-序-

近期，ChatGPT的文章在社交媒體和網(wǎng)絡(luò)上引起了熱議，人們對新技術(shù)的應(yīng)用前景充滿期待，可以理解。但我們認(rèn)為真正大規(guī)模商用還為時(shí)過早，目前更多的是作為大家“調(diào)戲”的聊天玩具。本來是不想蹭這個(gè)熱點(diǎn)的，最近看朋友圈好多公眾號轉(zhuǎn)發(fā)一篇被多次“抄襲”的高度一致的內(nèi)容：

作為一個(gè)講供應(yīng)鏈的公眾號，我們認(rèn)為有必要出來說點(diǎn)“公道”話，避免大家被這些文章誤導(dǎo)。

-1-什么是ChatGPT

要搞清楚一件新鮮事物，首先需要理解它的概念和底層原理。ChatGPT是2022年11月30日由全球AI領(lǐng)軍企業(yè)——OpenAI公司推出的一款對話式AI模型，可以理解成一種聊天機(jī)器人軟件。GPT是“Generative Pre-trained Transformer”的縮寫，即“生成型預(yù)訓(xùn)練變換模型”，該模型是Open AI公司的技術(shù)底座。

該模型的目的是生成與訓(xùn)練數(shù)據(jù)類似的新數(shù)據(jù)，例如圖像、文本或音頻。它通常是基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型，是一種強(qiáng)化過的人工智能深度學(xué)習(xí)模型，可以捕捉句子中的上下文關(guān)系，根據(jù)給定文本預(yù)測下一個(gè)單詞的概率分布，從而生成人類可以理解的自然語言；可以學(xué)習(xí)大量的數(shù)據(jù)并使用這些數(shù)據(jù)來生成新的、合理的內(nèi)容；同時(shí)大幅提高AI的思考力，并在人機(jī)對話中提升準(zhǔn)確性和可控性。

其實(shí)，看到這里大家應(yīng)該可以明白了，ChatGPT目前還是一個(gè)更為“智能”的對話或聊天機(jī)器，它的智能體現(xiàn)在能根據(jù)訓(xùn)練數(shù)據(jù)，形成更符合人類的語言。至于說是不是可以做很多供應(yīng)鏈上的預(yù)判、推導(dǎo)甚至復(fù)雜的規(guī)劃，ChatGPT的技術(shù)底座中并沒有看到。

因此，網(wǎng)上那些張口就什么能提高供應(yīng)鏈風(fēng)險(xiǎn)評估和管理水平，能提供準(zhǔn)確數(shù)據(jù)等等的都是一些人的臆想或自high。我們也承認(rèn)ChatGPT是一巨大進(jìn)步，未來這些高階的智能也帶來了更多的可能。就目前有限的信息和使用情況來看，我們更傾向于它好比是一個(gè)會(huì)流暢用人類語言說話小學(xué)生，而且說得很有邏輯。小學(xué)生也懂信息獲取、也懂風(fēng)險(xiǎn)，但我們還沒法去相信這個(gè)小學(xué)生給我們說的風(fēng)險(xiǎn)和提供給我們的信息，特別是專業(yè)知識(shí)，就能達(dá)到或提高一個(gè)專業(yè)研究生的水平。

一個(gè)簡單的例子，大家感受一下：經(jīng)常有老人對著自己疼愛的孫子說：“真能干，真聰明，將來一定有出息，是考清華、北大的料！”。期望是美好的，至于未來有沒有考上，好像和這個(gè)話關(guān)系不大。

-2-ChatGPT的“驚艷”

懂了前面的概念，你就應(yīng)該知道ChatGPT擅長的是內(nèi)容生成。我們以之前的一篇公眾號文章《淺談?dòng)?jì)劃排程常見算法》來和ChatGPT交談一下，看看它的語言組織能力吧：

問1：“ChatGPT認(rèn)為以下三種計(jì)劃排程算法都有哪些缺點(diǎn)：①爬山算法 ②模擬退火算法③遺傳算法？”

ChatGPT：“ChatGPT認(rèn)為以下三種計(jì)劃排程算法都有一些缺點(diǎn)：

爬山算法：爬山算法是一種局部搜索算法，其核心思想是從當(dāng)前解的鄰域中選擇能夠使目標(biāo)函數(shù)值最大化的解作為新的當(dāng)前解，并反復(fù)進(jìn)行該過程直到達(dá)到局部最優(yōu)解。然而，爬山算法容易陷入局部最優(yōu)解，而無法達(dá)到全局最優(yōu)解。此外，爬山算法的搜索方向受到初始解的影響較大，因此需要通過多次運(yùn)行來獲取更好的解。

