哈喽，大家好，我又来了。见字如面，每篇锤炼！最近ChatGPT发布后引爆各圈，网工界也很多人进行使用分享。我也做了点学习了解和简单体验。今晚我稍作思考，分享于你！
ChatGPT是人工智能研究实验室OpenAI发布的聊天机器人模型。它不仅能流畅地与用户对话，甚至能写诗、撰文、编码。查阅一些资料与报道，往往会提及这个模型具备GPT-3.5能力，并顺便会说GPT-4已在路上。
GPT-3英文全称Generative Pre-trained
Transformer 3，直译过来叫“生成式预训练变形器”。这个翻译似乎看起来有点别扭，我们可以简单理解为某个智能语言模型的第三代产品。前两代分别叫GPT和GPT-2，每一代都有质的突破。在自然语言处理领域，如翻译，GPT-3已经产生了重大影响。微软也有类似的模型，叫图灵NLG。
说到“图灵”一词，在人工智能领域我们会想到有名的“图灵测试”。怎么通过图灵测试呢？不是很严谨地说，比如我们跟某台机器聊天，感受不出是机器在交互，以为是与真实的人在交互。还好，当我与ChatGPT聊了“网工手艺”和真实人名时，它还是很诚实地告诉我它是一个训练模型。
我们中很多人都是从下围棋的AlphaGo开始了解人工智能的。它们的表现有时候让我们感到震撼。无论AlphaGo还是GPT，在我学习的认知中，它们还是在“以量取胜”，即我们所谓的变量、枚举、穷举法。这种模型要不拼训练数据，要不拼设备性能。这好比我们网络运维，容量不够则做堆叠，做集群，做聚合等，即堆加能量资源，通过能量换取信息（据资料说GPT-3有上千亿个参数）。
人脑呢？每个人就那么几斤几两，吃过饭撑了，读多点资料忘了，但却有无穷的能动性。两者似乎并不是走在一条道上的。人的智慧在于有意识地容错理解和逻辑推理上。我想，如果围棋棋盘缺了一个角少了一条线，人可能很快玩起来，而人工智能机器就得重新学习了。亦或者ChatGPT写出来的诗句很美，但它自身并不能理解这种美。亦或者文章中字序稍微打乱，人能良好阅读和机器智能又可能得重新训练了。
人工智能在网络运维领域中，部分或许有炒作概念之嫌，部分确有实际产能。有些项目尝试把大量线下的登记表（台账信息）和网络配置或实际状态之间做一个交叉训练，形成日常资源管理模型。有些项目尝试通过大量不同状态的照片（如机柜设备）进行训练，形成日常状态监控模型。不过，这些通通得有可训练的基础数据。而且，这些基础训练数据的逻辑体系中得是准确的，否则会训练出来一个错误的模型。
些许“遗憾”，网络运维中有很大一部分故障或隐患，恰恰没有基础训练数据，比如板卡倒针，比如鸳鸯线单通，资料偏差现场调整等。亦或者业务需要，我们主观能动性，巧妙地将某条哑资源纤芯腾挪出来。我想目前人工智能还是训练不出来的。
当我在ChatGPT上输入“TextFSM”相关内容时，它轻轻松松地反馈很好的示例内容。我想，我们可以把此类智能工具当成小助手，类似于更加友好的搜索引擎之用。亦或者在输出或创作的时候，与ChatGPT随意聊聊，激发灵感！当然，随着技术再发展再迭代，我们拭目以待！
有时候我们会听到，时代抛弃我们往往连“再见”都不说一声；有时候我们也会听到，纵观历史，每次技术革命都带来更多的就业机会，而不是收割劳动力。左顾右盼，好像都有点道理！不过它们的时间维度可能不同，“无情抛弃”是短时瞬间的，“带来更多”是过程迭代的，对象很可能并不是同一波人。
正如交流中有读者群友提到，网络运维中网工大部分时间和精力都花在找问题上，问题找到了，解决办法也随之而来。面对ChatGPT这个好工具（如果是真的），如果网工自身基础不够，往往连问题都问不出来。他一语点醒了我，非常感谢！或许，面对这些，我们得有点点系统论和控制论的思想，边学习边调整边前进吧！
今晚先分享这些，还有挺多其它感悟，后续将继续梳理分享。当我拥抱开源写作的同时，当然也是拥抱不同意见，拥抱善意批评，拥抱打磨调整的。
微信文章目录：https://zhuanlan.zhihu.com/p/570090654我知乎总目录：https://zhuanlan.zhihu.com/p/370526806
