孫旭東什麽是ChatGPT？ChatGPT可（kě）以看作（zuò）一（yī）個對話式智能工具，也是一種基於GPT（生成預（yù）訓練變換器）模型基（jī）礎開發的生成式（shì）自然語言模型它（tā）采用RLHF（人類（lèi）反（fǎn）饋強化學習）機製，表現為（wéi）一（yī）種人機（jī）交互、問答式的搜索。

    ChatGPT是AIGC（AI產生內容）領域的巨大突破GPT3.5和即將發布的（de）GPT4展（zhǎn）品展具製作，這兩個AI模型成為人工智能（néng）發展史上（shàng）迄今最大的裏程碑其中，在GPT3.5基礎上研發的ChatGPT被（bèi）廣泛譽為新一代人工智能，而GPT4更是被認為將成為人類曆（lì）史上第一個通過圖靈測（cè）試（艾倫·麥席森·圖靈提出的一（yī）種測試機器是否達到人類智慧的測試方法）的人工智能體，這代表著從此人工智能將被認為與人類具有同等展品展具製作（zuò）的智能水平。

    ChatGPT的（de）核心技術優勢ChatGPT的無所（suǒ）不知、文字組織、內（nèi）容創造等傑出能力，其實都是AI中的海量數據和算法（fǎ）技術（shù）決定的ChatGPT是人工智能大語言模型GPT是一個人（rén）工智能大語言模型（LLM），背後應用並（bìng）整合了自監督學（xué）習、Transformer（多（duō）層變換器）、強化學（xué）習、知（zhī）識圖譜等技展品展（zhǎn）具（jù）製作術。

    這種模式具有極為龐大和複雜的架構與參（cān）數，隻有通過龐大的雲計算服務器才能實現（xiàn）模（mó）型的訓練和運（yùn）行GPT1.0已突破1億參（cān）數，ChatGPT背後的GPT3.5更（gèng）是達到1750億參數，而即（jí）將發布的GPT4具有150萬億參數，遠（yuǎn）遠超過當前使（shǐ）用的深度學習模型。

    ChatGPT的出現，不僅結束了技術界長期對於“大展品展具製作模型是否有效”的辯（biàn）論，也將大模型的發展帶入一條快車（chē）道ChatGPT算法核心是多層變換器GPT背（bèi）後最為核心的技術是深度學習的（de）多層變換器Transformer，即GPT中的“T”。

    Transformer是穀歌機器翻譯團（tuán）隊8位專家在2017年聯合發表的《Attention is all your need展品展具製作》論文中提出的一（yī）種神經網絡深度學習算法這種算法完全舍棄了RNN（循環神經網絡（luò））和CNN（卷積神經（jīng）網絡）等網絡結構，而采用Attention（注意力）機製進行機器翻譯任務。

    Transformer是ChatGPT算法變革的關鍵之前（qián）AI技術發展的一些優勢領域，如計（jì）算（suàn）機（jī）圖形、語音處理（lǐ）、文字處理及認知計算等，展品（pǐn）展具製作（zuò）Transformer的知（zhī）識轉換功能可以說在（zài）一定程度上實現了對（duì）這些領域的匯聚與融合（hé）。

    隨後，由於出色的解釋性（xìng）和計算性能，Transformer被廣泛地使用在AI各個領（lǐng）域，成為近幾年最流行的AI算法模型ChatGPT基於人類反饋調節機製（zhì）RLHF機製讓GPT通過這種訓練增強人類（lèi）對於模型的調節，實（shí）現持續學習展品（pǐn）展具製作。

    這（zhè）種人類反饋的方式使得搜（sōu）索（suǒ）變得完全不同，不再是從一個靜態的（de）龐大數據（jù）庫中尋找信息，而是機器根據反饋（kuì）不斷調整甚至改變搜（sōu）索內容與結論（lùn）ChatGPT投入巨大且（qiě）持續，一旦產生優勢（shì），不好追趕美國人工智（zhì）能研究公司OpenAI從（cóng）企業創（chuàng）立到ChatGPT發布的算力成（chéng）本已遠遠超過我國AI企業在此方麵的投入，其中包括微展品展具製作軟等一眾大型企業持續幾年的軟硬件投資，以及借助與印度、肯尼亞等低成本的數據處理和（hé）數據糾錯（cuò）的大量外包任務。

    長期以來的努力為ChatGPT構建了技術保護（hù）壁（bì）壘（lěi），更（gèng）為關鍵的是數據量、數據（jù）質量和應用模式積累這不是某（mǒu）一單項技術的成功，更像一個係統工程的成（chéng）功ChatGPT的不足它（tā）在一本（běn）正經（jīng）地“胡說八道”，你卻不知展品展具製作道在ChatGPT被熱烈（liè）討論的背後，大量批評和冷靜的聲音已經出現。