模擬退火算法：模擬退火算法是一種全局優(yōu)化算法，其核心思想是通過控制一個(gè)溫度參數(shù)來避免陷入局部最優(yōu)解。然而，模擬退火算法的運(yùn)行時(shí)間較長，并且對于不同的問題需要不同的參數(shù)設(shè)置，否則可能導(dǎo)致算法效果不佳。

遺傳算法：遺傳算法是一種基于自然進(jìn)化過程的優(yōu)化算法，其核心思想是通過不斷迭代、交叉和變異來優(yōu)化目標(biāo)函數(shù)值。然而，遺傳算法需要進(jìn)行大量的計(jì)算，并且需要對問題進(jìn)行適當(dāng)?shù)木幋a和解碼，因此實(shí)現(xiàn)起來比較復(fù)雜。此外，遺傳算法的性能高度依賴于參數(shù)的設(shè)置和選擇算子的合適性，如果參數(shù)選擇不合適或者算子選擇不當(dāng)，可能導(dǎo)致算法無法達(dá)到最優(yōu)解。

總之，這三種算法都有其缺點(diǎn)和優(yōu)點(diǎn)，選擇合適的算法需要根據(jù)具體問題和需求進(jìn)行權(quán)衡和選擇?！?/p>

怎樣？回答夠驚艷、夠絲滑吧，可見ChatGPT在語言的組織回答上是非常像人類了，而且邏輯框架非常好。我們再來加點(diǎn)選擇的難度，看看它的表現(xiàn)：

問2：“那么，ChatGPT認(rèn)為像汽車制造這樣的離散型生產(chǎn)企業(yè)的計(jì)劃排程用以上哪種方法最合適？”

ChatGPT：“對于像汽車制造這樣的離散型生產(chǎn)企業(yè)，ChatGPT認(rèn)為遺傳算法是一種比較合適的計(jì)劃排程算法。

首先，遺傳算法在離散型問題求解中表現(xiàn)出色，能夠有效地解決離散型決策問題。汽車制造企業(yè)的生產(chǎn)過程是由一系列離散型的任務(wù)和決策組成的，例如零部件的生產(chǎn)、裝配工序、檢測等，這些任務(wù)之間存在著復(fù)雜的時(shí)序和依賴關(guān)系。遺傳算法可以通過合適的編碼和解碼方式，將這些離散型的任務(wù)和決策轉(zhuǎn)化為遺傳算法中的染色體和基因，從而實(shí)現(xiàn)高效的優(yōu)化。

其次，遺傳算法可以應(yīng)對大規(guī)模和復(fù)雜的問題。汽車制造企業(yè)的生產(chǎn)過程涉及到許多資源和約束條件，如機(jī)器設(shè)備、人力資源、原材料等，這些資源和約束條件會(huì)對生產(chǎn)計(jì)劃產(chǎn)生重要的影響。遺傳算法具有較好的可擴(kuò)展性和魯棒性，能夠應(yīng)對大規(guī)模和復(fù)雜的問題，并提供高質(zhì)量的解決方案。

最后，遺傳算法具有較好的全局搜索性能。汽車制造企業(yè)的生產(chǎn)計(jì)劃需要考慮許多因素，如資源約束、時(shí)間限制、生產(chǎn)效率、成本控制等。遺傳算法能夠通過不斷迭代和交叉變異來尋找全局最優(yōu)解，而且在解決問題時(shí)具有一定的隨機(jī)性，有助于避免陷入局部最優(yōu)解，提高算法的全局搜索性能。

因此，綜合以上三點(diǎn)，ChatGPT認(rèn)為遺傳算法是一種比較合適的計(jì)劃排程算法，可以為汽車制造企業(yè)的生產(chǎn)計(jì)劃提供高效、可靠的優(yōu)化方案?！?/p>

呵呵，還不錯(cuò)，回答得人模人樣，這個(gè)結(jié)論也給我們那篇公眾號文章結(jié)論一致。目前看來，輔助我們做一些內(nèi)容輸出是沒有問題的了。

-3-ChatGPT的“智障”

測試到這里，有人開始“害怕”，覺得是不是就說明ChatGPT真有過人的計(jì)算和判斷能力了？我們再來加大難度（以下回答內(nèi)容有點(diǎn)多，大家可以略過，只是感受一下ChatGPT的語言組織能力就好，結(jié)論對不對不要輕易相信）：

問3：“ChatGPT請用遺傳算法給我一個(gè)盡量均衡的排程結(jié)果，輸入條件如下：1、100臺(tái)車有ABCD四種型號各25臺(tái)；2、AB不能連續(xù)排程；3、C不能連續(xù)排5臺(tái)以上；”

