不劳您亲自写提示词，它来：
采纳ChatGPT推荐的菜谱之后，想要去买食材？
直接一句话，买菜平台的购物车就给你加好了：
想要分享买了啥？
一句命令直接链接发推特，整个过程你根本不用打开“小蓝鸟”：
联网能力的加入，则可以让它自动对回答进行事实核验。
甩给它一个Excel文件，也是唰唰唰就开始分析：
在TED演讲现场真实测试发一条推特，可见你们对自家AI的信任！
不过在等待结果时，老哥看着还是非常屏气凝神的，后面测试成功后才笑了起来~
所以，ChatGPT这些新功能具体效果如何？就跟着老哥一起来看看。
聊天界面直接加购物车、发推特
如下图所示，即将到来的“Auto功能”藏在三个不同的新模式之中：
Browsing、Code Interpreter和Plugins。
然后依靠Dall·E App插件，一张看起来非常有氛围的大餐图片就出来了。
布洛克曼介绍，Dall·E插件在画这张图时，其实就是自己给自己写提示词，写了下面这么一大堆：
在Instacart平台加购稍微耗费了ChatGPT一点时候，然后链接就出来了（这里也用到了“检索”插件）。
打开之后“诚不我欺”，食材都被安排好了，直接下单即可。
（当然，在此之前，你也可以随意为某些食材增加一些数量，或者家里已经有的删掉就可以了。）
接着，ChatGPT再次确认布洛克曼是否需要将链接分享到推特平台，布洛克曼回答yes。
只见一顿自动操作之后，ChatGPT弹出来一个Zapier给出的预览界面，上面有布洛克曼的推特账户名称，以及一会要发布的文案供验证和检查。
量子位专门去他的主页看了一下，确实有这条推特，点击里面的链接，也确实是前面我们看到的购物车界面。
然而事实真的如此吗？
在这里，就用切换到“Browsing”模式，然后将刚刚那个对话丢给ChatGPT，让它自己去验证一下。
注意了，ChatGPT拿到需求后，并没有直接更新答案，而是一步一步地写下了自己都要查什么做了什么：
首先我将搜索第一篇文章的发布日期，来验证第一个日期。
键入论文题目开始搜索……
该论文的发布日期在搜索结果0的摘录中给出。我将引用这段摘录来核实用户提供的第一个日期。
查看结果（可点击）。
然后我去搜索第二篇文章的发布日期…… 结果在这里给出…… balabala
经此环节后，ChatGPT汇总出最终答案——
果然前面全都错了，第一篇2017年4月6日发布，第二篇6月13日发布，两者间隔两个月零1周（量子位也实际验证了一下，这回是对的）。
现在切换到“Code Interpreter”模式，将文件直接上传，来看看ChatGPT将如何对它进行自动分析。
它先是将表格中所有列名的含义都梳理了一遍，问布洛克曼接下来是想进行数据分析还是做可视化。
布洛克曼表示：老实说我自己也不知道想干啥，但我可以让它给出一些“探索性的图”。
这是一个超高级别的指令，背后可能包含了很多意图，ChatGPT必须推断出我可能感兴趣的东西。
聪明的ChatGPT，给了三个选项，包括：
1、每篇论文作者数量的直方图，这可以让我们了解Al研究的典型团队规模。
2、每年论文发表总数的时间折线图，它可以向我们展示研究趋势。
3、论文标题的单词云，它可以向我们展示研究标题中最常出现的词语。
“话音刚落”，ChatGPT就开始通过自己写代码生成结果：
布洛克曼：是时候了解AGI了
我们都是站在巨人的肩膀上，可以看到全AI行业在计算、算法、数据上都取得了进步。
不过OpenAI在早期，做了一些深思熟虑的选择。
我们的第一个选择就是直面现实，比如我们很认真地想过如果想要在这个领域取得进展，需要做什么？我们也做了很多没有用的尝试，最终你才能看到这些有用的结果。
我还认为，最重要的是让不同团队之间可以紧密协作。
那么，为什么OpenAI会坚信大模型的能力和趋势？
布洛克曼表示，他们一直都知道深度学习最终会通往何处。但具体来看，一个实验室应该怎么做？
他用一个“无心插柳柳成荫”的例子来说明：
过去我们有人尝试训练一个模型，预测亚马逊平台评论的下一个字符。
最终，他得到了一个可以分析评论句法的模型，但同时也得到了一个达到SOTA的情绪分析分类器，可以告诉人们这条评论是好评还是差评。
这个算法在现在看来可能不足为奇。但在当时我们第一次从底层句法中分析出来语义，我们就知道必须朝这个方向做下去。
从一开始我们考虑如何构建通用人工智能时，实际上是希望它能造福全人类。
如果是秘密开发这一切，然后在弄清楚安全性后，再按下“开始键”，你希望你做对了，但对于我来说，并不知道该如何执行这一计划。
可能其他人会这么做，但对于我来说，这是可怕的、感觉不太对。
我认为这种路线目前的唯一替代方法，在机器变得完美之前，给人们时间来提建议。
是时候让我们都了解这项技术了。
-END-
