1
在 ChatGPT 窗口前，有三种用户：把 ChatGPT 当做玩具的用户，把 ChatGPT 当做生产力工具的用户，把 ChatGPT 当做创新工具的用户。
少数用户把 ChatGPT 当做玩具，用来娱乐。比如，有人让 ChatGPT 讲笑话，嘲笑 ChatGPT 一个笑话讲八百遍。
绝大多数用户把 ChatGPT 当做生产力工具，他们心中 ChatGPT 的形象就是生产力工具。程序员用来写代码，营销人员用来写文案，作家用来写书。与其他程序员一样，我也利用 ChatGPT 完成各种编程任务，如解释接口、编写代码、撰写文档、生成测试用例和排查错误等。
极少人把 ChatGPT 当做创新工具，研究大问题，创造新事物。 陶哲轩是典型代表，从2023年3月初开始，陶决定有意识地尝试不同方式，将 AI 工具（如 DeepL、ChatGPT 等）纳入工作流程。6月，陶在博客中预言，2026年 AI 将与搜索和符号数学工具相结合，成为数学研究中值得信赖的合著者。10月，陶在 AI 辅助下，得到了有限多个实变量不等式理论的成果，论文很快发在arXiv上。
就像我们很难理解他们一样，我们也很难想象他们，如何在用 ChatGPT 创新。我们调侃陶哲轩是野生代言人，却从没想过要像陶泽轩一样，用最先进的 ChatGPT，研究最大的问题，做最创新的事情。
2
有一个同事，本职是后端程序员，做算法工程化。最近，用 ChatGPT 研究算法应用，已经落地到两个项目中。
他工作于地图定位领域，专注于 WiFi 和基站定位应用。他用经典 kmeans 聚类算法，实现基站定位聚类，大幅提高基站定位数据异常时的鲁棒性。他用指纹算法实现 WiFi 定位，应用了朴素贝叶斯和支持向量机（SVM）算法。以前，他认为从学习和理解这些算法到将它们应用于实际项目需要花费大量时间和精力。现在，借助 ChatGPT，他发现这一过程所需的时间和精力仅为原来的不到三分之一。
他应用 ChatGPT 研究算法流程值得借鉴：
问题研究。与 ChatGPT 探讨问题，理清目标，几条相互竞争的技术路线。
算法原型设计验证。使用 Python 的 sklearn 库。sklearn 库是一个开源机器学习库，支持监督和无监督学习，提供了众多算法工具，非常适合做算法原型设计，以及工程化。
寻找开源社区的 golang 算法库，结合项目做特定优化。因为他所在团队项目以 golang 为主，所以需要找到 golang 相应的算法库。
golang 算法工程化，完成产品。
按照创造创新的价值衡量算法、后端、前端的工作价值，显然算法大于后端大于前端。富有抱负的开发者们，用 ChatGPT 辅助，做算法应用研究的时代来临了。以前算法研究，从学习到应用的链条很长。现在反过来，从应用出发，使用 ChatGPT 快速学习应用的链条很短。 把 ChatGPT 当做算法应用创新的工具，开发者就有机会做出更大价值。
3
ChatGPT 为什么如此强大，竟然能作为创新工具？因为它依托于三大要素：大数据、大模型、大算力。
ChatGPT 学习了海量专业书籍、论文知识，是大数据；其模型包含大量参数，涌现智能，是大模型；其背后的支撑是成千上万的 GPU，是大算力。如果用金钱衡量算力，一个英伟达人工智能显卡 H100 售价是3万美金。据传 OpenAI 目前使用的显卡数量，在万个以上。
在 ChatGPT 出现之前，使用数以万计的 GPU 通常是超算中心的特征。超算中心只供公司和研究团队研究使用，普通人根本无法接触到。比如，医药研发公司，用超算中心做创新药研究。传统药物研发通常投入十亿甚至数十亿美元，研发周期一般超过10年，成功率低于10%。随着 AI 和超算中心的发展，药物开发成本减少上亿美元，研究时间缩短了很多。
你用上 ChatGPT，就是用了一个超算中心。
2019年，内蒙古呼和浩特 HPC China 会议上，清华大学计算机系郑纬民教授判断：“人工智能应用有望成为超算的主流应用。”现在，这个判断已成为现实：“ChatGPT 等人工智能是超算的主流应用。”
用超算上的 ChatGPT，不用来创新研究，那用来做什么呢？
4
ChatGPT 为什么能辅助创新，还有一个可能的重点，是跨行业共享解决方案。什么是跨行业共享解决方案？就是把一个行业的解决方案，迁移应用到另一个行业。 这种迁移应用，往往本身包含巨大创新。
比如医院和茶园两个完全不同的行业，有着相似的问题：运输问题。医院从药房到病房，有很长距离，需要通过手推车、电梯等运输药品。茶园从山脚到山顶，也需要人力背运化肥。随后，医院引入送药轨道系统优化药品配送，茶园同样创新，部署山地单轨运输系统以便搬运物资。
如何实现跨行业共享解决方案？可以采用一种创新算法，它包括以下步骤：：
描述特定领域问题。
将特定问题抽象成通用问题。
找到通用问题的解决方案。
根据通用方案，制定特定解决方案。
常言道，隔行如隔山。然而，在创新领域，情况却往往相反。创新算法的研究表明，不同行业常常面临着相似的问题。
ChatGPT 学习了大量不同行业的解决方案，具有极强的穷举、对比、推理能力。没有什么比 ChatGPT 用来跨行业寻找通用问题的解决方案，更适合不过了。当面对行业挑战时，如果内部解决方案不显著，考虑利用 ChatGPT 寻找外部解决策略，也许你就能获得下一个重大创新。