ChatGPT：好的，我可以根據(jù)你提供的輸入條件，利用遺傳算法為你生成一個(gè)盡量均衡的排程結(jié)果。下面是具體步驟：

1. 定義染色體編碼 首先，我們需要定義一個(gè)染色體編碼，來表示不同車型的排程順序。這里我采用序列編碼的方式，將1100的編號按照排程順序組成一個(gè)序列，其中1-25表示A型車，26-50表示B型車，51-75表示C型車，76-100表示D型車。

2. 適應(yīng)度函數(shù)設(shè)計(jì) 由于我們希望排程結(jié)果盡量均衡，所以適應(yīng)度函數(shù)應(yīng)該考慮兩個(gè)方面：一是要滿足輸入條件，二是要盡可能均衡地分配各種車型。為此，我設(shè)計(jì)了如下適應(yīng)度函數(shù)：

• 懲罰連續(xù)排程A和C車的數(shù)量；

• 計(jì)算所有車型數(shù)量的標(biāo)準(zhǔn)差，將其作為適應(yīng)度的指標(biāo)，希望盡可能地降低標(biāo)準(zhǔn)差。

3. 遺傳操作設(shè)計(jì) 在遺傳操作方面，我采用了以下幾個(gè)操作：

• 選擇操作：采用輪盤賭選擇方法，按照適應(yīng)度大小選擇優(yōu)秀的個(gè)體；

• 交叉操作：采用兩點(diǎn)交叉，將兩個(gè)染色體隨機(jī)選擇兩個(gè)交叉點(diǎn)，然后將兩個(gè)交叉點(diǎn)之間的基因進(jìn)行互換；

• 變異操作：采用隨機(jī)重排基因的方式，隨機(jī)選擇一個(gè)基因位置，然后將該位置的基因與其他隨機(jī)位置的基因進(jìn)行互換。

4. 算法流程 綜上，遺傳算法的流程如下：

• 初始化：隨機(jī)生成一組初始種群；

• 選擇：按照適應(yīng)度函數(shù)大小，選擇優(yōu)秀的個(gè)體；

• 交叉：按照一定的概率進(jìn)行交叉操作；

• 變異：按照一定的概率進(jìn)行變異操作；

• 計(jì)算適應(yīng)度：計(jì)算每個(gè)個(gè)體的適應(yīng)度值；

• 終止條件：當(dāng)達(dá)到預(yù)定的迭代次數(shù)或者達(dá)到最優(yōu)解時(shí)，停止迭代；

• 輸出結(jié)果：輸出最終的排程結(jié)果。

5. 結(jié)果展示 在實(shí)際操作中，可以根據(jù)具體需求調(diào)整遺傳算法的參數(shù)和流程。下面是一個(gè)可能的排程結(jié)果，其中0-24表示A型車，25-49表示B型車，50-74表示C型車，75-99表示D型車。

   

   當(dāng)我們看到這個(gè)回答的時(shí)候，乍一看差點(diǎn)被ChatGPT“騙”了，難道它真的有超過我們想象的計(jì)算和判斷能力？于是我們又補(bǔ)充了一些內(nèi)心的疑問：

這個(gè)回答我們認(rèn)為是客觀的。為了進(jìn)一步證實(shí)，我們將上一個(gè)遺傳算法的例子做了簡化，ChatGPT的回答結(jié)果露陷了：

-小結(jié)-ChatGPT還是個(gè)孩子

“技術(shù)總是在短期內(nèi)被高估，但是在長期又被低估”

這種現(xiàn)象在科技領(lǐng)域特別常見，例如人工智能、虛擬現(xiàn)實(shí)等技術(shù)都曾經(jīng)歷過類似的發(fā)展歷程。在人工智能領(lǐng)域，早期的人工智能技術(shù)在上世紀(jì)50年代到70年代受到了極大的熱捧，人們相信人工智能技術(shù)可以取代人類完成各種復(fù)雜的任務(wù)。然而，由于技術(shù)的局限性和難以克服的問題，人們逐漸認(rèn)識(shí)到人工智能技術(shù)的局限性，對其進(jìn)行了重新評估。但是，在近年來，隨著深度學(xué)習(xí)等技術(shù)的出現(xiàn)，人工智能再次成為了熱門話題，重新受到了關(guān)注和研究。

因此，我們需要在評估和使用技術(shù)時(shí)保持客觀和理性，既要看到技術(shù)的潛力和優(yōu)點(diǎn)，也要認(rèn)識(shí)到技術(shù)的局限性和問題。只有這樣，我們才能更好地把握技術(shù)的發(fā)展趨勢和應(yīng)用方向。