（来源：上观新闻）
去年S🇬🇺⛈am 🚍📉Altman🍄来AI Sent🙃🚞时，说了一句让😆🚲人印象深刻的🍁话：不同世代的人💓🇧🇮使用ChatG🐖🧝♀️PT的方式不同🚊📛。第三层是模型订🦡阅和 API🦂。接着发生的情况是😞，基本🎚⏏上，如果你🧶❣在足够庞大💸的隐式🏛🌱任务集上训练这🤕🎍些 G🇫🇷📰PT 模🌫型或 🤜LLM，通过在互🐅联网数据🧛♂️上进行训🍳练，你实际上不得🧲不处理数🇹🇱据集中隐含🇹🇯🎛的所有多任务，它🔚们在某🧧种意义上就🗯🔰变成了一种可🤶🍞编程的计算机🤸♂️🥟。
从根本上说，传统🇲🇾🦹♀️计算机可以轻松自🏊♀️动化那些能🕉用代码明确定🔒义的事🗡物，而最新一代🎥的 LLM🇩🇬 从某🧧🏑种意义上🚴♀️讲，可以轻🥁松自动🥟🐧化那些能够被验💍™证的事物🇳🇪。"十五五"👨❤️💋👨明确要♏推动互联互通，🦌但行业统一的数🐖据标准还在磨合，🏪不是政策🕟说了就能马🇸🇻上做到的👉🧝♂️。
Jam🎋es：然后☃🇼🇫你就会🍓🇮🇳问：那AI还🇫🇯🍞能去哪里👩👦👦回答这些问题🈹？你提到的🇵🇦👩🦱REA🇺🇳🇵🇫DME文🧰🚢件——但谁👋☺又愿意发布RE🚲🇧🇧ADME呢？因🎽🇵🇭为Agent必🈂须去某个地方取信🔢息才能回答😸问题，这对品🎙牌或营销人也许有👩🍳🚸动机；但如果👩👧是更广义的内容👣呢？比如我🍒写博客的意义是👨🎨🇬🇭什么？我发一❇🕚篇“我是Son🌐ia，我投过哪些🇧🇻公司”🐰——让一📱📃个创业🔧🇲🇻者决定该找哪个🇨🇾VC——他🈚☄看你的READM🔳🈹E也许🐆◽有用，但这更像🇹🇿商业驱🚜动内容🈯。
