# 作为投资人，如何利用好ChatGPT By [E2M Research](https://paragraph.com/@e2m-research) · 2023-02-28 --- E2M Research 聚焦投资和数字货币领域的研究与学习. 🌟[Twitter](https://twitter.com/E2mResearch)｜🌟[Fountain](https://fountain.fm/show/2uIoVaXMX2CloiC22QCh)｜🌟[Mirror](https://mirror.xyz/0x80894DE3D9110De7fd55885C83DeB3622503D13B)｜🌟[Telegram交流群](https://t.me/+oCd1Inxsrx4yYjA9) ![](https://storage.googleapis.com/papyrus_images/649851123463b29753f34678f052c701f89018466a2e585c173f2f030392dcde.png) [🖱️ 点击收听本期音频](https://fountain.fm/episode/13725009328) 嘉宾twitter：[@pcfli](https://twitter.com/pcfli)，[@zhendong2020](https://twitter.com/zhendong2020)，[@OdysseysEth](https://twitter.com/OdysseysEth)，[@伟丽](https://twitter.com/happylilyelf)，[@海波](https://twitter.com/realliaohaibo) ### OdysseysEth 我主要说两个方面：第一个部分ChatGPT对整个投资领域的影响；第二部分是我具体是怎么样用的。 可以从更深的角度讲起，ChatGPT和更深远的人工智能能不能代替人类来投资，我认为在这个领域内是做不到的。因为投资领域具有反身性，当一个策略成功以后它就改变环境，从而使它失败。所以再强的AI也不会对人类具有绝对优势，这个是我们今天还可以在这讨论投资的基础。 再下一个层次是我们要注意到，包括人工智能在内的所有的技术发展，从来都带来两层后果：**一方面加强一部分人，另外一方面取代一部分人**。任何技术其实都是这样，**所以不是跟技术竞争，而是怎么样去驾驭技术。** 我们还要注意到技术或应用背后更深远的意味，2007年iPhone刚诞生的时候，之后两三年没有多少人可以理解iPhone深远的意义：它变成一个人的衍生。我观察ChatGPT，人类和机器的语言处在趋同趋势，它狠狠往前迈了一步，碳基生命和硅基生命到了新的融合阶段。可以用自然语言进行人机交互，这个点非常特别。 虽然之前可以搜到索互联网的信息，但它背后很难触碰到更残酷的信息的角落，但用自然语言进行人机交互，它让人变成一种新的硅基生命，让整个互联网都变成大脑的延伸，至少现在具备了非常大的可能性。 那么它和投资有什么直接的关系？ \*\* 我认为投资至少要经过这两个过程：一个是要收集信息，另一个是处理信息或者理解信息。\*\* 这两个阶段我们都是有限性的，会有盲区。当我们使用ChatGPT的时候，可以从很多角度减少盲区。很重要是它提高了知识的连接效率，节省了时间。比如有些信息我可以够到，但可能需要很高的延迟，所以一些比较长尾的价值偏低的信息，如果花的时间要比价值更高或者具有很大不确定，我可能就不会去理解思考。我只能思考一个非常有限重要的点，但是我想注视到更多的是广度和深度增加了，而且它可以给我很广的知识连接的效率，比如10万个博士团队在这里面探讨，比直接雇佣10万个博士更厉害，因为他们是融为一体的，之间的交易成本降低了非常多。 