只要用戶輸入問題， ChatGPT 就能給予回答， 是否意味著我們不用再拿關鍵詞去喂 Google或百 度， 就能立即獲得想要的答案呢？

盡管ChatGPT表現出出色的上下文對話能力甚至編程能力， 完成了大眾對人機對話機器人( Chatrobot) 從“人工智障”到“有趣”的印象改觀， 我們也要看到， ChatGPT技術仍然有一些局 限性， 還在不斷的進步。

1 ) ChatGPT在其未經大量語料訓練的L域缺乏“人類常識”和引申能力， 甚至會一本正經的“胡 說八道” 。 ChatGPT在很多L域可以“創造答案”， 但當用戶尋求正確答案時， ChatGPT也有可 能給出有誤導的回答。例如讓ChatGPT做一道小學應用題， 盡管它可以寫出一長串計算過程， 但 后答案卻是錯誤的。

2 ) ChatGPT無法處理復雜冗長或者特別專業的語言結構。對于來自金融、 自然科學或醫學等非常 專業L域的問題， 如果沒有進行足夠的語料“喂食”， ChatGPT可能無法生成適當的回答。

3 ) ChatGPT需要非常大量的算力 (芯片) 來支持其訓練和部署。拋開需要大量語料數據訓練模型 不說， 在目前， ChatGPT在應用時仍然需要大算力的服務器支持， 而這些服務器的成本是普通用戶 無法承受的， 即便數十億個參數的模型也需要驚人數量的計算資源才能運行和訓練。， 如果面向真 實搜索引擎的數以億記的用戶請求， 如采取目前通行的免費策略， 任何企業都難以承受這一成本。 因此對于普通大眾來說， 還需等待更輕量型的模型或更G性價比的算力平臺。

4 ) ChatGPT還沒法在線的把新知識納入其中， 而出現一些新知識就去重新預訓練GPT模型也是不 現實的， 無論是訓練時間或訓練成本， 都是普通訓練者難以接受的。如果對于新知識采取在線訓練 的模式， 看上去可行且語料成本相對較低， 但是很容易由于新數據的引入而導致對原有知識的災難 性遺忘的問題。

5 ) ChatGPT仍然是黑盒模型。 目前還未能對ChatGPT的內在算法邏輯進行分解， 因此并不能保證 ChatGPT不會產生攻擊甚至傷害用戶的表述。

當然， 瑕不掩瑜， 有工程師貼出了要求ChatGPT寫verilog代碼 (芯片設計代碼) 的對話。可以看 出ChatGPT水平已經超出一些verilog初學者了。