如果说ChatGPT的出现象征着一场关于“智能”的新工业革命的萌芽正在破土而出。于是，神谕的登陆代表了哥伦布关于区块链变化的新的“数据”之旅。
“你是谁？”
“我是OpenAI训练的大语言模型。我的目标是帮助人们回答问题和提供信息。因为我是计算机程序，不能感知，不能思考，只能通过已有数据回答问题。如果有任何问题，请随时告诉我。”
ChatGPT:挖掘数据值
ChatGPT无疑是最近网络上最热门的话题。据《财富》介绍，ChatGPT实现了脸书用了10个月才实现的目标，发布仅5天，——用户突破100万。2月1日，ChatGPT月活用户突破1亿，ins实现这个数据用了两年，抖音用了9个月，ChatGPT只用了60天。
受欢迎程度可见一斑。
作为这个时代技术的杰出结晶，ChatGPT带来了不可预知的革命。不管你喜不喜欢，以ChatGPT为代表的AIGC(生成式人工智能)将改变世界。
比尔盖茨也意味深长地说：ChatGPT的出现和PC、互联网的诞生一样意义重大。
随着ChatGPT的诞生，其日益强大的AIGC(Generative Artificial Intelligence)能力让很多职场人士陷入了“职场危机”。甚至有人担心AI会不会取代人类。事实上，AI取代人类工作已经不是第一次了。它最初出现在几年前。
根据McKinseyGlobalInstitute在2017年12月发布的《失业与就业：自动化时代的劳动力转型》报告，到2030年，保守估计全球将有15%的人因AI技术的发展而改变工作，而激进预测将影响全球30%的人口。届时，估计中国将有几千万到几亿人需要再就业。
当人们还对报告中的预测无动于衷的时候，2022年9月，在科罗拉多博览会艺术大赛的数码类中，AI绘画《太空歌剧院》一举夺得一等奖，再次引发了关于AI能否取代人类的巨大争论。如今，ChatGPT的出现，引发了全球对AI“威胁”就业引发的职业生存焦虑的讨论。
毫无疑问，ChatGPT是人工智能领域重大突破的杰作。同时不可否认的是，ChatGPT还存在很多问题。虽然ChatGPT是一个基于统计规律的大型语言模型，拥有人类无可挑剔的语言天赋，但它只能进行联想而不能完成“逻辑推理”。从这个角度来看，ChatGPT会倾向于产生令人信服的响应，这些响应当然可能包括几个事实错误、错误的陈述和错误的数据，因为作为自然语言处理模型，它并不知道几十PB的无监督训练数据中有哪些“事实”，更像是一个有点华而不实的“虚拟助手”。
另外，由于在训练过程中，为了识别人的指令而注入了大量的指令知识，ChatGPT会对指令本身非常敏感，但同时不会识别一些需要在事实基础上判断的歧义词。或许，对于大多数普通人来说，ChatGPT是一个合格的助手，因为它精通人类所有的语言技能(或者在可预见的未来将会精通)，比如归纳、翻译、写文章、改文体、翻译、打磨、写代码等等。因此，从事这些工作的工人，如果不能掌握使用ChatGPT作为助手的技能，就有可能成为第一批被机器取代的人。
总之，ChatGPT是超级工具，不是超级智能。它不会取代人类，而是升级产业。会大大降低创意和执行力的门槛，与人类互补。
全球最大广告集团WPP的CEO说：从来不是AI抢了你的工作，而是其他掌握了AI工具的人。
AI发展了这么多年，为什么ChatGPT能成为AI赛道的黑马？
归根结底还是源于数据的“利用”。
目前人工智能的主要研究方向是NLP任务(自然语言处理)，即机器要理解人类语言。NLP任务(自然语言处理)有两个方向，一个是Google的BERT技术，一个是OpenAI的自回归(GPT)技术。
早在2018年6月，OpenAI就提出了第一代GPT模型。同年10月，Google公布了自己的BERT模型，大大刷新了自然语言处理领域几乎所有的最好记录，从此开启了预训练大模型的时代。
在随后的四年中，伯特和GPT(chat GPT的前身GPT-1和GPT-2)等预训练语言模型成为自然语言处理领域的主流技术趋势。这些模型的参数从3亿到1.75万亿不等，所以被称为大语言模型。
