ChatGPT 是OpenAI发布的对话式人工智能语言模型，其中 GPT 是 Generative Pre-trained Transformer（生成型预训练变换模型）的缩写。
它颠覆了传统的人工智能，它会根据反馈进行强化学习调整，它具有更自主的学习能力和更接近人类的回复，称得上是“人工智能”。
通过一段时间使用可以ChatGPT 有着更鲜明的特点：
它可以承认自身问题，通过用户反馈，模型进行调整；
它会分析问题的正确性，对不正确的问题做出修改；
它对无法回答的问题表示不能，而不是传统的人工智能去强行回答；
它会理解提问，对多轮问答可以连续作答。
还记得ChatGPT 最开始火的时候，大家都震惊于它的智能回答，网络上还流传出ChatGPT 是假的，根本不是人工智能，是公司中印度籍的工程师在后台给大家回复消息。
并且ChatGPT的用户量两个月就过亿，打破最短破亿的时间纪录，前段时间以色列总统的发言稿中也有一部分是ChatGPT写的，它可以完成一般的程序代码，设计新闻稿等人类工作，这完全不同于我们之前的Siri 、小爱同学。
有人给最新的 ChatGPT-4做智商测试，基本在80左右，而一个普通成年人的智商90+。由此可见，ChatGPT 确实无限接近人类回复的人工智能。
这些接近人类的人工智能模型才可以称得上是真正的人工智能，但是在这种无限接近人的模型下却是超大算力的支持。
这是什么原理，为何是算力才会无限接近人工智能？
AI+算力组合带来的挑战
有过深度学习的同学就会懂得，训练模型的数量越多，最终得到的结果越精准，这就是所谓的“量变引起质变”。
目前的人工智能都是“深度学习+大算力”来获取训练模型。也就是大模型，也叫做预训练模型，是在大规模无标注数据上进行训练，学习出一种特征和规则。再基于大模型进行微调训练，完成既定任务。
ChatGPT的训练模型叫做生成式预训练变化模型。简单理解可以分成三步：
首先，使用超大量的数据来进行训练。ChatGPT 它的数据来自2021年以来的所有互联网信息，不论是官网信息还是网友发言都是进行训练的数据。
再针对训练结果的回复正确性进行排序训练，多次微调整得出正确的回复答案。
最后通过广大网民对它进行训练，大量的回复也可以训练这个模型，越多的对话，越可以训练正确的模型。
这种也是一种新的学习模型，不是以往只会通过内部所训练的数据进行机械式的回复。因此大模型是人工智能的发展趋势和未来。
通过ChatGPT的模型也可以看出来，决定人工智能模型更智能的方面就是三个：1.训练样本数量 2.算法模型 3.算力规模。
首先训练数据量，对于各大互联网来看，训练数量基本是大差不差，这个不能是人工智能模型的关键点。
更关键的问题在于算法模型和算力，这两个都是高度依赖GPU芯片，也可以理解为哪家有更多GPU芯片，更完善的算法模型就可以研发出更厉害的人工智能模型。
我们来看GPU芯片现状，高性能GPU芯片都是英伟达公司的，其中主要使用的A100系列芯片，单价高达10万，更关键的是美国禁售，即便是A800不禁售，但是经常性的断货，有价无市。
其实A100系列，对于美国本土的科技公司也是有价无市，特斯拉、元宇宙等科技巨头，它们A100总计也就7000左右枚，完全无法满足大算力的人工智能模型。
但是，ChatGPT的openAI公司，背后由微软公司斥巨资提前买入了上万片A100，组成了算力模型。这是一个什么概念，全世界其他所有公司的A100加起来也就勉强和openAI持平，这种差距的算力导致ChatGPT一家独秀。
大家也不要去羡慕openAI有了垄断级的GPU 算力，根据英伟达公司的CEO老黄说，训练一次ChatGPT需要1000万美元。
而这种巨额的训练费用从侧面反映出来目前的大模型训练已经触碰到算力的天花板，导致现在训练成本高昂。
从各个方面可以看出来，发展人工智能是需要大量的财力支持，单单一个A100芯片都需要10万，没有几十亿的成本研发根本不会有好的结果，人工智能的任重道远啊。
现在也不需要紧张，ChatGPT会取代人类。目前它的很多的专业的问题回答也不是完全正确。
其实可以将它看做一个强大的人工智能引擎，它去帮助人类过滤筛选咨询的问题结果，将所有的答案总结汇总，最终还是需要我们人类进行分析。
但是不要紧，这也是人工智能发展的一大步，就像有的人说的 虽然现在计算1+1=3是不正确的，但是未来总会算出来1+1=2，甚至更复杂的计算。
虽然现在ChatGPT有的很多问题，研发投入惊人，使用问题频出，但是我相信它是引领人工智能新浪潮的带头人，它的现在就好像是世界第一台电脑出世一样，最初的电脑体积巨大，耗电惊人，问题频出的现状如出一辙，但是最终它会改变世界。
我们共同见证它的发展吧！
更多信息可以关注“摸鱼IT” - chatGPT 引爆算力需求