以上是我觉得ChatGPT对整个投资领域影响，或者是带来一个视角。 **我自己具体是怎么用的呢？以下几点是我在尝试的用法，我也在学习中。** * 第一个用法：扔出一个种子想法，从而给到更多想法。比如某个主题，给出一些书籍推荐。实际操作起来，有时候ChatGPT推荐的书压根不存在。当然可以追问再次检索，至少有百分之二三十的信息相当不错的，能获取一些新想法。这种信息之前并不容易检索到，比如在豆瓣的相似书籍，每期要找到一版，再看相似书籍推荐，或者去书单里面找。ChatGPT这种方式给我多了一个选择。 * 第二个用法是New Bing，微软CEO演示的时候很轻易做出财报摘要。之前可能需要看其他研报，很难连续进行追问，或者及时性不强，涉猎广度没那么多， ChatGPT可以很好结合新的信息做财报摘要。这时候也需要注意，虽然看起来数字举得井井有条，也给出引用，但查整个材料里完全是瞎编的。微软也在考虑这方面问题尝试解决，不一定很容易改善。而且目前BING只能进行5轮对话，这都是一些问题。但好歹提供了更新的完全的方式，不依赖券商研究员。多了更主动追问跟检索的方式，总结信息。 * 第三点我尝试扔出还不是很成熟的想法，让ChatGPT给出10句相似的著名人物的观点，有时候其他表达方式、相似的观点可以很好启发我。因为我自己想法可能隐隐约约有些不成熟，ChatGPT有点像探照灯一样，原来的视野相对暗淡，他帮我照亮了更远的路。 * 更有意义是，我更喜欢批判性的思考，就像芒格说的那样，如果不能比对手更好反驳自己的观点，你就不配拥有这个观点。但很难找到在某一个领域非常旗鼓相当对手，随时调用他、跟他去进行交流。ChatGPT可以给批判性思考的机会，让他去反驳自己可能原有的观点。我觉得有可能改变或没改变，但不管怎么样，观点都会更成熟。 以上是我目前的一些具体用法，注意点是需要对这个领域有很深刻的理解，才能提出好问题，能够识别胡说八道的部分。 ### 海波@realliaohaibo 我认为ChatGPT本质是把智力的边际成本压得足够低，可以实现一种类似单人成军的状态。可以想象它未来可以处理文档之后，不再需要人帮我整理表格这样的东西，很多检索操作都可以不用做了。但作为个人研究者如果想要去读5年研报，想观察营收改变状况，当然有类似的服务，但不是第一手信息，有时候让人觉得不可信，我还是更愿意拿着财报自己看。 ChatGPT具有这种文档处理能力，只是时间问题。它现在已经可以自学使用各种接口。当我需要做一件事情的时候，可以直接用自然语言编程。比如帮我看5份财报，某一个域在过去5年的变化，这种方式会完全改善过去的工作方式，能够实现一个人和一个机构的战斗。 如果把世界看成一个充满信息的黑盒子，我们有无数种方法从黑盒子里面提取信息。搜索是一种，自己亲身实践调研是一种。 ChatGPT提供了跟过去提取信息完全不同维度的能力。 我经常在私下聚会聊信息提取方式的时候，会有一个这样的观点。 **问 ChatGPT三个问题：某某书里面的内容大概是什么，做个summarize。第二种问法是这本书里面关于某一个东西的主要观点是什么？第三种问法是这本书里面关于这个东西的看法有哪些问题？或者我对这个书的某个看法是反对的，你怎么看？** 这三种问题乍一看很像，但由于问题的复杂度和针对性，ChatGPT提取出来答案的质量会差距非常之大。所以我渐渐意识到这和在现实生活中探索世界的效率，人和人之间做同样的事情，效率不一样。 现在很多人嘲笑ChatGPT内容很多是胡编乱造的，这件事情一点都不重要，为什么这么说？最好的例子是遇到一个人，他在某些方面很厉害，在另一方面就是傻逼。你有两种态度，一种是把他整个当成傻逼，另一种是用他厉害的方面，想怎么用是自己的问题。我看见很搞笑的例子是问ChatGPT降龙十八掌有哪些？下面内容全是瞎编的，瞎编本质上是很多不同网站有很多乱七八糟的内容。 