2015 年的时候，我写过一篇文章《如何评价一个新技术——以 Docker 为例》，今天打算按照类似的风格，评价一下最近异常火爆的 ChatGPT。

八年以前，我对于 Docker 做出了极高的评价，我认为 Docker 是比 Java 更加重要的技术进步。现在看来，也基本上没有说错。Docker 开启了云原生时代，促使 Google 开源了 K8S。虽然 Docekr 这家公司似乎已经不再重要，但是容器技术，云原生技术，已经改变了整个行业。

现在，ChatGPT 出现了，以较之当年更加快的速度，火爆、流行、出圈，引发资本追捧，也引发各种担忧，似乎全世界都在讨论。当然，也有一些不以为然的言论，认为：不能神话、不该高估、不过如此等等。所以，应该如何来看待这样一种新技术呢？

之前想要评价 Docker 还是比较简单的，因为当时大家一眼就能明白，Docker 到底是什么。但是，ChatGPT 到底是什么呢？我最近密集的看了好多篇文章、好多个介绍视频、参与了微信群与 Twitter 上的好多轮讨论，最大的感受就是：“盲人摸象”。

有各种比喻，比较出名的比喻有：已经初具雏形的通用人工智能（张俊林），模糊的有损压缩（特德·姜），剽窃能手（乔姆斯基），互联网时代刚刚诞生的浏览器（王建硕），猜题专家（N 篇微信公众号）等等。

看了这么多盲人摸象的文章，我虽然依然不知道如何定义/定位 ChatGPT，但是至少我知道：ChatGPT 是大象那个级别的。

网上现在流传着很多与 ChatGPT 的对话截图，大家都喜闻乐见。毕竟无论是惊人还是搞笑，无聊还是浅薄，都是值得大家去围观的新事物。不过，我们应该琢磨得更加深一些，看看那些对话的表象，到底体现了一些什么重要的特征？而这些特征是以前的对话式 AI，所不具备的。

2月12日我在twitter上与人讨论，有了一个猜想：ChatGPT学习的单位，应该不是“文本”，而是“一个场景下的多轮对话”，所以他的自然对话能力本来就极强，经过这一个多月的人类调教，他肯定会变得更强。

但是，这个背后的一些观点，在 twitter上没法展开。

• 我曾经提出过一个机器学习的语料来源，就是开源社区里的 PR，包括：代码提交 Diff，围绕各种评论，不断的改进，然后代码是否被合入。这样的一个讨论串，有代码，有自然语言，有针对具体代码行的评论，有代码前后的变化，有最终的判别

  结果。如果机器能够学习这样的素材，自然能够更好的提供编程的建议。

• 推广到社交网络上的各种素材，其实 BBS，Blog，邮件列表，各种聊天室，社交网络等等地方，到处都在发生着对话。

• 这些对话不是单一内容，单一场景，单一语言的（很可能是混杂，甚至不断跑题的）

• 这些对话展现的是人类互相理解，各自表达，互相交流的过程

  
  

• 在 ChatGPT 推出之后，这个过程发生在人机之间，每一次的对话（这个在 ChatGPT 的界面上分得非常清楚），每次人类对于对话的评价（有点赞按钮），都是人们在帮助 ChatGPT 在继续训练
  

• 人们在对话中纠正 ChatGPT 的内容，同样也是训练输入

我们一直在讨论的是 AIGC，在讨论 ChatGPT 生成的内容如何如何。但是，真正应该关注的是：ChatGPT 的对话能力，是使用 AI 增强的。

我曾经问过 ChatGPT 一个问题：英文语料的增加，是否能够帮助你的中文能力提升？

他的回答是：是的，英文语料的增加也可以帮助 ChatGPT 的中文能力提升。作为一种多语言的语言模型，ChatGPT 可以同时学习多种语言的语法和语义。如果 ChatGPT 在训练过程中接触到大量的英文语料，它就会学习到英文语法和语义，从而增强它对中文语言的理解能力。请注意，模型的多语言能力不同于它的语言翻译能力，它仍然需要通过大量专业的翻译语料来增强翻译能力。

看了这样的回答，我们可以关注和分析以下一些内容：

• ChatGPT 采用多语言模型

• 其实不仅仅是多种自然语言，而是多种自然语言，加多种编程语言，再加多种“人造语言”（比如：Markdown、XML、CSS、CSV 之类）

• 这么多种类的语言，在 GPT 3.5 内部，应该是能够互相促进，互相增强的一个整体

• 代码与语言的混合输入输出，多语言之间的翻译，都是 ChatGPT 基于统一的模型产生的能力

• 例如：ChatGPT 的翻译不是“准确翻译”，是“意译”，这个其实更加厉害

• 再注意他回答的最后一句：“模型的多语言能力不同于它的语言翻译能力，它仍然需要通过大量专业的翻译语料来增强翻译能力”