    實際上，GPT大（dà）模型並沒有在基礎技術上實現巨大突破ChatGPT在一定程（chéng）度上是綜合了強化學習、轉換（huàn）和知識（shí）圖譜的一種預訓練模型，同時也創造性（xìng）地應用了Tamer框架、近端策（cè）略優化、RLHF等技術，極大提升（shēng）了（le）訓（xùn）練和預測水平（píng），即它通過整合聚合展品展具製作多（duō）種AI技術而不是孤（gū）立使用獲得了巨大能力，而這種能（néng）力（lì）又（yòu）在海（hǎi）量投資帶來的海量算法和海量人力（數據加工標注等）加持下變成（chéng）了現實。

    但（dàn）是（shì），ChatGPT的大模型是一種通用模型，且是基於語言模型構建的，這注（zhù）定（dìng）了該模型的優勢是人類語言的交互（hù），而不是精確性（xìng）和係統（tǒng）化、工程化這與工業領域對於（yú）算法的整（zhěng）體要求是不匹配的許展品展具製作多領域專家指出，由於這種算法的特點，麵對科技和工程領域的問題，ChatGPT會（huì）一本正經且自信地“胡說八道”，並（bìng）給出一些精密但實際毫（háo）無關係的公式算法來輔助這種“胡說八道”。

    隻有經過一定（dìng）學術訓練的人才能識別出學（xué）術邏輯的混亂，而在一般人眼（yǎn）中，這恰恰（qià）是非常“專業”的表現所以，ChatGPT是（shì）一個擅長語言的（de）通展品展具製作用（yòng）人工智能，不是專業（yè）智能，更不是強人工智能它的算法會選（xuǎn）擇（zé）最高頻（pín）的答案，但並不能理解（jiě）問題的（de）本（běn）質，目前（qián）也看不到創（chuàng）新思考的趨勢，更沒有工業角度的（de）精密邏輯，隻是一種海量信息關聯誕生的智能。

    大量文章也都指出ChatGPT在一些技（jì）術和工業領域的錯誤、無邏輯、似（sì）是而非，目前看來，未來（lái）解決這些（xiē）問題也將是一（yī）個長期的過展品展具製作程ChatGPT成功（gōng）的原因是什麽技（jì）術方麵：從多模型、多技術（shù）混合角度解決應（yīng）用問題雖然（rán）Transformer算法促（cù）進了不同深（shēn）度學習領域（CV、NLP等）的融合，但ChatGPT的成功並不是（shì）某個算法決定的，而（ér）是技術的聚合、算力的（de）堆砌、數據的處理、流程的優化，最（zuì）後還有市場需求連（lián）接和支（zhī）撐的能力（lì）。

    在應用領域，真（zhēn）展品展具製作正好的解決方案都是麵向（xiàng）問題的一個技術（shù）的組合與聚合，或者是工程化的完美融合產品方（fāng）麵：好用的產品值得不斷打磨OpenAI的算法技術不是壟斷性的，相（xiàng）反，這些技術如何整（zhěng）合應用並（bìng）消解其帶來（lái）的各（gè）種小問題，可（kě）能需要大量而長期的工作，這是一個產品獲得應（yīng）用的（de）關鍵。

    ChatGPT作為用戶產品，能夠給出一個準（zhǔn）確率不（bú）低於8展品展具製作0%的詳細答案，而且能根據反饋對答案進行調整這（zhè）種成功更多地（dì）體現在對用戶需求的（de）把握（wò）和體會，是對用戶問題深入而廣泛的（de）分析解決問題的態度（dù）是ChatGPT成功的重要因素。

    綜合而言，任何一種AI的成功，必然是一個多種要素下達到平（píng）衡的好用（yòng）的產品這個產品不會追求極致的用（yòng）戶體驗或者算法準確（què）率，而是在業務邏輯、數據基展品展具製作礎、軟件功能、技術架構、實施工程等各（gè）方麵達到一個平衡，最終服務（wù）於（yú）產品的好用。

    ChatGPT在（zài）實現這個目標上做的大量設計、規劃、組織、控製、管理等工（gōng）作，是更為（wéi）重要的成功因素油（yóu）氣領域如何應用ChatGPT油氣數字化領域是否該引入ChatGPT？當然應該ChatGPT及其（qí）背後的AI大（dà）模型，是智能化技術發展展品展具（jù）製作的趨勢，也是（shì）當前AI各種技術（shù）到達一個可聚合的爆發點。

