三谈ChatGPT(ChatGPT可以解决问题的90%)

        这是我第三次谈ChatGPT,前两篇主要谈了ChatGPT的概念,之所以火的原因和对人们的影响,以及ChatGPT可能存在的安全风险和将面临的监管问题。这一篇主要讲讲ChatGPT的场景和处理问题的逻辑。

      这一次我特意使用了ChatGPT中文网页版体验了一番。并请ChatGPT帮我做了几个问题。下面是ChatGPT帮我写的一个java加解密工具类。 

下面是ChatGPT帮我写的一个java加解密工具类。  

import javax.crypto.Cipher;
import javax.crypto.KeyGenerator;
import java.security.Key;
import java.security.KeyPair;
import java.security.KeyPairGenerator;
import java.security.SecureRandom;

public class EncryptionUtil {

    /**
     * 对称加密算法AES加密
     * @param content 待加密的字符串
     * @param password 秘钥
     * @return 加密后的结果
     * @throws Exception 异常
     */
    public static byte[] aesEncrypt(String content, String password) throws Exception {
        KeyGenerator kgen = KeyGenerator.getInstance("AES");
        SecureRandom secureRandom = SecureRandom.getInstance("SHA1PRNG");
        secureRandom.setSeed(password.getBytes());
        kgen.init(128, secureRandom);
        Key key = kgen.generateKey();
        Cipher cipher = Cipher.getInstance("AES");
        cipher.init(Cipher.ENCRYPT_MODE, key);
        return cipher.doFinal(content.getBytes("utf-8"));
    }

    /**
     * 对称加密算法AES解密
     * @param content 待解密的字符串
     * @param password 秘钥
     * @return 解密后的结果
     * @throws Exception 异常
     */
    public static String aesDecrypt(byte[] content, String password) throws Exception {
        KeyGenerator kgen = KeyGenerator.getInstance("AES");
        SecureRandom secureRandom = SecureRandom.getInstance("SHA1PRNG");
        secureRandom.setSeed(password.getBytes());
        kgen.init(128, secureRandom);
        Key key = kgen.generateKey();
        Cipher cipher = Cipher.getInstance("AES");
        cipher.init(Cipher.DECRYPT_MODE, key);
        byte[] result = cipher.doFinal(content);
        return new String(result, "utf-8");
    }

    /**
     * 非对称加密算法RSA加密
     * @param content 待加密的字符串
     * @param publicKey 公钥
     * @return 加密后的结果
     * @throws Exception 异常
     */
    public static byte[] rsaEncrypt(String content, String publicKey) throws Exception {
        KeyPairGenerator kpg = KeyPairGenerator.getInstance("RSA");
        kpg.initialize(1024);
        KeyPair kp = kpg.generateKeyPair();
        PublicKey pubKey = kp.getPublic();
        PrivateKey priKey = kp.getPrivate();
        Cipher cipher = Cipher.getInstance("RSA");
        cipher.init(Cipher.ENCRYPT_MODE, pubKey);
        return cipher.doFinal(content.getBytes());
    }

    /**
     * 非对称加密算法RSA解密
     * @param content 待解密的字符串
     * @param privateKey 私钥
     * @return 解密后的结果
     * @throws Exception 异常
     */
    public static String rsaDecrypt(byte[] content, String privateKey) throws Exception {
        KeyFactory kf = KeyFactory.getInstance("RSA");
        PKCS8EncodedKeySpec spec = new PKCS8EncodedKeySpec(Base64.getDecoder().decode(privateKey));
        PrivateKey priKey = kf.generatePrivate(spec);
        Cipher cipher = Cipher.getInstance("RSA");
        cipher.init(Cipher.DECRYPT_MODE, priKey);
        byte[] result = cipher.doFinal(content);
        return new String(result);
    }
}

我请ChatGPT帮我写一篇辞职申请书。

尊敬的公司领导:

您好!在这样一个特殊的时刻,我写下这篇辞职申请书,表达我的离职意愿。

回顾在公司工作期间,我感谢公司给予了我很多机会和成长空间,也让我经历了很多挑战与收获。无论是从专业技能还是个人素养上,我都有了极大的提升和进步,同时也结识了很多优秀的同事和朋友。

然而,在个人生活和职业发展方面,我需要做出一些调整和抉择。经过反复思考和评估,我认为现在是一个适合我离开公司的时机。我深感抱歉,但希望您能够理解我的决定。

为了保证公司业务的连续性和稳定性,在此承诺在离职前完成手头的工作,并将所有的工作交接到公司指定的同事,确保工作交接的安全、完整和规范。

最后,再次感谢公司的支持和信任,祝愿公司越来越好,也祝福所有的同事和朋友们取得更加美好的职业与人生。

此致

敬礼!

申请人签名

日期

我再请ChatGPT帮我写怎么找女朋友的策略。

寻找女朋友是一件需要耐心和方法的事情。以下是一些可能有用的策略:

了解自己:首先,你需要了解自己想要什么样的女孩,以及你自己能够提供什么。这将有助于你更有针对性地寻找合适的对象。

广交朋友:在社交场合多认识人,在你感兴趣的领域里结交志同道合的朋友,他们或许会介绍给你一个合适的女孩。

参加活动:参加各种活动和社交聚会,尤其是与你擅长或者热爱的活动相关的聚会,会有更多的机会和女生认识。

在线社交:现在的社交方式已经多种多样,可以通过线上社交平台来认识新的女生,例如微信、陌陌、探探等,注意安全问题。

做个好男人:善良、有礼貌、有责任心、有幽默感、身体健康等优秀品质会吸引更多的女孩子注意到你。

加强自我培养:除了外表条件,内在素质也是很重要的,读书、学习技能、开阔见识、丰富爱好,这些都能让你更加有吸引力。

别心急:恋爱是一件需要缘分的事情,不要着急,多享受单身时光,保持好心态,在合适的时间会遇到合适的人。

总之,寻找女朋友需要耐心和方法,同时也需要保持良好的信心和心态。希望以上策略对您有所帮助。

上面的三个问题,我们可以看到ChatGPT回答的还是很官方的,其实这些东西我们通过简单的百度或者Google也可以找到相似的答案。只是ChatGPT帮我们聚合了。

我问最后一个问题:深圳最适宜居住的地方是哪里,ChatGPT的回答如下:

深圳是一个发达的现代化城市,拥有很多宜居的区域。以下是一些比较适宜居住的地区:

福田中心区:福田中心区拥有完备的基础设施和便捷的交通网络,生活便利程度高,商业、文化、娱乐等资源丰富。

南山区:南山区是深圳的科技与文化区,有很多海滨别墅和高端公寓,同时也有很多优秀学校和医院,适合居住的环境优美。

罗湖区:罗湖区是深圳的老区之一,但近年来得到了很好的发展,是深圳的商业、交通和金融中心之一,而且还有很多古建筑和文化景点。

龙岗区:龙岗区是深圳最大的行政区之一,有很多新型社区和高档住宅小区,适合家庭或个人居住,同时也有很多优秀的学校和商业配套。

宝安区:宝安区是深圳的工业中心和物流枢纽,但随着城市规划的不断完善和发展,已经形成了一些高端住宅区和优质社区。

需要注意的是,每个人对于居住环境的需求、生活习惯和经济实力都不同,选择居住地时应根据自身情况进行选择。以上推荐仅供参考。

这个答案就差强人意了。感觉ChatGPT永远都是一番官腔和中庸之道。这让我想起了以前说的数据中台可以解决90%的问题。但是这却是一个错误的说法,应该是可以解决问题的90%。

我们可以看到ChatGPT能够回答的东西都是一些共性的东西,就和我们写代码进行封装抽象一样,如果是个性化的东西,ChatGPT也不能很好解决。所以我认为ChatGPT只能解决问题的90%,因为ChatGPT不能直读人心,没有格局,没有情绪,更不会创新,它只能根据数据训练按部就班,提供这个世界上已有的经验,方便检索。但是不可否认的是ChatGPT确实可以作为非常有用的辅助性工作,能写代码,诗歌,论文等。