关于怎么使用ChatGPT，我最近一直在想要练更多口语。在chrome上ChatGPT有个插件可以把说的话转化成文字，再把回答重新转化成语音。可以用句式比如act as a doctor和我对话，可以用语音在场景下用英语和人沟通。在聊的过程中，我感觉这带来了极大信息效率的提高。最关键的一点是你决定的使用方式决定了它到底有多少用。 还有一个使用是昨天看见群里分享了一本书，关于怎么样使用ChatGPT，我还没来得及看，但我想它都能成书了，至少玩法会多很多。大量阅读英文的时候，我现在阅读的速度还比较慢，我就一段段的放进去summarize，或者让直接翻译成中文再summarize，这是一种快速阅读一些大文章的办法。 再举一个在信息获取方面相当厉害的朋友的做法，他想找在亚马逊上过去一段时间销量最好的30本书是什么。大概看了一遍之后，从另一个维度去找关于什么方面的30本书，最后在里面找交集，从几个维度把需要的内容提取出来。然后再在亚马逊上面去看，看上面的推荐，他从过去那种到处找人去问，变成了你看像这种亚马逊上面到底有多少本书，这种最好的10本书，销量最好的10本书，这种推断的效果其实是非常精确的，几乎不会出错。 所以找到正确的方式去用它是完全不一样的，ChatGPT可以错，但是你可以人工纠一次错。 **我感觉真正的魔鬼还在细节当中。** 我经常会在一个点，比如问一个刚才说搜书的问题的时候，问了两个维度就想不起来了。但我会发现那些高手的问题可以持续往下挖掘，这一点还没有太好的头绪。 核心是细节，核心是如何不断下切，用正确的工具把黑盒子里面信息提取出来的方式。最好有更多的案例，我自己在这一块上面感受到了它的价值，但没有真正把它用得非常好。 ### 伟丽@happylilyelf 我非常关注人工智能AI的发展，这几年一直跟踪，我现在有一种非常强烈的感觉：行业到了一个拐点。 前些年到AI在各行各业垂直领域，尤其是专业科研领域的应用，比如研究蛋白质的结构，下棋科研、研究新药、可控核聚变等等。但第一次能够看到让大众这么狂热的，只有ChatGPT的推出。包括之前GPT3推出都没有这么强烈的作用和影响力，它已经在深入到大众的生活。即便是不会编程的小白，也可以用人类的自然语言来让机器成为我们的助手。 作为投资人如何利用好ChatGPT？ 我用的不算多，现在还在ChatGPT plus的等待名单上，是通过国内的一些接口来用的，整个体验不是很深。但我既然是一个投资者，我要想想怎么去用？首先想的是自己的定位。 我目前在用的时候，先从股票投资入手，而且是长期投资者，我希望它能够达到几个方面：第一个是协助我搜集信息，第二个是处理信息。 对于一个投资者来说，**最重要的是要构建自己的投资和研究分析的框架，但最终做投资决策肯定是我自己做。** **我肯定是希望能够更加及时、准确、专业。** * 及时：我要投资某个公司，要能够很快知道它重大的事情，而且要准确。准确的含义非常广。比如英伟达和AMD这几年的盈利能力，增长趋势都做个对比。说的时候是挺简单的，但ChatGPT做是有一定难度的。因为这涉及到数据，ChatGPT 是基于大语言模型来做的，整个训练过程是利用以前的语料，通过学习语言计算概率做出来的，所以在数学和物理上是不太擅长的。但是做投资对于数据的处理是很重要的。目前有很多公司提供专业服务，比如市面上的彭博、路透，能看到大家对于数据处理的繁琐和严谨。算利润率，光指标的定义就很重要。 还有第三个维度是希望ChatGPT能够更专业，有深度，这样能够协助我构建研究和分析框架。 * 其次是全面：目前看还可以，我问了一些问题，比如英伟达公司的竞争优势是什么？英伟达比起AMD来说竞争优势是什么？他会给在产品方面、功耗方面、生态构建方面等等的优势。 在训练模型的过程中，一般专业数据很多是有知识产权的。