关于 ChatGPT 等生成式AI的一些思考
特意选了个 BA 的图，来凸显机器人（
0x00 引子
2024 年转瞬即逝，甚至比以往更快。本科时候觉得每一天都很漫长，而现在一周的时间就已经过得飞快，这可能就是老人们常说的，年龄越大，时间越快吧。
回顾 2024 年，也就做了一件事情：从硕士变成了博士。虽然顶着白天干活，晚上开会的极致牛马生活，但是找到了自己并不讨厌的事情，也何尝不是一种幸福呢？虽然说毕业还是遥遥无期，但是能做好目前的每一件事情，已经让我足以知足常乐了。
生活上，年中大病了一场，推测是低颅压。感谢那段时间家人、师门和朋友的帮助及照顾。最后确定的原因是过度出汗及摄入盐分不够，因此以后会多多考虑摄入盐分。年底决定痛定思痛，开始锻炼减肥，经过两个月的半拷打，终于在新年达到了 99.7 kg （然后第二天就反弹到 102.5 kg，乐）。
年初买了个 A7C2 搭配腾龙的 28 - 75 mm 二代，开始了最昂贵的艺术学习之路（接近 2w）。总共拍了上千张的照片，也可以说从完全不会拍到稍有入门了。尤其在后期方面，感谢索尼得天独厚的性冷淡色彩，我在后期方面有了一些进步，至少可以出现偶遇索尼逆天曝光，拼尽全力无法战胜这种现象。而我的阅读列表中也逐步加入了摄影基础入门教材，以充实我那并不充沛的脑壳。然而这个爱好真的太烧钱了，争取今年再买一枚适马 70 - 200 mm F2.8。
但是令人齿冷的是，今年的博客基本没有再更新了（从今年的年度总结退化成引子就能看出来），每个月 5 美刀的 Linode 服务器，根本没有用上。思来想去其实不外乎两点：1. 有很多事情我认为都可以用 ChatGPT 自行解决，实际上很多重要进展如家用服务器的部署及改进都是通过 GPT 完成的，而在代码编写上，也主要以 GPT 为主。更何况，我现在可以直接使用 GPT 生成一篇博客；2. 学业压力也罢，表达能力局限也好，说到底其实还是个人不够勤奋。由于学习的知识不足以分享，因此也没有办法写出一篇像样的博客。
但是经过了近两年的 ChatGPT Plus 的使用和 Claude 3.5 的试用，以及一些其他的应用，我认为可以总结一下使用的心路历程和经验在这里分享了。本文主要是以普通用户的角度去讨论，因此不会对隐私、安全或者版权等内容夸夸其谈。同时我也非常不希望 AI 抓取我的文字垃圾，求放过。
0x01 用过的 GPT 们和日常应用场景
这几年其实使用的最多的还是 ChatGPT Plus，20 $ 一个月，从 3.5 到 4，再到 o1，共计两年。注册流程略麻烦，需要国际手机注册（据说已经取消限制），且保活困难，容易被封号，但本人使用的国外信用卡，有明确的真实地址，因此没有被查封过。日常限额上，师门五六个人使用基本不会超出限额，o1 除外，由于限额太低，时常会触碰使用限制，但其他的足以应付日常需要。功能主要可以编写代码、语音识别、在线搜索、简单的文件处理和项目管理，但偶尔会抽风，推测是网络问题。期间也在 Claude 充值了一个月的会员，也是 $20 一个月，发现和 ChatGPT 相比， Claude 丢失了在线搜索的这一个较为关键的功能，因此在处理较新的知识或者搜索上，会出现很麻烦的问题，而在代码编写上，二者各有侧重。但基本都可以完成代码编写。Gemini 的 安卓客户端最为友好，对于 HyperOS 设备兼容最好（感谢谷歌），且 API 量大管饱，因此也做临时使用。但在使用时发现明显不如前二者处理问题能力强，仅能胜任一般较为简单任务，且对上下文理解明显存在问题。此外，本人也使用 Microsoft Copilot 和 Github Copilot 这种应用性，其中，Github Copilot 由于可以直接集成到 IDE 并且是代码特化，因此在编写代码上可以替代绝大多数黑奴活动。
不得不说的是，生成式 AI 确实极大地解放了生产力。对于以往来说，写一个代码需要查阅相关文档、自行组织架构、手写每一块，并进行测试。而在 AI 的帮助下，我只需要分析需求、给出指令、进行测试就可以完成绝大多数数据处理及可视化任务。此外，AI 也可以完成较为简单的答疑或入门，对于一般简单概念解释不会存在太大问题，本人对于服务器搭建及运维也均通过 AI 辅助完成。而部分 AI 具有在线搜索能力，获取网页简要信息并进行总结也是他的优势之一，这点在总结页面信息时显得至关重要。而在科研中其最大的优势就是在于翻译，其翻译质量不逊色于 DeepL，尤其在于专业论文翻译的连贯性和一致性。此外，在文字生成及润色处理上也体现出极高的成熟度，基本可以做到开箱即用。用个最离谱的案例，本站的较新文章都会通过 GPT 进行初步审改。
0x02 天下没有免费的午餐
一切看似都那么美好，但是这是真的吗？ 在周志华的《机器学习》中，我们就学到了一个重要理论：NFL (No Free Lunch)，也即，天下没有免费的午餐，你在享受一定的便捷的同时，也必须承担另一部分责任。
首先，AI 生成的信息，必须经过二次考据。具体可举例为：编写的代码很难第一次就符合预期，必须通过自己的测试及修改才能达到自己想要的结果；论文参考文献查询时经常擅自编造合理度极高的文献来源，甚至有完整的 DOI 编号，但在文献库中并没有；语料生成的内容也多半为杂糅的结果，所以对于事实等内容，仍需要进一步考察，最好结合自身专业知识及经验进行合理取用。
其次，创新性工作不可依赖 GPT。由于语料均为已有成果，因此在已有知识较少或需要创新性、前瞻性的工作中，GPT 很容易受限于语料而进行外推，从而得到看似合理实则狗屁不通的内容。对于一些稍复杂的概念，GPT 的理解可能会出现问题，不一定能准确表述内在逻辑，更有甚者，会回避主要矛盾。此外，诸如 Stable Diffusion 生成的 AI 怪图也可见一斑，所以在创新性上暂时还是以人类为主导。
此外，AI 生成的内容使用需要进一步小心。在师门使用时就出现了将 AI 图片作为原理示意图使用的案例，这明显是错误的。且受限于语料，明显对于特定专业软件如 ArcGIS 的 ArcPy API 的理解不足，难以完整地写出可运行的代码，需要结合文档进行理解，并利用 GPT 辅助方可获得想要的代码。
0x03 总结及展望
虽然 GPT 在师门中的应用极为广泛，但本人对于 GPT 所能达到的效果持保留意见。GPT 无疑在代码编写、简单运维、翻译、不查重的文章撰写中具有明显优势，可以极大解放这部分的劳动；但其生成的信息不一定准确（免责声明甚至不止一次提醒过），需要结合专业基础知识进行二次确认。且过度使用 GPT 无疑会造就思维上的懒惰性，进而丧失进一步学习的机会。因此，GPT 应被合理使用以解放生产力及提升自身，而不是成为其附庸。
0x04 Too Long to Read
- GPT 确实给科研、工作、生活上带来便利，甚至超出你的期待
- 应用 GPT 时需要二次核对信息，生成的信息需要谨慎使用
- 打铁还需自身硬，GPT 只能起到辅助作用，具体落实还是自己的事情
- 免费的 Gemini API 还有学生可用的 Github Copliot 应用尽用