• 在 ChatGPT 使用的各种语言料中，是进行分类的

• 不同种类的语料，各有专长，但是又能互相增强

• 这句话，是他自己想到要说的，我的问题中，其实不包含翻译能力的提问。我只能猜测，在其他的多轮对话中，已经有无数人，问过 ChatGPT 的翻译能力从何而来的问题了。

人类之间的对话，其实可能讨论任何事情。但是，在过去的人机对话中，我们往往会预设：这个 AI 只能回答某些种类的问题。但是，由于 ChatGPT 的语料，可能是任何现存的人类对话实例，所以：我们也可以预期：各种类型的对话，都可以尝试与 ChatGPT 交流试试。

至于人机交流的效果，取决于这一类对话的语料数量与质量。所以，现在大家都在探索，能够与 ChatGPT 之间，聊些什么。这会很有趣，也可能会令人“悚然而惊”。

我比较认同张俊林的判断：ChatGPT 已经可以被认为是一种通用人工智能。就是由于这种通用对话能力，简言之：他什么都能跟你聊一聊，而且有很大的概率：这些聊天还有点价值。无论我们如何评价他的“套话”，至少他不是在说“空话”，不是像某些聊天机器人，只会抬杠或者胡扯。

前几天，我与 ChatGPT 聊了一下 开源学的问题。说实话，我是非常吃惊的。因为：根本就还没有开源学这门学科，最多就是我们一群开源人，在一个非常小的圈子里，在做一些早期的尝试而已。

在我看来，这意味着 ChatGPT 能够填补空白。在人类已经发展出来的学科 A 与学科 B 之间，存在着交叉学科的可能性，而这样的可能性，通过与 ChatGPT 交流，启发思考，是很有价值的。

在 8 年前的文章中，我其实是为 Docker 度身定制了三个标准，现在也可以试试看能不能套用来评价 ChatGPT。

当然，ChatGPT 极大的提升了我们的工作效率，而且是在我们的很多在以前不得不自己去完成的那些无聊、琐碎的事物性工作时（比如，写周报）非常明显。当然，还有人用他来干各种各样的工作，都取得了或多或少的成果。

不过，ChatGPT 并不会为内容的真实性负责，所以如果自己不做核查，甚至刻意造假的话，也会带来复杂、困难的真实性困扰。

在 ChatGPT 出现之前，我们原本在做的一些事情，比如：搜索、学习英语、找朋友聊天，现在可能都只需要和 ChatGPT 聊聊。当然，在 Bing+ChatGPT 推出之后，这样的搜索可能会让人从 Google，转身投向 Bing 的怀抱。

确实，选择比以前更多了（对 Google 不是啥好消息）

ChatGPT 的易用性，与用途的广泛性，大家降低了使用 AI 的门槛。虽然最快达到 1 亿用户量，可能是一个虚假的（过于夸大的）数字。但是，铺天盖地的用户涌入 ChatGPT，开始与其聊天，肯定是不争的事实。

但是，这样的评价标准，对于 ChatGPT 来说，根本就不足以衡量其重要性。

这个其实是当初那篇文章的最后一段题外话，用来评价 Docker，已经有点过了，不过对于 ChatGPT 倒是正好。

Docker 事实上已经引发了质变，整个 IT 研发、DevOps 都随之发生变化。而 ChatGPT，从此改变人工智能的本质，甚至改变 IT 产业的本质，都是可以想见的了。

Docker 创造的行业还不多，也许 YAML 配置工程师算一个。不过，我们可以预感到：ChatGPT 提供的 API，可以催生更多的 AI 应用，这个领域将广阔得难以想象。

• AIGC 的危害，到了能够以假乱真的 ChatGPT 出现之后，进入了一个新的阶段

• 多家科研期刊，已经明确禁止 ChatGPT 参与的论文写作与投稿

• 已经有专家在非常严肃的讨论：AI 失业问题

ChatGPT 的出现，是一个远比 Docker 的出现重要的事件。也许是“新工业革命”级别的信号！下一个节点，也许就是 AI 能够找到方法：自我训练，自我调优，自行进化。

由于GPT 4，甚至 GPT 5 也并非AI技术发展的天花板，因此在未来的 5~10 年，我们需要非常非常关注这个领域，其他所有的技术领域的重要性，都必须往后排了。

PS. 区块链、元宇宙、Web3 之类的技术，真的没那么重要了。

作者 | 庄表伟

编辑 | 李佳阳

黑客与顾客：开源软件能商业化吗？