    OpenAI在這方麵具有極強的（de）技術前瞻性如果有大量的、高質量的行業數據和資（zī）料，那（nà）麽學習和掌握這（zhè）種（zhǒng）方法背後的各種技術，應用OpenAI提供的API（應用（yòng）程序接口）來（lái）調用ChatGPT的功能，可以解決一些（xiē）在油（yóu）氣數據搜索、問答和關聯觸發中的問題，也可以使展品展具製作用ChatGPT自動生成一些油氣（qì）領域的設計和（hé）總結報告，甚至（zhì）麵向一個（gè）主題的代碼或者成圖，這都（dōu）是可能的。

    因此，油氣企業可以有針對性（xìng）地組織ChatGPT應（yīng）用的頭腦風暴會議，探（tàn）討研究（jiū）該技（jì）術（shù）直接應用於油氣領域作為輔（fǔ）助（zhù）工具（jù）的方法，這是短期內可以見效的突破油氣數字化領域是否該全麵（miàn）應用ChatGPT？不建議因為必須展品展具製作要解決ChatGPT帶來的成本和數據（jù）安全問（wèn）題。

    首先是成本和效益的問題ChatGPT正在從非盈利轉向盈利和閉源，與其合作的成本巨大（dà）隻有微軟這（zhè）樣（yàng）具有龐大通用性市場規模的公司才能將支付的合作費用從市場賺回來，而（ér）油氣行業是難（nán）以實現的其次是安（ān）全問題由（yóu）於訓練和預（yù）測的算法複雜，ChatGPT需要（yào）將文檔、圖片、報告展品展具製作、設（shè）計等（děng）所有資料上傳和加工。

    就目前而言，數據安全、數（shù）據所有權、數據溯源等問題都沒有任何保障最後（hòu）是訓練（liàn）數據的質（zhì）量問題數據問題是（shì）最為重要的一點（diǎn），大量的數據需要進行包括定義、治（zhì）理、關聯（lián）在內的數據預處理才能訓練互聯網領域的海量數據處理相對來說已經比較成熟，但到了油氣這種專業化領域，連數據之間的FAIR（可發展品展具製（zhì）作現（xiàn）、可訪問、可互操作、可重用）都不（bú）能解決（jué），更不（bú）用提後麵的數據標準化、規範化、係統化和全麵化等。

    這種基礎的缺失會導致ChatGPT難（nán）以收到大規（guī）模的效果既然ChatGPT不可行，油氣領域是否該全麵切入其他大模型的應用？不建議因（yīn）為油氣行業有自己的工（gōng）業技術（shù）框架油氣工業發展了近百年，信息化與數字（zì）化發展也有（yǒu）四五展品展具製作十年，目前，大數據（jù）和（hé）AI在油（yóu）氣（qì）行業中應用廣泛，但AI仍是基於（yú）油氣計算分析的一個工（gōng）業技術框架來進行的。

    ChatGPT這種大模型是AI領域的巨大進步，但顛覆並改變（biàn）油氣工業框架還需要時間此外，這種麵向（xiàng）行業和學科的GPT顛覆性應（yīng）用（yòng）目前沒有看到成功案例OpenAI除了ChatGPT，還（hái）有其他幾個項目，也在（zài）不同展品（pǐn）展具製（zhì）作領域研究這種大模型智能，但似乎還沒有明顯的成功。

    一方麵，國內有這種技術和資金（jīn）實力的公司極少；另一方麵，即便類似ChatGPT的模型實現了，各（gè）種算法、成本（běn）、配套數據工作量等問題都解決了，那麽這種方（fāng）法是否能夠支撐油（yóu）氣工業全麵運行？能否在性能、效率、準確度和精確度上滿足工業的要求？能否快速（sù）實現基於（yú）新模型的展品展具製（zhì）作一個（gè）產業組織形式（shì）和運動（dòng）模式的配套？這些問題目前看來難以解答。

    如何開啟油氣領域大模型之旅油氣領域的大模型應（yīng）用，是一個（gè）從傳統（tǒng）數學模型到基於大數據驅動的智能模型的轉變這種轉變絕（jué）非是一次性完成的，而是一個此消彼長的過程，甚（shèn）至可能永久處於一（yī）種深度融合的過程中這種大模型（xíng）的構建，可能將（jiāng）經（jīng）曆以下步驟。

    應用：先使用大展品展具製作模（mó）型技（jì）術（shù），打通油氣領域數字化流程並收到應用效果大模型是AI技術的大勢所趨（qū）麵（miàn）向（xiàng）應用，油氣行業可以從油氣業務需求出發，發掘在地震地質、油藏（cáng）、鑽完井、儲層改造等（děng）各個核心領域（yù）中可能的應用點，包括觸發設計思路、自動生成報告（gào）等，逐步打通數字化流程，並對成果進行驗（yàn）證。