ChatGPT未来的发展预测(摘自中国日报网):

ChatGPT的技术发展趋势

ChatGPT基于的工具被称为大型语言模型(Large Language Models,LLMs),通过学习庞大的在线文本数据库中的语言统计模式来工作。基于现有的基本原理和技术,ChatGPT在未来发展进程中必然会进一步提升自身的技术水平,例如提升检索结果的质量。

技术提升的方式,一是需要将海量数据,尤其是实时的新数据增加到原有的文本数据库中,对其中不实、偏见或过时的信息进行更正,并以更新的文本数据库为基础,进行进一步的模型训练,以实现技术模型和应用工具的与时俱进。

二则是需要针对某些特定领域,进行专业化的模型训练,以实现技术提升。与之相比,更早诞生的智能问答和检索由于基于的模型较为简单、智能化程度不高,比较容易被识别;而基于LLM的ChatGPT在技术上的进步,使得它能够进行逻辑筛选,针对输入的问题提供一个大体合理的答复。但是,从本质来看它的回答仍然是不可靠的,在回答一些专业领域问题时也会产生错误的回答。因此,在一些特定的、专业化程度较高的领域,需要提供专业化的文本数据库、基于针对性的训练方法对模型和数据进行调整。以文史哲和理工科领域的问题研究为例,其需要的方法论和逻辑思维方式是不同的;在同一个学科的不同场景下,需要的分析思路也是不同的。因此,ChatGPT未来发展需要针对特定领域进行专业化的模型训练。

ChatGPT的商业化发展趋势和应用领域

ChatGPT的进一步发展同样离不开技术的应用和商业化。其商业化方式,一是与现有的大型商业平台(如微软、谷歌等)进行合作。虽然有相关人士称要实现由LLM驱动的搜索仍需要大幅降低其成本,但与此同时,微软计划将ChatGPT整合进他们的搜索引擎Bing并预计在3月份推出。此外,现有的大型商业平台也可能自行进行技术研发。这两者是否实现产品替代取决于两种方式的开发速度。

无论以哪一种方式实现商业化发展,必然首先聚焦于资源、资金高度集中和技术应用性强的特定领域。例如,金融领域技术应用较为广泛、资金充沛,金融科技、金融数据治理等都在金融领域率先开展;文化娱乐领域商业化变现较为迅速,同样可能会成为技术应用首要涉及的领域;与日常工作相关的办公软件等领域,如果能基于该项技术实现部分自动化办公(如自动化公文写作、PPT制作),由于其应用广泛、用户需求量大,也可能成为技术应用首先发展的领域。

ChatGPT的阶段性发展趋势和商业化竞争趋势

ChatGPT作为一种新的技术和工具,很可能与其他新技术和工具类似,在首次进入大众视野时会得到较多的研究和关注,在国内外诞生大量相应的创业公司或上市公司进行赛道布局。但在经过一段时间的激烈竞争后,实际成功并存活的公司并不多。这也是高德纳咨询公司(Gartner)提出的技术成熟度曲线所反映的状况。ChatGPT目前很可能正处于该曲线中过高期望的峰值阶段,即将到达泡沫化的底谷期。在它实现应用和实施以后,在某些具体领域和场景中的应用效果可能并不及预期。

在这一过程中,会有很多创业公司或上市公司逐渐退出市场。从国内来看,推测最后存活和成功实现技术应用的相关平台,很可能是具有充足资金、流量基础和现有数据库的大平台,例如百度、头条等。其余一些创新型公司或小型专业化公司,可能会遇到训练集不足、无法实现模型的有效训练等问题,最终退出市场。在这期间,相关上市公司的投资和股票价格可能快速上涨,但最终能够实现该项技术的国产化替代的,依然是现有的大平台。

猜你喜欢

转载自blog.csdn.net/dongjing991/article/details/130257957