比如像彭博有知识产权，数据处理就非常的精准，而且时间可以跨度很长，特别全面。我不知道像ChatGPT能不能获取、利用和输出，简单尝试了一些数据，暂时还不能达到我的一些要求。 * 再说专业性，比起全面性来说就要差一点，但我认为专业和问题的专业性有关，利用ChatGPT的专业性有关。普通泛泛的了解是得不出专业结论的，中间要求的有问题的深化和分解，逐层递进。 在这个过程中要求本身对两个公司有一定了解，不然问不出有质量的问题，做不了投资决策。 比如去上市公司调研的时候，新手和老手面对公司总经理，老手很容易层层递进的通过问题，把一些关键核心要要素都掌握；新手绕了半天还在外围打转，最后连对方都觉得很不耐烦。 这方面我现在深入还不够，想等到ChatGPT plus能够获批之后，能够一层一层一点一点问，并且把整个过程记录下来，再进行反馈，会选我比较熟悉的美股公司去了解。 这整个尝试的情况，总结下：**全面性是可以的，准确性是很大的工程，专业性还没进行深入的尝试。** 在过程中整体的泛泛用下来的感觉是，如果要作为好的投资决策的工具，首先是要对自己要求要高，自己要够专业，实际要有相互反馈的过程，同时利用它来查阅资料提升自己的专业度，才能够形成正反馈。 至于能不能做投资，前两年 Deepmind推出Alphago之后，做了用AI做投资的模型。同时在美股上还有个上市的ETF，也是用 AI做投资，他们的业绩好像都一般。所以如果说基于ll模型训练的过程，是根据已经存在的一些语料来做。类似于概率统计，这个过程是从众的、随大流的。对于一些公司和投资项目的研究，具有一定的前瞻性。 第二，要有自己独特的观点，在这方面我不太清楚ChatGPT能提供多少，我打算好好试一下而且尝试过程要持续很久，到时候在推特上可以实时和大家共享。估计至少得好几个月来做体验学习，如何提升自己使用他的能力。 ### Peicaili： 我最近也用的不算很多，在使用过程中对我启发的有两个案例。 第一个是前一段时间一直在看科学哲学，我在这个领域和ChatGPT做了一些沟通。比如关于科学哲学目前公认的专家以及有哪些代表作？给我的回答还是质量还是挺高的。 又问能不能对波普尔的主要的科学的观点做总结，给出来的答案也是比较到位的。再用批判性思维去问目前的学术界对波普尔的评价，好的评价有哪些，坏的评价有哪些？给出来的答案基本上和我自己的观点比较一致。 那些都是我花了很长时间，基本上把书都读了，进行了很多讨论之后的结果。我觉得几秒钟就给答案，已经是把很核心的一些观点抛出来，还是挺有用的。 第二个案例是我想了解一下 IB考试体系。就问了他很多关于IB的问题，那么包括IB是什么？ 有哪些课程？成绩是怎么怎么计算的？因为IB里面还挺复杂的，里面还有什么标准化考试高水平，反正它里面跟高考体系差异很大。这就是通过逐轮的提问，很快速的让我对体系有比较好的了解。 在这之前我也尝试用谷歌去了解，可能搜到的信息和想要的信息不是特别的一样，有一些介绍文章看完，可能有一些收获但是还有一些困惑，再去对困惑搜索的时候，就不一定很精准找到针对问题的答案。泛泛的问题和文章很多，但是对很具体的问题的答案就没那么多了。 这是我使用的两个案例。总体抽象来说，ChatGPT 和自己的使用目的是有关联的，如果在自己的能力圈之内，更多是提升信息获取的效率，有一个很精准的数据不用花很多时间去搜索了。但是数据的准确性怎么样，还需要自己去判断。 还有批判性思维，我自己的观点形成了之后，ChatGPT 可能可以给一些反面的观点。 我觉得在扩展能力圈的帮助是最大的，因为这个时候自己没有完整的框架，它可以迅速把框架建起来，甚至可以建几个框架再去选择。可以从最上层一直挖掘到最下层。虽然不敢说他一定会建正确的框架，但我觉得在不熟悉的领域至少可以建一个准确度，或者是比较公认的好的框架。 \*\* 没有绝对的真理，真理是比较出来的。\*\* ChatGPT至少建的框架的基准是above average的，基本上可以拿他当做专业比较，首先是很诚恳的；第二个是水平是在比较中等偏上的专家水平。 大概我自己的观点是这样的，**如果想拓展自己的能力圈，或者关注了新的投资领域的时候，ChatGPT会加速对这个领域的了解吸收。如果已经是非常擅长的领域，已经有了自己的框架，可能一些信息获取的效率上会提高。** 但是我自己有一个隐约的感觉，ChatGPT可能会让跨界投资能力提升，突破自己原有能力圈。但是具体怎么样，还需要更多的时间去验证。 ### dongzhen 我说一些相反的想法，ChatGPT出来比较新，我也只是通过国内的接口用的多一点，真正接口确实暂时还没有体验过。 我提几个质疑：第一个最近也和一些朋友聊过，**更多的是偏归纳的模型，通过大量的计算，对于很多细节整合能力比较强。** 所以我觉得会存在一些问题，比如说我个人在用ChatGPT的时候，它的时效性不是特别强，不一定能够找到很有用的或者相关性很高的信息，在提供质量上是有一些问题的，包括时效性，整个的逻辑是偏归纳的。 举个简单的例子，比如说让小孩画一个小人，简单无比，胳膊腿就只用一个竖一个杠来代替。ChatGPT在描述小人的时候，会用大量的细节。它是基于细节做大量训练的模型，所以在整个问题的抽象层面、演绎层面，演绎的能力会比较弱，它还是有点像随大流的算法。 如果有些信息你知道它存在，但不知道如何获取，不太熟悉的话，可以让他来按照他的方法告诉你。但是如果真的想对一个东西有很好的演绎性或者深入的思考，仅仅通过ChatGPT的答案是不够的，它没有办法代替做一些抽象的思考，我觉得这个是我的第一个疑问。 \*\*第二，我觉得ChatGPT出现的时间还是比较短，尤其在投资方面还是需要再观察。\*\*类似于大猩猩的投资方式要成一定的规模，不然可能早期花在上面的时间会比较浪费。，是不是应该再成熟一些。我不知道现在有没有到这样一个阶段，花很多的时间在上面是不是有点太早了。 \*\* 第三点就是关于结果的可靠性，\*\*它的广度可能确实很好，但是可靠性不一定能够得到真正验证，怎么来验证？如果它是一个归纳归纳逻辑的东西，过去验证它的逻辑的可靠性，未来是不是每一次的使用都要把数据重新再找出来再看一遍？ 我个人觉得比较能够提升效率的有几点：为什么大学会禁，因为有些课程有些作业 可以拿ChatGPT写一些看似很有逻辑的一些话可以填字数，以及一个很大的应用是关于简单代码结构的编写。至少可以给我一个框架。 如果当然可以用最好，不可用的话作为程序员，我可以做简单更改，就可以拿到一个比较好的编写的框架，而且会帮忙写很多的注释，这是我觉得很确定的用法。 ### 伟丽@happylilyelf 现在使用中的准确性等，我也会保持比较谨慎的态度。但是整体上我是用演化的观点去看AI的整个发展。 它目前会有一些不是很令人满意的地方，甚至不如传统的地方，但是未来会有很多涌现。现在全世界几亿人已经在用它了。用的人越多相当于在训练他，给他的语料更多，是有自我学习的功能的。就包括我刚才提到数学可能不够好，但是他可以做到，比如说他自己去进行学习，在未来人工智能是可以做到的，外调某一个模型进行数学的运算等等。如果是这样的话就很强大了。 我们在讨论是在把它当做工具，但是我从内心是把它当做一个类似于和我们人类接近的系统，甚至一种类生物去看。很可能在未来我们人类的系统和AI的系统是需要相互适应共同演化的，很难说谁能控制谁。对于我来说，对整个投资的基础是挺重要的，就是我用什么观点去看AI。我把它当做和人类生态共同演化的生态去看它的。 所以相对来说一些投资的标准思路会不太一样，用演化开放的观点去看它，然后共同去适应和演化。 ### dongzhen 我想再追问一个问题，比如说谷歌出现之后，不是去造新的谷歌竞争，更好的机会是给他提供更好的内容，所以当时去做内容会比跟谷歌竞争会更有出路。 对于 ChatGPT也是类似这样吗？以及你觉得 ChatGPT不是人类的工具，要和他共同的进化。我们最近确实在读科学哲学，我觉得人的厉害之处或者人在科学哲学的进步的过程中是能够提出一个新的范式。只有提出了新的范式，科学还是各种各样的思想，才能在新的范式之下丰富内容搭建框架，取得巨大的进步。你觉得如果AI跟人有共同的特点的话， AI能提出新的范式吗？他们在整个科学的进展过程中，有这样的能力吗？ 我对这个问题是有点怀疑的，之前也提过更多是归纳的逻辑，但如果缺乏演绎能力，我对他能不能提出新范式事情是有点持怀疑态度的。 ### 伟丽@happylilyelf 我觉得我的能力不足以回答这么深奥的问题，很多东西的发展是可能超过我们想象的边界，因为我本身我是个科幻迷，在科幻的作品中有很多叙事在回答这个问题，可能有不同的结果，不同的演化路径。 对我来说，我会等待它的演化，等待涌现。这几年关注AI发展的过程看到他们逐步发展，就从最早大家都很熟知的alpha go，下棋的思路跟我们是完全不同的,在下棋方面提出了一整套完全不同的范式，他是从一个大局看，不求每一步胜率最高，但是他从大局看，在一个大局上获得胜利。 再看AlphaFold是，用于计算蛋白质结构,它用了一些预测的方式来把整个蛋白质结构的问题解决了。蛋白质的结构是很复杂的，我们很难去看到它。由此还诞生了结构科学家，用各种方式探索蛋白质的结构，需要很长时间很贵的装备，比如像冷冻电镜。 但是AlphaFold推出来之后，可以用几十倍上百倍的概率效率来解析蛋白质的结构，我们已知的蛋白质的98%的结构都可以用它预测出来，对于我们研究新药、化合物都会有很大的帮助。其实也是一种完全不同的范式。 你说AI能不能自己提出范式，不排除这种可能性，我们看 AI发展的过程中它和我们人类的思维是完全不一样的。 为什么会觉得是共同演化？因为我们输入不同的语料，演化之后，对我们有一些促进。相当于两个系统在共同共存演化，你说它能不能范式，我觉得我不足以回答，但我直觉是很有可能的。 ### 海波@realliaohaibo 我觉得这里很大一部分讨论是not even wrong的讨论，第一点是不知道从哪里来的提出范式的说法，如果提出范式是指这个范式是被人主动去提出或者发明的话，这本来就是错误的概念。 人从来没有提出过范式， AI也不需要提出范式，比如AI下围棋自我训练，最终下围棋的方式是人所无法想象的，它产生了新范式。整个底层逻辑和原来基于人所推演的底层逻辑已经完全变化了，过去下围棋的思路和经验在他面前一钱不值。如果说它会产生新范式的话，它已经产生了，所以我认为这个问题是not even wrong的问题。 第二是能不能用和每个人的专业程度有关，怎么用它决定它对你的价值。所以在信息获取里，有几个领域是最困难的。有一种情况叫做你不知道自己不知道，你没有任何线索去发现这些东西，这样的时候是最麻烦的。 其实ChatGPT可以在这个维度上解决问题，它远远比可以给精确答案，搜索引擎的价值大得多。比如可以例行的问，最近在北美地区搜索热度最高的新鲜事物是什么？现在不能够连接网络回答不了，但连接网络从技术上来说没有任何问题。长期给你提供的价值就是把不知道的东西变成已知的未知，这是最大的信息鸿沟。 与其要求他能够回答精确的问题，不如指望自己有能力识别他的回答是否精确，而它的价值是在于它有宽阔的多的眼界，在维度上提供更多的信息。 ### OdysseysEth 我先回应一下，第一个点觉得ChatGPT有点旧，截止到21年的9月份的数据。这一点的话微软的newbing正在尝试解决，这个问题它存在但是可改善的，我关注是可改善这一点。 第二个点认为是新出来需要观察，我认为如果投资，我倾向于敢为天下后；但是它作为一种应用的话，我认为应该是敢为天下先。