人工智能的厉害之处

人工智能并不是忽然就爆火的，事实上，很久以前就已经有深度学习、机器学习这些概念了，那现在的人工智能和以前的相比有什么区别呢？
以前的的人功能智能是一个专才，更像要给工具
现在的chat-gpt，更像是一个通才，但要告诉他具体的指令，才能够具体的动作。

你可能会觉得说这不是更麻烦了么，但使用多了，你就会感受到通才的好处，你不再需要每个任务一个模型，而是所有问题都可以问它。当然它不能解决所有的问题，但是它可以给你一个base版，但是要注意的是，这些问题有时候是chat-gpt的幻想，并不一定是正确的。 既然它能作不限定的任务，随之而来的一个问题是，我们该如何评估模型的能力，怎么知道这个模型的好坏呢？

我们可以作什么

评估模型好坏的难度

评估的模型的难度究竟在哪里呢？首先就是输入和输出的对应问题。同样一个问题，提出的方式可以不一样，对于回答的要求也不一样。
比方说，你让语言模型讲最好笑的笑话。
对于人类来说这个其实也是没有确定的答案了，那模型的回答是好是坏，可能是见仁见智了。
另外模型的输出的好坏或许是因为你提问的方式不对，换个方式它可能就可以回答的更好；又或许它也可以成为要给专才，只要你可以继续微调它.下面就是这两种方式：

prompt engineering

巧妙的设计模型的输入,强化模型的能力

微调fine tune

训练自己的模型，这种是改变模型的参数本身

后面会有专门的文章来介绍这两种方式具体是如何实现的。