人工智能从我知道这个词，已经很久了，chatgpt的出现，让很多人对于以往人工智能的看法改观了。就从我的角度来说，以前各大网页上的自动回复也被称为人工智能，但智能的程度大家是知道的，所以之前感觉普通人所接触到的智能产品基本就是个噱头。
从年初到现在，基本上只要是讨论人工智能的话题都很火，很多人光是依靠这个话题，以及chatgpt的应用，应该赚了不少钱。看着很多视频以及文章标题，一个月月入四位数五位数之类的，看的我们肯定很是羡慕。当然，肯定有一部分这样的人存在。但是像我们这种普通人，可能想要利用人工智能变现还是比较难实现的，我看比较多的也就是帮着别人注册使用智能软件之类的收点零食钱。
那么我们到底能收获些什么呢，从中可以得到些什么值得思考。有些朋友可能还没用过chatgpt，但是光是看着别人的示范的实践实例，就可以感受到人工智能的强大了，最近有报道称，最新的chatgpt-4模型，不管是文本回复、还是图片合成、还有嵌入其他各种应用的以及单独的插件，都可以提升生产效率。那么以往低端重复的工作被人工智能取代的趋势是不可避免的，那人类在这方面还有什么优势可言呢。比如换以前会用excel加一些高级函数，做出一些分析图表，找个相关工作应该是可以的。但如今人工智能不但可以处理，还可以不间断以及变着花样的处理，企业使用人工智能所付出的代价比起雇佣一个员工的代价相比少之又少。类似的岗位应该还有，但是面对人工智能的强势来袭，我们应该如何面对。我个人认为，不管多么强大的人工智能模型，终究是机器，他是在人类现有的知识基础之上构建的，在当前相比之下，人类的创新以及创造能力是机器无法比拟的，以及最重要的就是人类情感情绪能力是人工智能很难达到的。说这些就扯远了，作为普通人就是提升自己的能力，让自己的工作可替代性降低，就是说，你能干的人工智能干不了，那么人工智能想代替你就没那么容易，所以还得时常思考下自己所做的工作，人工智能是否可替代，如果可以，那就趁早转变工作方式，提升自己的能力，如何转变这个根据自己工作和所处行业进行对应的决策。
再聊聊对于人工智能的技术，对于从事it行业的朋友来说，学好python是必要的。因为据我了解，chatgpt模型就是用python语言编写的，是基于chatgpt-3.5框架。很多人工智能算法，用的都是python的框架，我来列举下：
TensorFlow：由Google开发的开源深度学习框架，可以用来构建各种类型的神经网络模型。
PyTorch：由Facebook开发的开源深度学习框架，具有易用性、灵活性和高性能等特点。
Keras：由Fran?oisChollet开发的高级神经网络API，可以在TensorFlow、Theano和CNTK等后端上运行。
Scikit-learn：开源机器学习库，提供了包括分类、回归、聚类、降维等在内的各种机器学习算法。
Numpy：Python的科学计算库，提供了高效的多维数组操作和矩阵运算等功能，常用于处理神经网络的输入数据和权重矩阵。
Pandas：Python的数据分析库，提供了高效的数据结构和数据处理功能，常用于数据预处理和数据分析。
Matplotlib：Python的绘图库，提供了各种绘图功能，可以用于可视化神经网络的训练过程和结果。
这些框架都是大家在用的，本人也只是处于了解的状态，还未实际应用过，各位感兴趣的朋友都可以了解下。