2020年之前，其实已经涌现出很多专业的人工智能AI，帮助人类处理专业领域的问题，比如人脸，声音识别，又比如辅助驾驶，自动泊车，以及生物领域类的新蛋白质分子式查找。

而所谓的通用型人工智能，你可以简单的把他理解为更像人类，通过简单的调试就可以像人一样工作。

这样就不需要为每一份工作单独开发一套专用的AI程序，那么如何开发，底层原理是什么？

GPT的思路就是碰运气，通过复杂系统中的“涌现”来无中生有，一直增加感知与参数，看看究竟到什么级别才能让它变得更聪明，至于为什么，谁也不知道，唯一能确认的是，会变更聪明。

当我们将文本资料喂给语言模型时，其实也已经将人类的思维逻辑系统一并喂了下去，每次逻辑训练，都以某种抽象的难以解构的数学形式在大语言模型中留下痕迹。

当语言模型诞生后，其思考逻辑会接近人类，准确来说，更接近华国人。

声势浩大的训练开始第5天后，投喂数据规模500亿。

前端测试开启，先做最简单的常识问题。

问题一，找出与“确信”意思相同或者意义最相近的词：

1.正确。2.明确。3.信心。4.肯定。5.真实。

前端给的答案：4，正确；

问题二，找出与众不同的一个。

1.水。2.太阳。3.汽油。4.风。5.水泥。

前端给的答案：5，正确，还给出了解释，水泥是一种人造建筑材料，其他4种都是自然界存在的物质。

众人开始争论起来，汽油严格来说，并不是自然界存在的，是提炼物品。

应该解释为水泥是建筑材料，其他4个属于能源，虽然答案对了，但解释有些牵强。

问题三，找出与众不同的一个。

1.铝。2.锡。3.钢。4.铁。5.铜。

前端给的答案：3，正确；解释为只有钢是合金，其他都为单一金属元素。

接着又测试了许多基本的常识问题，前端给的答案都正确，解释也非常合理。

众人兴奋起来，期待着更进一步的测试。

问题：樱桃对于红相当于牛奶对于什么？

1.湿。2.冷。3.白。4.甜。5.熟。

给出的答案是：3，正确；并给了解释，樱桃对于红，牛奶对于白，两者选取的是颜色关系。

问题：“预杉”对于“须抒”相当于8326对于什么？

1.2368。2.6238。3.2683。4.6328。5.3628。

给出的答案是：4，正确；

解释：“预杉”对于“须抒”是相似反义词，它的字形结构相似，但意思相反，因此需要找一个字形结构类似，但意思相反的选项，根据提示8326拆分为，83与26，这两个数字进行倒叙排列后为，38与62，然后拼接起来的道3862，按题意对掉，答案为第4个6328。

问题：如果有些“甲”是“乙”，所有的“丙”都是“乙”，那么“一定有些甲是丙”，这句话是：

1.对的，2.错的，3.既不错也不对。

给出的答案是：2，正确；

众人欢呼起来，这道题已经难度偏上了。

接着深化难题，开始上小学的数学应用题，都能完美解答。

语文题就复杂学多了，比如：哪吒不脑海，武松不过岗，打一成语。

给出的答案是：生龙活虎，正确；

路阳还在旁边猜成语时，前端几乎是秒回，成语题目准确率在90%以上。

问题：假如你给女朋友发红包，发了0.1元，结果女友回了0.22元，于是你再发0.3元，女友回了0.4元，你再次发送99.9元，这次女友没回你了，请问你亏了多少钱？