谈谈GPT技术对SaaS领域的影响.docxVIP

谈谈GPT技术对SaaS领域的影响 GPT火了，Chat GPT火了。一时之间，所有的人都在谈论AI，谈论GPT，大家都说第四次工业革命真正发生了，在惊喜中更多的带着恐慌，恐慌对自己职业可能的影响，恐慌长期人类的命运以及人生意义变得更加未知。 笔者的观点，人类大的发展路径是已经确定的，只是或早或晚被某些人发现并且推动了，该来的始终会来，既然天命不可违，我们有什么好担心的呢？ 笔者不是人工智能和神经网络方面的专家，尽量基于自己目前的理解，从比较通俗的角度和大家做一些分析和讨论。 首先我们来看GPT的原理，GPT是Generative Pre-trained Transformer的缩写，中文翻译为生成式训练转换器，主要用于自然语言理解，生成，对话等任务。 大家还记得原来有一个有趣的说法吗？就是让无数只猴子在键盘上面随机地敲击，只要时间足够长，就会有猴子可以敲出莎士比亚水准的作品。GPT的本质实际上是类似的，实际上是利用了算法以及强大的算力，提升命中率，缩小得到答案的时间。 Chat GPT的表现是你问问题，它生成答案。比如说你问一个问题，如果无数个猴子敲击键盘或者随即画图，肯定有一只猴子有某个时间点生成一个比较优的自然语言答案，或者生成比较贴合你要求的一张图。理论上，只要猴子足够多，时间够长都是可以的。 为了提升命中率以及缩小得到答案的时间，目前采用的就是预训练的神经网络模型，提升命中的概率以及降低需要的时间，GPT的底层主要还是统计学，概率学。 怎样理解神经网络呢？实际上这个上个世纪40年代就推出的一个算法模型，不复杂，只是因为原来计算机算力不够，一直没有发挥出大作用，一直到最近一些年才开始发挥其作用。 神经网络你可以想象成一张渔网。渔网是由节点和节点之间的连接线组成，这些连接线可以类比为参数，比如说GPT-3，就有96层以及1750亿个参数，你可以想象这是一张多大的网，而普遍的说法就是层数越多，参数越多，这个算法的结果就是越精确，所以GPT的后续发展趋势，网络层数以及参数会越来越多。 所谓的预训练，你可以理解有一个函数f(x1，x2，x3………)，里面有千亿的参数，就是通过有监督或者去监督的方式，通过一些固定的输入输出数据去训练这张网，得到这数以千亿计的参数的具体值。 基于这个训练好的模型，你去输入一个问题，这张训练好的网就能在足够短的时间内输出贴近的答案。 因为这个网络的计算是如此复杂，过程和结果都是很难预测的，以致设计这张网络的人都不知道你的输入，GPT会给你什么样的输出，这里面就会涉及到伦理问题，价值观问题，于是涉及到复杂的监管的问题。 由于现在试验比较成功的主要是大语言模型，主要是自然语言的处理，导致GPT技术首先会对搜索，问答，内容生成领域带来深远的影响。 了解到这些内容之后，笔者再来谈谈GPT大模型可能会给SaaS领域带来的影响。 笔者的观点，GPT影响SaaS的路径可能首先是SaaS结合AI，AI-based SaaS，但是随着大模型的发展，在一些场景里面，是可能出现SaaS-based AI，SaaS的一部分作为微服务隐身在后面。 SaaS软件的组成是主要数据库层，逻辑层以及展示层。展示层主要又包括输入以及输出，目前的GPT技术的发展实质上没有涉及到数据库层，主要还是在交互，输入，输出这个维度。 在第一步SaaS结合GPT技术，会对SaaS形态产生什么样的变化呢？ 01 关于交互方式 对话式入口会成为一个重要的交互方式。 对话化的入口会完全取代原来图形的交付方式吗？我的判断是不会，但会是一个重要的补充。 哪些交付是对话式交互很难取代的呢，主要包括下面几类： 需要高频操作的功能，高频需要操作的功能以及查看的数据很多时候都会在首页或者重要部位展示，如果通过对话交互反而效率会下降。 逻辑需要复杂描述的功能，复杂的描述效率很低，但是在图形界面上面直接显示结果，或者点击按钮肯定是更高效的方式。 哪些场景是容易被对话式交互给取代的呢？ （1）低频需要查看的数据或者低频需要操作的长尾功能。 SaaS很多时候都是复杂业务系统，90%左右都是低频的长尾需求。由于功能以及需要展示的信息比较复杂，为了提升系统的易用性，很多时候需要将这些信息以及功能展示权重弱化，实际上操作上是不方便的。 对于这些功能用对话式的方式来交互式会大大提升产品的易用性的。 （2）一些偏个性化化的数据统计查询功能。 对于一些偏个性化的统计查询功能，很多时候标准产品上面很难支持，这个时候可以用到对话式交互方式去支持，当然这里在展示层以及逻辑层之间需要有一个大模型，去解读自然语言命令以及调用执行逻辑层相应的动作。 （3）一些适合语音输入的场景 有些数据的输入因为场景以及使用人群的素质，使用自然语言来进行输入是更方便和自然的。 可以想象，以后所有的SaaS软件的首