，机器人专业讲师可以根据自己的兴趣和专长，选择适合自己的赛道，为机器人行业的发展做出贡献，并获得更好的职业发展机会。
还有一点可以补充的是，机器人专业讲师还可以选择从事机器人普及与推广的工作，例如在学校、社区、企业等场合开展机器人讲座、培训和活动，让更多人了解和认识机器人技术，扩大机器人技术的影响力和应用范围。另外，机器人专业讲师也可以关注机器人行业的市场动态和趋势，例如机器人市场的规模、机器人市场的竞争格局等，为自己的职业规划提供参考和依据。
总之，机器人专业讲师可以根据自己的兴趣和专长，选择适合自己的赛道，为机器人行业的发展做出贡献，并获得更好的职业发展机会。在选择转换赛道时，机器人专业讲师可以考虑市场需求、个人兴趣、行业趋势、自身优势等因素，综合考虑，做出明智的选择。
import argparse
import json
from glob import glob
import roslibpy
from prompt import OpenAIInterface, append_service
def args_factory() -> argparse.Namespace:
parser = argparse.ArgumentParser()
parser.add_argument("--key", type=str, required=True, help="OpenAI API key.")
parser.add_argument(
"--api", type=str, default="turtlesim_msgs/srv", help="Path to API JSON file."
)
parser.add_argument("--host", type=str, default="localhost", help="ROS host.")
parser.add_argument("--port", type=int, default=9090, help="ROS port.")
parser.add_argument(
"--model", type=str, default="gpt-3.5-turbo", help="OpenAI model."
)
args = parser.parse_args()
return args
def main() -> None:
args = args_factory()
# load the API
api = []
for api_file in glob(f"{args.api}/*.json"):
with open(api_file, "r") as f:
api.append(json.load(f))
# configure your interface
interface = OpenAIInterface(api=api, key=args.key)
# create a ROS client
ros_client = roslibpy.Ros(host=args.host, port=args.port)
ros_client.run()
services = {}
while True:
try:
prompt = input("Enter a prompt: ")
# turn prompt into API calls
print("Generating API calls. This may take some time...")
generated_api_calls = interface.prompt_to_api_calls(
prompt, model=args.model
)
print("Done.")
for call in generated_api_calls:
# get required service (in case they changed)
print("Getting required service. This might take some time...")
services = append_service(ros_client, call["service"], services)
print("Done.")
try:
print(
"Calling service {} with args {}".format(
call["service"], call["args"]
)
)
input("Press Enter to continue...")
service = services[call["service"]]
request = roslibpy.ServiceRequest(call["args"])
service.call(request)
except Exception as e:
print(f"Failed to call service with {e}.")
except KeyboardInterrupt:
break
ros_client.terminate()
if __name__ == "__main__":
main()import argparse import json from glob import glob import roslibpy from prompt import OpenAIInterface, append_service def args_factory() -> argparse.Namespace: parser = argparse.ArgumentParser() parser.add_argument("--key", type=str, required=True, help="OpenAI API key.") parser.add_argument( "--api", type=str, default="turtlesim_msgs/srv", help="Path to API JSON file." ) parser.add_argument("--host", type=str, default="localhost", help="ROS host.") parser.add_argument("--port", type=int, default=9090, help="ROS port.") parser.add_argument( "--model", type=str, default="gpt-3.5-turbo", help="OpenAI model." ) args = parser.parse_args() return args def main() -> None: args = args_factory() # load the API api = [] for api_file in glob(f"{args.api}/*.json"): with open(api_file, "r") as f: api.append(json.load(f)) # configure your interface interface = OpenAIInterface(api=api, key=args.key) # create a ROS client ros_client = roslibpy.Ros(host=args.host, port=args.port) ros_client.run() services = {} while True: try: prompt = input("Enter a prompt: ") # turn prompt into API calls print("Generating API calls. This may take some time...") generated_api_calls = interface.prompt_to_api_calls( prompt, model=args.model ) print("Done.") for call in generated_api_calls: # get required service (in case they changed) print("Getting required service. This might take some time...") services = append_service(ros_client, call["service"], services) print("Done.") try: print( "Calling service {} with args {}".format( call["service"], call["args"] ) ) input("Press Enter to continue...") service = services[call["service"]] request = roslibpy.ServiceRequest(call["args"]) service.call(request) except Exception as e: print(f"Failed to call service with {e}.") except KeyboardInterrupt: break ros_client.terminate() if __name__ == "__main__": main()