    選擇：大模型技術（shù）門檻不（bú）高，行業（yè）需要等待價格合理展（zhǎn）品展具製（zhì）作的（de）大模型產生（shēng）ChatGPT大模型的出現，必然讓一（yī）些深度學習和知識（shí）圖譜的研（yán）究項目因（yīn）失去存在意義而消逝，這是技術領域帶來的（de）衝擊但是，GPT大模型並非基礎技術（shù）上的突（tū）破，ChatGPT隻是通過整合聚（jù）合多種AI技術獲（huò）得了巨大能力，所以，它的技術（shù）門檻不是不可逾越的。

    由於大模（mó）型的應用效（xiào）果已經充分展現，可以預見，大展（zhǎn）品展（zhǎn）具製作量的AI公司都會義無反顧地（dì）投入（rù）這種大模型的研（yán）究未來兩年是大模型研究的爆發期，對於油氣工業來說，借助成熟或者逐漸成熟的大模型，開展油（yóu）氣特定領域的技術價值挖掘（jué），可能是一種更低成本、更高（gāo）效的方法。

    構建：結（jié）合應用（yòng）場景積累和通用大模（mó）型的選擇，形成油氣（qì）產業大模型油氣工業模型是一（yī）種（zhǒng）不拘泥於特定技術和（hé）方法的混合性模展（zhǎn）品展具製作（zuò）型因此，構建（jiàn）油氣工業模型的方法（fǎ）將是（shì）行業算法模型和AI算法模型的結合，前者是以業內基礎方法（fǎ）和工程（chéng）化方法來（lái）實現，後者以AI方法實現。

    最合理的方式是：麵向（xiàng）通（tōng）用領域，攻關基礎大模型（xíng）；麵向工業領域，應用好的AI大模型作為工業模（mó）型的局部輔助與替代性（xìng）應（yīng）用應當（dāng）注（zhù）意的是，隻有在通用行業，才有具備支撐這種技術研發的市場展（zhǎn）品展具製（zhì）作所（suǒ）以，麵向通用市場的企業（yè）可以嚐（cháng）試大模型研究，而（ér）特定行業或者產業的封閉性領（lǐng）域，並不建議做基礎模型設計和模型訓練投入。

    油氣（qì）行業市場局限性較大且抗風險能力很弱，當投入和風險都巨大時，對於行業穩定發展是不利的基於行（háng）業的AI大（dà）模型，未來的應用模式（shì）如何設（shè）計無論（lùn）ChatGPT還是其（qí）他AI大模型，都是一種通用（yòng）模型這展品展具製作種通用模型是基於語言模型構建的，在精確性和係統（tǒng）化、工程化上都有所欠（qiàn）缺，與油氣領域對於算法的整體要求並不匹配。

    所以，哪怕是麵向學科（kē）和（hé）產業的AI大語言模型，也不能代替一（yī）個學科和產業（yè）的係統性邏輯闡述很多人會（huì）說要重視ChatGPT的可成長性，其未來在工業領域的應用不可限（xiàn）量但AI領（lǐng）域的（de）未來成長並不能替代工（gōng）業係展品展具製（zhì）作（zuò）統從其底層技術看，大模型對各種AI模型的綜合應用更加接近人類大腦的工作機理（lǐ），尤其擅長自（zì）然語言和文（wén）本（běn）處理等領域（yù）的融合，但它依舊與工（gōng）業（yè）係統的智能（néng）具有不同的機（jī）理構成。

    油氣領域的數學建模是精密（mì）工業係統作為科學（xué）和技術的結（jié）合體，它（tā）非常主張要素的因果性和邏輯的係（xì）統性（xìng），這並不是當前技術下大語言模型的優勢事實上，可以展品展具製作看出，在數學、工程方法、工（gōng）業技術等領域（yù），ChatGPT能做到的非常有限，其質量也達不到工（gōng）程的要求（qiú）高度。

    所以，主體框架依舊要使用傳統的工業技術（shù）來構建，但是在一些人類參與交互的環節，如人的創新（xīn）思考支撐、文檔編（biān）製、繪圖、海量信息歸納等，都可以引入大模型來輔助（zhù）短期內可應用ChatGPT解決海量數據的（de）智能化檢展（zhǎn）品展（zhǎn）具製作（zuò）索和基於自助式問答的（de）輔助；長期而言，則可聯合一個更好的通用大模型，建立一個基於行業的智能體來解決工（gōng）程流程輔助問題。