ChatGPT与Wolfram | Alpha融合解决梳理问题

在这里一结合体系里，ChatGPT 能够像人们应用 Wolfram|Alpha 一样，与 Wolfram|Alpha “会话”，Wolfram|Alpha 往往会用之标记翻译水平将在 ChatGPT 所获得的自然语言理解表述“汉语翻译”为相对应的抽象化测算语言表达。在过去的，学界在 ChatGPT 应用的那类 “统计分析方法” 和 Wolfram|Alpha 的 “标记方式” 上一直存在路经矛盾。但现在 ChatGPT 和 Wolfram|Alpha 的相辅相成，给NLP行业带来了更上一层楼的可能性。

ChatGPT 无须形成那样代码，仅需形成基本自然语言理解，然后用 Wolfram|Alpha 译成精准的 Wolfram Language，然后由最底层的Mathematica来计算。

5.3 ChatGPT的微型化

尽管ChatGPT很强，但是其模型大小维护成本让许多人望而生畏。

有三类模型压缩（model compression）能够降低模型大小和成本费。

第一种方法是什么量化分析（quantization），即减少单独权重标值表述的精密度。例如Tansformer从FP32降至INT8并对精密度没有影响。

第二种模型压缩方法是什么剪枝（pruning），即删掉互联网原素，包括从单独权重值（非结构化数据剪枝）到更高一些粒度分布的部件如权重矩阵通道。此方法在视觉较小规模语言表达模型中合理。

第三种模型压缩方法是什么稀疏化。比如德国科技进步研究室 (ISTA)所提出的SparseGPT （https://arxiv.org/pdf/2301.00774.pdf）能将 GPT 系列产品模型一次剪枝到 50% 的稀疏性，而不需要任何再次练习。对 GPT-175B 模型，只需要用到单独 GPU 在几小时内就可以做到这类剪枝。

SparseGPT 缩小步骤

6 ChatGPT的行业将来与投资机会

6.1 AIGC

提到ChaGPT就不得不说AIGC。

AIGC即运用人工智能应用来形成内容。与此前Web1.0、Web2.0时代的发展UGC（客户生产制造内容）和PGC（专业生产制造内容）对比，意味着人工智能技术设计构思内容的AIGC，是新一轮内容生产方式变革，并且AIGC内容在Web3.0时期都将发生指数型增长。

ChatGPT 模型的诞生针对文本/视频语音模态分析的 AIGC 运用起着至关重要的作用，会让AI产业上下游产生不利影响。

6.2 获益情景（危害2）

从中下游有关获益运用来说，包含但是不限于无程序编程、小说集形成、会话类百度搜索引擎、视频语音守候、视频语音工作中小助手、会话虚拟人物、人工智能客服、计算机翻译、ic设计等。从上下游提升要求来说，包含算力处理芯片、数据堂、自然语言理解（NLP)等。

大模型呈暴发趋势（更多主要参数/更多的算力处理芯片要求）

7 所带来的启发（危害3）

ChatGPT给我们带来的影响启发包含：

1）AI杀手级应用发生，可替代很多中低端人力，将给世界产生一个新的科技革命。

2）应用大模型（或LLM）能够贴近人类思维能力。虽然LLM并并没有了解聊天的实质，但已经能够充分“测算”对话者的用意（intent），并进行合理回复。

3）未来的世界的每一个关键性的科技创新所需的网络资源愈来愈多，并且技术领先的羊群效应会越来越明显。科技技术两极化状况有可能出现。

4）AI里的算法和算力才是关键。将来的很多科研能通过AI的方法去加快或是推动。算力（处理芯片）是引起优化算法提升建筑基础。将来极有可能 生产主力发展=科技创新≈常系数 x AI发展 x 算力发展

算力要求的发展方向（纵坐标为指数值座标）

伴随着算法技术和算力技术的不断发展，ChatGPT还会进一步迈向更先进作用更强大的版本号，在越来越多领域开展运用，为人们形成大量美好的会话和内容。

最终，创作者问存算一体技术的应用ChatGPT领域内的影响力（作者本人如今在重点推进存算一体芯片产品落地），ChatGPT想了一下，大胆的尝试推测存算一体技术性将于ChatGPT处理芯片中占有主导性。