我问了ChatGPT这些传感器问题，发现这才是它最致命的缺陷！

　　近日，ChatGPT席卷整个科技界，并且火出圈，成为全球热议的焦点。

　　甚至有人用ChatGPT写大学毕业论文，查重率仅仅4%；用ChatGPT写代码，据说ChatGPT的代码能力，已经可以通过谷歌的level3级工程师测试，能拿18万美元年薪。（折月薪10万人民币）

　　但是，对于传感器等专业领域，ChatGPT的应答如何？

　　传感器专家网【

　　https://www.sensorexpert.com.cn】专注于传感器技术领域，致力于对全球前沿市场动态、技术趋势与产品选型进行专业垂直的服务，是国内领先的传感器产品查询与媒体信息服务平台。基于传感器产品与技术，对广大电子制造从业者与传感器制造者提供精准的匹配与对接。

　　每天，在中国最大的传感社区——传感交流圈中，均会产生大量的问答，而这些问答内容大部分都围绕着传感器及仪器仪表、计量、半导体等上下游领域，并具有一定的专业深度，这些问题在ChatGPT上能获得令人满意的回答吗？在传感器专家网交流群中，也有网友提出相关的疑问。（加入传感器行业交流群，请添加微信号：sensorexpert2，注明“进群”

　　ChatGPT是人工智能的一个微小应用，ChatGPT模型基于庞大的数据，而这些数据依赖于互联网的采集。如果人工智能需要像人一样从自然界获取信息，就依赖于关键部件——传感器，如《流量地球2》中的MOSS，通过摄像头的图像传感器和麦克风的声音传感器，从自然界获取数据，与人进行交流。

　　未来会不会有装上图像传感器和声音传感器的升级版ChatGPT？传感器对未来人工智能有什么影响？

　　这里，我们发现了ChatGPT最致命的缺陷！

　　本文资料来自各权威机构和资料，如有纰漏和其他观点，请在传感器专家网本内容底下留言讨论，或在中国最大的传感社区：传感交流圈中进行交流。

　　对于传感器领域的这些问题，ChatGPT怎么回答？对吗？

　　我们先来看看ChatGPT对于我们传感器领域平时疑问的一些问题，是怎么回答的。

　　这些问题，我们先从传感器领域普适性的、通用的简单问题开始，再逐步进入较深入、专业的提问，看看ChatGPT怎么回答。大家判断一下这些回答对吗？

　　Q1：未来5年中国传感器的发展趋势怎样？

　　▲来自ChatGPT的回答，可点击图片放大查看

　　这是一个传感器领域普适性的提问，显然这个提问对任何其他领域都可以使用。

　　而ChatGPT的回答，总体来说，是一些基本没有错误的通用话或者基本常识，虽然挑不出大毛病，但也没有太多借鉴作用。这个回答甚至对于仪器仪表、半导体等领域也同样适用。

　　然后，ChatGPT有不错的前后文逻辑能力，问完第一个问题后，小编隔了一会接着询问“为什么趋势是这样的”，ChatGPT会自动联想到上文的传感器趋势内容。

　　Q2：为什么趋势是这样的

　　▲来自ChatGPT的回答，可点击图片放大查看

　　可以看到，ChatGPT罗列的角度并没有大的毛病，譬如上面回答中，ChatGPT罗列了应用需求、技术进步、制造技术、产业政策等方面，这些方向都能说的通。但后面的论据，还有很多需要完善的地方。

　　接下来，我们在进一步问一些问题，哪一类传感器占据最多的市场份额？

　　对于这个问题，显然不能像前文一样，罗列一些观点就可以了，而是需要一些具体的数据，去佐证给出的观点。

　　Q3:哪一类传感器占据最多的市场份额？为什么

　　▲来自ChatGPT的回答，可点击图片放大查看

　　在这里，ChatGPT竟然直接说明，引用了Yole的数据，但是，Yole虽然有图像传感器、MEMS传感器等产业报告，小编并没有找到Yole有关于整体传感器市场份额的分析报告内容，此处ChatGPT给出的数据来源并不知道出自哪里。

