主题：【原创】我的chatGPT的使用体验 -- Swell

我应该算是chatGPT比较早的用户了，大概十二月份就听说了，过年前后就一直在用。我的体验是：很震撼，真的很厉害。我认同它差不多是搜索引擎之后的又一个里程碑的事件。

前几年也跟风学了机器学习，当然断断续续，水平很差。就算小小入个门吧。我对机器学习的粗浅理解就是：

往最简单了说，就是假设一组变量和另一组（或者另一个）变量之间存在着线性关系。这个关系的具体系数通过和实验数据（真实世界的数据）拟合（比如最小二乘法）的方法进行确定。这东西念书的时候就有，叫做神经网络。做材料学实验，特别是一些疲劳相关模型的时候常用的方法。

但是后来机器学习对其的改良，从我的角度，主要就是从一层到多层，这样可以用几个简单的线性关系去拟合一个非常复杂的非线性关系。严格来说只要层足够多，变量足够多，我可以去描述一个异常复杂的关系。但是相对的，计算量也是指数的上涨。搞计算的人都懂，所谓的只要计算能力足够，我可以解决任何问题。这个说法本身就是毫无任何意义。 所以传统的机器学习，虽然说的很多，但是大多数还是应用在“聚类”上。比如图形识别，对你喜好的归类等等。已经深刻的改变了我们的生活，但是总感觉这个机器学习离人脑还是有一定的距离。

后来的强化学习和监督学习，我没有深入去了解。但是大概机理我认为就是对参数的拟合过程中加上大量的限制条件。换句话说，不再让你在整个空间进行搜索了，而是限制在很小的一个空间里。好处当然就是更加的高效，而高效在计算领域等同于问题的复杂度可以进一步提升。而且代价可能是微乎其微，因为本来大量的搜素本来就是无效的。这渐渐的机器学习就露出獠牙了，比如我听说的蛋白的三维构行问题就是一个好的机器学习问题。

chatGPT我的体会：最近经常写一些python。由于不是很熟，所以试试用chatGPT去找bug，基本八九不离十。特别对我这个好多东西记不住的人来说非常好用。 我看了别人举的一些例子比如生成一些表格，甚至我觉得未来可以问一些比如我该如何保税，哪里的房子你建议投资等问题，应该都不成问题。换句话说，过去的google或者百度智能帮助你找到你想知道的内容，现在机器学习可以进一步的帮助你理解这些内容之间的联系。这就和人脑的距离大大拉近了。

今后要把灌水的时间多用在学习机器学习上面了。