这些预先训练好的大模型的本质是利用更大的模型和更多的数据，为人类找到更好更通用的“语言模型”。也正因为如此，包括伯特和GPT在内的大型语言模型在预训练过程中，实际上已经获得了相当数量的词汇、句法和语义知识，只需要用少量的标注数据对模型进行细化，就可以完成各种自然语言处理任务。
通过挖掘“数据”的价值赋予场景生态，这种类似的桥段是不是很像“预言机”？但是ChatGPT仍然属于Web2.0时代的产物，仍然具有一定的局限性。
如果说，ChatGPT和AIGC完全无视你的主权，肆无忌惮地抓取全球数据进行训练，最后制造出了自己的“超级大脑”。那么，区块链科技的根本价值就是“去中心化”，希望打破这种垄断，重构新的分布式网络，让普通人重新获得数据主权。
Oracle:连接数据的桥梁
说到区块链，大多数人想到的是比特币和以太坊，最惨的是炒币、挖矿、DeFi、NFT，以及一些概念包装的GameFi、SocailFi等Web3.0使能场景。但是，如何“AI”数据，即让“区块链”读取现实世界的预测，并将其加入到场景的生态赋能中。预测机，好像很重要，就像现在的ChatGPT。
我们都知道甲骨文和区块链的关系非常密切。在区块链，智能合约可以执行各种操作，如资金管理和数据存储。然而，智能合约不知道现实世界中会发生什么，这需要一个预测器。因为Oracle是连接现实世界和区块链的数据桥梁，它可以将现实世界中发生的事件转换为可用于智能合约的数据。
简单来说，甲骨文可以让某些智能合约对不确定的外部世界做出“反应”。而ChatGPT不就是对被访问的数据做出“反应”吗？
其中，Oracle的主要功能是获取和验证外部数据，并将其输入到区块链中。他们可以通过多种方式获取数据，比如API、传感器、网络爬虫等等。在验证数据时，预测者需要确保数据的真实性和准确性。
因此，必须仔细设计和测试预测器，以确保数据的可靠性。这些验证过程可能包括数字签名、加密算法等。但是，Oracle的发展也面临着一些挑战，其中之一就是保证数据的可靠性。Oracle需要获取大量数据并对其进行验证。
如果把区块链比作一个“黑匣子”，那么预测器就是黑暗中的一束光，照亮比特世界。
当然，目前的区块链生态仍处于发展的初级阶段。与传统行业相比，除了在金融领域稍有建树，其他地方还略显贫瘠。对其数据的利用、检索、挖掘和分析还需要很长的时间。
虽然市场上有ChainLink、PlugChain、Oraclize、UMA、DIA、API3等众多预言机主流公链，在技术领域各有突破和创新，但在微生态开发、场景赋能、商业落地等方面还有很长的路要走。
这就好比，ChatGPT要想变得更聪明，就需要更多更大的数据训练。如果区块链世界需要变得更聪明，它需要更准确、更高效地读取、传输和获取数据。
同时，在更加去中心化的问题上，单源API容易被破解和操作，中心化的Oracle机器显得有点跛脚。所以像ChainLink、PlugChain、NEST这些专注于去中心化Oracle网络的节点，在抓取数据时的准确率更高。由于他们的网络节点从多个来源拉取数据，通过数据聚合和加权，大大降低了数据的错误率。
顺便说一下，在可扩展性方面，PlugChain每秒可以处理10万笔交易，吞吐量很高，交易成本远低于其他公有链。正因为如此，它几乎消除了数据延迟，所以用户可以从中获得更准确的数据，并使价格偏差和滑点更低。同样，在互操作性方面，PlugChain已经兼容以太坊、Cosmos、Polygon、Cardano、Avalanche、BSC等主流公链。它在聚合交联中也具有优异的性能。
总之，作为连接物理世界和块世界的数据桥梁，甲骨文具有巨大的意义和潜力。它们不仅可以帮助智能合约更好地执行各种任务，还可以解决现实世界中的问题。同时，随着技术的进步和应用场景的拓展，预测机的未来将更加广阔。
结语：最后，我们对比ChatGPT和Oracle，不难发现一个核心点：两者的价值都是“数据价值”的提炼，“数据生态”的赋能，“场景落地”的驱动。唯一的区别就是一个在Web2.0，一个在Web3.0，随着技术的飞速发展，Web2.0和Web3.0的界限会越来越模糊。当甲骨文将物理世界的数据连接到比特世界，以ChatGPT为代表的AI计算能力将继续挖掘“数据潜力”。
到那个时候，Web3.0的生态恐怕不再贫瘠单调，就像我们的现实世界一样。这才是真正的元宇宙。