投资犯了错的代价是很高的，可以等一等。作为应用的话，错误代价不高，收益存在的上限可能是很高的，所以更早的去尝试我觉得更合适，更重要的是它的应用有点通用性的味道，尝试是千人千面的。很难说等到别人扔出非常成熟的方式，让你去学，更多时候你可能自己需要去探索，早点探索没什么坏处。 我并不认为AI和人类有什么本质的区别，从更深的角度来看，人的大脑跟计算机的大脑其实使用一种通用计算，我们甚至可以把思考也看作一种计算，只是计算的载体不同。 ChatGPT用的是大语言模型，更多是通过一种概率方式进行计算，但是它本身可以通过接口，完全可以把自己变成桥梁。所以不应该看到本身的限制，而要看到它更深的应用的可能性以及可组合性，以及背后更深的硅基的生命计算还是碳基生命计算的区别。 所以我并不觉得他一定会缺乏演绎的能力，从图灵机的角度并不是这样的。 ### dongzhen 我顺着问题如果再问下去，我们知道科学你不仅仅应该看它的结果，它能够很好去预测，最好应该整个逻辑过程也有了解。如果对整个模型具体逻辑过程没有很好理解，怎么相信它的结果。 就像我告诉你天空是蓝的，是因为有一个巨人按照自己的心情把它刷成蓝的，也是能够很好的解释这个结果的，是不是有一点点这种感觉。 如果我们对逻辑过程不是很了解，每次都要做验证，它又是基于归纳的逻辑，怎么能够长期的信任结果，我有这样一个质疑。 我也同意它是一个应用，总会有很适合的地方，我们确实需要做很多的尝试，找到他最擅长解决问题，一下子就能把事情高效率的解决掉，这可能确实是很好的方向。 ### 海波@realliaohaibo 人工智能它本来就是一个黑盒，程序员也不知道逻辑过程。人提取信息的能力本来就是黑盒，验证的过程也是个黑盒，所以验证的过程并不是要去查很多数据来验证，而是自己对问题本身有框架支持。 判断事情本来掌握在自己手里，即使搜索引擎搜出来的，或者很厉害的人坐在旁边告诉的，经历的过程并不会有任何的不同。所以所谓的需要验证，本质上说明的是是依赖了它，本质上是要相信自己的判断。 2+2=5可以一秒钟判断出是错的，但一个很复杂的数学或者物理的原理一定判断不了，这和高手讲政治框架，而我们没有足够支持的时候判断不了是一样的，并没有引入任何新的问题。 ### OdysseysEth 我觉得两个方面，黑盒的问题其实现在的数学的领域的验证其实有一些由计算出来的，整个过程数学家是完全看不懂的，只能间接去了解。现在数学领域，就是最顶几个数学大牛认可了，那大家觉得理论是对的。所以我觉得问题一直都存在，而且边界是模糊的。 第二个点自己可能不太倾向于说我去信任一个人或一个观点，我更多暂时不否决它，有更合适的方式把它排除掉。ChatGPT它并不是说扔太多东西需要信任，他两方面的力量都有，可以反驳掉一些自己提出的观点，更多是新的猜想或者新的视角，甚至给新的反驳或者批判的可能性，更多把给出的东西当作是过程，而不是最终答案或者结果。 这个视角可能会更合适，这是我自己主观的感受。 ### 伟丽@happylilyelf 对于这轮的AI以及ChatGPT带来的这些冲击，我觉得对于AI的作用无论怎么高估都不为过，要用一种非常开放、敢于打破以前传统思维框架的方式去接受它。 因为在整个发展的历程中，AI一次又一次打破人已有的思维的限制，给我们创造惊喜、惊奇甚至惊吓。但是作为现代社会的一个人，还是很幸运能够看到有很大的发展。但是用我们一些传统的想法只是把它当作在我们人类驯服利用下的工具，就有点太低估他了。积极参与投身 AI和我们的互动和共同演化中，我觉得是一种比较好的方式。 --- *Originally published on [E2M Research](https://paragraph.com/@e2m-research/chatgpt)*