当前位置: 首页 > news >正文

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。

相关文章:

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…...

Qt QSet 详解:从底层原理到高级用法

目录标题 引言:QSet的重要性与简介QSet 的常用接口迭代器:遍历Qset 中的元素(Iterators: Traversing Elements in Qset )高级用法:QSet 中的算法与功能(Advanced Usage: Algorithms and Functions in QList…...

Mac Doxygen的使用

Doxygen的使用 安装着Doxygen和Graphviz这两个东西 在源码目录先使用doxygen -g生成一个叫 ‘Doxyfile’ 的Doxygen的配置文件修改配置文件,里面都有介绍各个选项的功能,这里主要修改一下几个: HAVE_DOT YES EXTRACT_ALL YES EXTRACT_PRIVATE YES E…...

FPGA基础代码复用

一、verilog中有关代码复用的语法 1、连接符“{}” {4{1b1}} 或者 {5d6, 5d8} 2、参数(Parameter)型常量定义 parameter 参数名=表达式; 或者 localparam 参数名=表达式; parameter DATA_WIDTH 20; 3、function函数定义 …...

Hbase简介

HBase简介 一、HBase简介 1. HBase简介 (1) apache的顶级项目,hadoop的数据库,分布式、大规模的大数据存储。 HBase是Google的BigTable的开源java版本,建立在hdfs之上的,分布式、列存储、非关系(nosql、key-value&a…...

科海思除COD树脂,大孔树脂,除COD专用树脂

一、产品介绍 Tulsimer A-722 MP具有控制孔径的大孔强碱性Ⅰ型阴离子交换树脂 Tulsimer A-722 MP 是一款具有便于颜色和有机物去除的控制孔径的,专门开发的大孔强碱性Ⅰ型阴离子交换树脂。 Tulsimer A-722 MP(氯型)专门应用于去除COD…...

Qt 多线程 QThread、QThreadPool使用场景

QThread 和 QRunnable 都是 Qt 框架中用于多线程编程的类,它们之间有以下不同点: 继承关系不同 QThread 继承自 QObject 类,而 QRunnable 没有父类。 实现方式不同 QThread 是一个完整的线程实现,包含了线程的创建、启动、停止、…...

如何一招搞定PCB阻焊过孔问题?

PCB阻焊油墨根据固化方式,阻焊油墨有感光显影型的油墨,有热固化的热固油墨,还有UV光固化的UV油墨。而根据板材分类,又有PCB硬板阻焊油墨,FPC软板阻焊油墨,还有铝基板阻焊油墨,铝基板油墨也可以用…...

【代码随想录】刷题Day2

1.左右指针比大小 977. 有序数组的平方 class Solution { public:vector<int> sortedSquares(vector<int>& nums) {vector<int> ret nums;int left 0;int right nums.size()-1;int end nums.size();while(left<right){if(abs(nums[left])>abs…...

Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用

Python是功能强大、免费、开源&#xff0c;实现面向对象的编程语言&#xff0c;在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能&#xff0c;这些优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以…...

计及调度经济性的光热电站储热容量配置方法【IEEE30节点】(Matlab代码实现)

&#x1f4a5; &#x1f4a5; &#x1f49e; &#x1f49e; 欢迎来到本博客 ❤️ ❤️ &#x1f4a5; &#x1f4a5; &#x1f3c6; 博主优势&#xff1a; &#x1f31e; &#x1f31e; &#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 …...

“不要放过这个春天”解锁品牌春日宣传新玩法

在万物复苏的春天&#xff0c;人们换新装、踏青等需求蓄势待发&#xff0c;出现了全民消费热情高涨的趋势&#xff0c;让品牌「贩卖春天」的宣传此起彼伏。 品牌洞察到用户的消费需求&#xff0c;打造具有品牌特色的浪漫宣传&#xff0c;如采用春日限定元素、创新春天宣传场景…...

利用GPT2 预测 福彩3d预测

使用GPT2预测福彩3D项目 个人总结彩票数据是随机的,可以预测到1-2个数字,但是有一两位总是随机的 该项目紧做模型学习用,通过该项目熟练模型训练调用生成过程. 福彩3D数据下载 https://www.17500.cn/getData/3d.TXT data数据格式 处理后数据格式 每行 2023 03 08 9 7 3 训…...

类加载过程

基本说明 反射机制是Java实现动态语言的关键&#xff0c;也就是通过反射实现类动态加载。 静态加载&#xff1a;编译时加载相关的类&#xff0c;如果没有则报错&#xff0c;依赖性太强动态加载&#xff1a;运行时加载需要的类&#xff0c;如果运行时不用该类&#xff0c;即使…...

【C/C++】C++11 无序关联容器的诞生背景

文章目录 背景无序关联容器适用场景有序关联容器适用场景 背景 C11 引入了无序关联容器&#xff08;unordered_map、unordered_set、unordered_multimap 和 unordered_multiset&#xff09;是为了提供一种高效的元素存储和查找方式。相比于有序关联容器&#xff08;map、set、…...

h264编码原理

在介绍编码器原理之前首先了解三个制定编码标准的组织&#xff1a; 1.国际电信联盟(ITU-T)&#xff0c;这是一个音视频领域非常强的组织&#xff0c;规定了很多标准如h261&#xff0c;h262&#xff0c;h263&#xff0c;h263。h263也就是h264的前身。 2.国际标准化组织(ISO)&…...

网络工程师经常搞混的路由策略和策略路由,两者到底有啥区别?

