欢迎访问chatgpt中文教程网，学习chatgpt相关知识，以下是正文内容：
ChatGPT引领了新一波的AI发展，确实令人惊艳，刷新了人们对AI的认知，带动了产业的新一轮浪潮。人们对AI又有了新的期望。
另一方面，GPT只是AI领域中的一个方向，并不是AI的全部，对ChatGPT也应该有较为客观的认知。
对于AI的实现，始终存在着两大基本方法，专家规则和相关性拟合。
专家规则方法，就是在总结人类逻辑方法基础上形成规则，让机器按照人类的思维逻辑进行推理从而得到结果，结果有可能是未知的，典型的专业基础课是数理逻辑与集合论，属于演绎法。
而拟合这个词，在大学上数学课的时候形成了深刻的印象，用离散的点拟合出一条连续曲线，倒推（猜测）原始规律，通过对大量数据的统计，找出其中的相关性，属于归纳法。
基于机器学习形成大模型，采用的是归纳法，所以非常适合将已知的具有相关性的信息都检索出来，并按照预训练出来的模型，组合出句子、文章。正是这种“相关性”的本质，目前ChatGPT一类的大模型生成出来的结果，能够把相关的内容集合在一起，而且在达到相当规模之后，机器在浩瀚的数据中还能“发现”新的相关性，涌现出超过一般人想象的“能力”，确实对用户有非常大的启发作用，这也是AIGC吸引人的地方。
这种相关性的拟合，可以说是利用大算力、大数据的一种“暴力破解”，其实并没有形成真正的逻辑，缺乏可解释性。这一点使其不适合用于辅助决策，只能给出现象，不能给出真正的原因分析，不能进行逻辑推导，也不能保证决策结果的准确性，甚至会出现“一本正经胡说八道”的现象。“火鸡科学家”的典故也是形容这种情况的。即使有时让人觉得带有情感因素，其实也是被人工训练出来的非常理性的“情感”。这也是不少人对AIGC仍保持警惕的主要原因，而这方面恰恰是专家规则方法所擅长的领域。
早年的人工智能，主要思路是专家法，毕竟那个年代最新的机器是386，只能直接建立凝练的规则，在具体领域中进行应用。早年曾接触过中医专家系统，用探针收集一些耳穴的状况后，基于预置的专家规则，推导出身体中可能存在的病症，操作简便易行，印象中结果还挺准的。随着算力的飞速发展，数据的不断积累，算法技术的丰富与提高，拟合的方法开始大行其道，最早听到的例子，就是经典的“尿布与啤酒”的关系，通过对超市销售数据的分析，发现尿布与啤酒的销量关联性非常高，然后把这两类商品就近摆放在一起提升销量。AI在医学影像学诊断中的运用也是如此。
就目前技术能力而言，AI领域中已经可以综合运用归纳法和演绎法。用归纳法来发现现象中的潜在规律，经过人的分析判别形成规则，用演绎法来运用规律给出比较准确的结果。有不少人从字面上把“机器学习”想象的太简单了，其实在“机器学习”过程中，也需要专家的大量参与，对于模型的建立与训练，对核心的基础数据的标注，都离不开专家的贡献。人工智能，没有人工哪来的智能。AI的发展，应该是“用专家规则建立模型-基于大数据训练拟合-修正规则持续优化模型”这样一个持续迭代升级的过程。
“实践、认识、再实践、再认识，这种形式，循环往复以至无穷”。
不断观察数据并完善模型方法，连续迭代推出新的版本，这才是AI持续发展的正确姿势，最终一定要做到有逻辑、可解释。
