“ChatGPT+”时代的产品范式｜乌托邦周报 #9
ChatGPT 热点下的冷思考：数字化产品的“终局之战”是否已经到来？
本文要点：
GPT 的能力矩阵
GPT 与产品整合的思路
GPT 与更广泛的未来
GPT 的能力矩阵
从非技术角度出发，GPT 的能力笔者大致抽象为 3 类：
理解和表达能力
GPT 能通过自然语言进行输入、输出，即懂人话、说人话。
由于对话（或多轮对话）在空间上信息密度不高，而且在时间上具有排他性，GPT 在对效率有绝对追求的场景下，一般并不具有优势；但是，在对操作效率要求不高的场景下，GPT 能给用户带来很大的体验收益。
归纳能力
上面谈到 GPT 不适合效率要求高的场景，但信息聚合场景是个例外，使用 GPT 可能反而比传统界面操作效率更高。
这本质上依然是机器学习模式识别能力的一个延展——通过大量消化数据，找出主要特征，从而将文本的核心含义萃取出来。
演绎能力
GPT 能基于训练数据和嘈杂的上下文，照猫画虎，推理演绎，并给出建议。
传统的规则硬编码方式，虽然能保证准确，但要达到同样的效果，编码起来成本很高，而且规则难以覆盖全——输入稍微有所变化，规则就匹配不到了。
作为机器学习模型中的数据集与参数量级怪兽，GPT 有常识、逻辑与想象力，能完成 zero-shot、one-shot 或 few-shot 的任务。在允许牺牲一定的准确性的前提下，GPT 能轻松达到理想效果。（这种概率化思维也是机器学习或者所谓 Software 2.0 的共同特征。）
因此，针对对准确性要求不高的场景，GPT 能给用户带来很大便利，并且是一种实现起来性价比很高的方式。
GPT 与产品整合的思路
市面上集成 GPT 的工具，拆开揉碎了看，包含 3 个关键要素：
体验：产品层面，AI 如何与实际工作自然、无缝结合， 让技术“消失”。（必要）
Prompt：如何引导 GPT 模型，让它按用户想要的方式输出内容。（必要）
微调：比 Prompt Engineering 更深一层，即如何在训练数据层面，调教 GPT 模型，让它的输出契合整个应用场景（如写文章 vs. 写代码）。（可选）
下面摘录了一些集成 GPT 的产品案例，按技术的“消失”程度与应用深度从低到高排序。
WebChatGPT：提升 ChatGPT 知识的时效性
ChatGPT 的一个限制是，其知识储备截止到 2021 年，新的内容它不知晓（包括当下的时间）。
WebChatGPT 作为 Chrome 上的一个 ChatGPT 增强插件，从 Prompt Engineering 的思路出发，巧妙地集成了搜索引擎，将用户问题在搜索引擎上的结果，作为背景知识喂给 ChatGPT，从而在现有约束下，在一定程度上，解决了 ChatGPT 知识储备时效性不强的问题。
ChatPDF：与书籍进行自然语言交流
ChatGPT 的一个限制是输入信息的空间，即输入的 Prompt 最多 4096 个词。如果背景信息太长，就只能定制模型。（更新：GPT-4 已支持到 32,000 词。）
ChatPDF 这个工具的一个创新之处在于，类似于推荐中的召回、粗排、精拍思路，它预筛选 PDF 中与用户问题有关的段落，缩小范围，再喂给 ChatGPT，从而在不改变 Prompt 长度约束的前提下，优雅地解决了问题。
（但如果问题比较宏观，需要阅读完全篇才能回答，ChatPDF 依然无能为力。）
Intercom Fin：智能客服
基于 GPT-4，根据帮助文档内容，有理有据地回答用户问题。
Notion AI：文字起稿、润色，总结、翻译
作为一款主打笔记功能的应用，Notion 基于 GPT-3，提供了一系列写稿和效率工具。
Copy.ai：文字起稿
相比 Notion AI，Copy.ai 的起稿更为渐进式，从提纲到内容逐步确认、细化。（类似的产品还有 Jasper。）
Tome：PPT 起稿、润色
Tome 同时集成了 GPT-3 和 DALL•E，应用于 PPT 这一图文领域，提供了一键生成 PPT 框架和后期智能调整的工具。
Viable：自动生成用户反馈分析报告
根据用户特征与反馈，生成图文并貌、有理有据的报告。报告不仅包含对现状的总结与研判，还囊括对未来的预测。Viable 能在结构化数据与非结构化文本自由转换，属于多模态 AI 应用的集大成者，将传统繁琐、复杂的分析工作内化，只给用户透出极致的简单体验。
GPT 与更广泛的未来
随着 ChatGPT 的问世，视频、图像、文字生产的彻底平民化已经是板上钉钉，内容的未来可能出现这样的局面：
内容生产工具革新，催生更多高质量内容，思想的重要性进一步提高，熟练使用工具越发不再是一种门槛；
内容生产的一部分甚至不再需要人工参与，人与机器在内容生产上形成分工；
当高质量内容越来越多，甚至开始内卷，但人的注意力已经没有任何富余的时候，注意力的利用效率只能被进一步压榨，比如用 AI 助手来作为中间层，打破藩篱，从各种网络渠道，采集、聚合、二次加工用户想要的内容；
内容生产彻底不再是瓶颈后，内容源的专属性也将成为更有价值的维度，高价值的私域内容（如中国一手经济数据）将相对而言显得更为稀缺，如何储备私域内容或者将私域内容在公域中有效、长效变现将是一个重要课题；
内容真假难辨，溯源防伪重要性突显，机器对抗能缓解但无法更彻底地解决假信息满天飞的问题，因此签名将被更广泛地应用，并且签名粒度将从如今的社会实体、网站粒度，下钻到内容粒度，征信体系也将成为与内容生产、传播密不可分的配套设施。
相应地，对数字化产品而言，未来可能是这样：
产品拥有了真正人性化的人机交互范式；
结构化数据与非结构化数据之间的边界开始模糊；
数字化产品生产的门槛降低，人人都可以创造数字化产品，思想而非工具更重要；
除了基础领域需要绝对准确可预测的 Software 1.0 外，其他领域将在很大程度上，被牺牲一定精确性，但体验更傻瓜、能力更泛化、生产更简单的 Software 2.0 取代，并且 Software 2.0 与 1.0 之间能自由交互（目前还有距离）；
开发大众化后可能日子不会好过，产品经理也好不到哪里去，虽然还会继续存在，但可能不会有这个专门的名号或人群界定了，而且卷他们的可能不光是同事，还会是 AI。