当涉及到网络路由时&#xff0c;两个术语经常被混淆&#xff1a;策略路由和路由策略。虽然这些术语听起来很相似&#xff0c;但它们实际上有着不同的含义和用途。在本文中&#xff0c;我们将详细介绍这两个术语的区别和应用。 一、路由策略 路由策略是指一组规则&#xff0c;用…...

高精度气象模拟软件WRF实践技术

【原文链接】&#xff1a;高精度气象模拟软件WRF(Weather Research Forecasting)实践技术及案例应用https://mp.weixin.qq.com/s?__bizMzU5NTkyMzcxNw&mid2247538149&idx3&sn3890c3b29f34bcb07678a9dd4b9947b2&chksmfe68938fc91f1a99bbced2113b09cad822711e7f…...

总结827

学习目标&#xff1a; 4月&#xff08;复习完高数18讲内容&#xff0c;背诵21篇短文&#xff0c;熟词僻义300词基础词&#xff09; 学习内容&#xff1a; 高等数学&#xff1a;刷1800&#xff0c;做了26道计算题&#xff0c;记录两道错题&#xff0c;搞懂了&#xff0c;但并不…...

还在发愁项目去哪找?软件测试企业级Web自动化测试实战项目

今天给大家分享一个简单易操作的实战项目&#xff08;已开源&#xff09; 项目名称 ET开源商场系统 项目描述 ETshop是一个电子商务B2C电商平台系统&#xff0c;功能强大&#xff0c;安全便捷。适合企业及个人快速构建个性化网上商城。 包含PCIOS客户端Adroid客户端微商城…...

总结下Spring boot异步执行逻辑的几种方式

文章目录 概念实现方式Thread说明 Async注解说明 线程池CompletableFuture&#xff08;Future及FutureTask&#xff09;创建CompletableFuture异步执行 消息队列 概念 异步执行模式&#xff1a;是指语句在异步执行模式下&#xff0c;各语句执行结束的顺序与语句执行开始的顺序…...

【开发日志】2023.04 ZENO----Composite----CompNormalMap

NormalMap-Online (cpetry.github.io)https://cpetry.github.io/NormalMap-Online/ CompNormalMap 将灰度图像转换为法线贴图 将灰度图像转换为法线贴图是一种常见的技术&#xff0c;用于在实时图形渲染中增加表面细节。下面是一个简单的方法来将灰度图像转换为法线贴图&…...

春秋云境:CVE-2022-28525 (文件上传漏洞)

目录 一、题目 1.登录 2.burp抓包改包 3.蚁剑获取flag 一、题目 ED01CMSv20180505存在任意文件上传漏洞 英语不够 翻译来凑&#xff1a; 点击其他页面会Not Found 找不到&#xff1a; 先登录看看吧&#xff1a; 试试万能密码&#xff1a;admin&#xff1a;123 发现错误…...

【软件测试二】开发模型和测试模型,BUG概念篇

目录 1.软件的生命周期 2.瀑布模型 3.螺旋模型 4.增量&#xff0c;迭代 5.敏捷---scrum 1. 敏捷宣言 2.角色 6. 软件测试v模型 7.软件测试w模型 8.软件测试的生命周期 9.如何描述一个BUG 10.如何定义BUG的级别 11.BUG的生命周期 12.产生争执怎么办 1.软件的生命周期…...

短视频app开发:如何实现视频直播功能

短视频源码的实现 在短视频app开发中&#xff0c;实现视频直播功能需要借助短视频源码。短视频源码可以提供一个完整的视频直播功能模块&#xff0c;包括视频采集、编码、推流等。因此&#xff0c;我们可以选择一些开源的短视频源码&#xff0c;例如LFLiveKit、ijkplayer等&am…...

[架构之路-174]-《软考-系统分析师》-5-数据库系统-7-数据仓库技术与数据挖掘技术

5 . 7 数据仓库技术 数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合&#xff0c;用于支持管理决策。近年来&#xff0c;人们对数据仓库技术的关注程度越来越尚&#xff0c;其原因是过去的几十年中&#xff0c;建设了无数的应用系统&#xff0c;积累了…...

销售高品质 FKM EPDM NBR 硅胶 O 形密封圈

O形圈常用于各种行业&#xff0c;包括汽车、航空航天和制造业。它们是由不同材料制成的圆环&#xff0c;用于将两个或多个组件密封在一起。用于制造O形圈的材料是决定其有效性和耐用性的重要因素。在本文中&#xff0c;我们将讨论用于制作O形圈的不同类型的材料。 1.丁腈橡胶(…...

Linux环境变量:不可或缺的系统组成部分

目录标题 引言&#xff08;Introduction&#xff09;Linux环境变量的概念&#xff08;Concept of Linux Environment Variables&#xff09;环境变量的作用与重要性&#xff08;Roles and Importance of Environment Variables&#xff09; Linux环境变量基础&#xff08;Linux…...

FFmpeg命令行解析

目录标题 一、引言&#xff08;Introduction&#xff09;1.1 FFmpeg简介&#xff08;Overview of FFmpeg&#xff09;1.2 FFmpeg命令行的应用场景&#xff08;Application Scenarios of FFmpeg Command Line&#xff09; 二、FFmpeg命令行基础&#xff08;FFmpeg Command Line …...

机器学习——为什么逻辑斯特回归(logistic regression)是线性模型

问&#xff1a;逻辑斯蒂回归是一种典型的线性回归模型。 答&#xff1a;正确。逻辑斯蒂回归是一种典型的线性回归模型。它通过将线性回归模型的输出结果映射到[0,1]区间内&#xff0c;表示某个事物发生的概率&#xff0c;从而适用于二分类问题。具体地说&#xff0c;它使用sig…...