　　当然，一个较明显的错误是，加速度传感器（加速度计）显然不太可能与图像传感器并列为传感器市场份额最大的传感器种类。

　　这也是ChatGPT的一个明显弊端之一，东抄一段西抄一段，对许多人来说，我们并不能分辨ChatGPT给出的信息源来自哪里，是对是错。同时，这也造成了版权的混乱。

　　Q4&Q5:中国最大的MEMS公司是哪家？中国最大的图像传感器公司？

　　因与绍兴中芯集成的协议，虽然中芯国际是目前中国大陆最大的半导体制造企业之一，但中芯国际并不生产MEMS芯片，相关业务由绍兴中芯集成负责。此外，以MEMS销售额计算，根据中国半导体协会MEMS分会的数据，中国大陆最大的MEMS公司是歌尔微。

　　同时，中国最大的图像传感器公司是韦尔股份。显然ChatGPT的这两个回答错漏百出。

　　接着，我们来问一些更专业的问题，这些问题都出自中国最大的传感社区——传感交流圈里面，来自各位业内人士日常工作中，传感器应用方面的疑问，大家看看ChatGPT的水平如何？

　　Q6：油气管道监测目前用到是振动光纤，但误报率太高，有没其他好的解决方案 ?

　　▲来自ChatGPT的回答，可点击图片放大查看

　　ChatGPT直接罗列了一些管道监测的传感器方案，但这显然并没有实际解决问题。为什么会出现误报？能够做什么改进？从实际工程出发，有哪些更好的解决方案吗？ChatGPT是一句也不提。

　　以下是传感交流圈同一问题下的问答，由资深传感器业内人士回答，分析了为什么出现误报的情况：

　　我来估计下：是不是伴随管道布置光纤，40公里左右为一个子系统，这样可以探测到沿线的各种振动并加以分类，并能初步判断在某个位置。泄露也会产生振动，故也能探测到，不过距离太长， 沿线到处是振动，估计误判就多了。

　　并有不少专家给出了自己的看法：

　　A：光纤振动监测方案，误报率高，一方面要看光缆的布设方式，另一方面需要进行一段时间来了解区域内振动信号的来源，把相关信号都存到数据库里，进行一段时间的学习。

　　B：长距离油气管道用振动光纤监测目前是比较好的解决方式

　　C：误报率主要通过算法滤波，模型仿真，信号小波处理等软件手段解决

　　▲传感交流圈同一问题回答，可点击图片放大查看

　　在这里，不少专家提出了“算法滤波”的建议，即通过学习传感器收集回来的振动数据，通过算法学习训练，进而逐渐剔除非泄漏引起的异常振动，从而提高泄漏判断的成功率。而这，也是一种人工智能在传感器领域的应用方法。

　　显然，ChatGPT所谓的人工智能相比，面对传感器领域的专业性问题，ChatGPT的回答毫无实际意义。

　　油气管道监测目前用到是振动光纤，但误报率太高，有没其他好的解决方案 ?

　　小程序

　　▲传感交流圈同一问题，可点击打开小程序查看

　　Q7：用倾角传感器测的角度怎么算水平位移和沉降？公式是什么？有大咖知道吗 ？

　　▲来自ChatGPT的回答，可点击图片放大查看

　　请问ChatGPT给出的答案是对的吗？

　　在传感器专家网的同一问题中，各位专家不仅对问题做出了回答，同时也给出了一些更好的解决方案和建议，并且在交流中，进一步明确了提问者的需求和需要解决的问题，最终获得一个满意的方案。

　　显然，这些发散性思维能力，以及来自于实践过程中的经验性知识，目前ChatGPT还远不具备。

　　▲传感交流圈同一问题回答，可点击图片放大查看

　　用倾角传感器测的角度怎么算水平位移和沉降？公式是什么？有大咖知道吗 ？

　　小程序

　　▲传感交流圈同一问题，可点击打开小程序查看

　　ChatGPT最致命的问题：胡说八道！

　　从上文的问答中，或许大家已经略窥端倪，那就是ChatGPT并非无所不知的，而对于ChatGPT不知道的问题，它也能似是而非地胡说八道一通，让人人难分真假对错。

　　例如，全球传感器产品种类以万计，各种参数更是复杂。如果具体到某个传感器产品，ChatGPT是否无所不知呢？ChatGPT会怎么回答？

　　以上文中提到的倾角传感器为例，小编找到了国内倾角传感器市场份额前列的沃感科技，旗下某常规倾角传感器型号“WTAL121-N30K”，看看ChatGPT是否能够正确回答。

　　Q8：沃感科技的倾角传感器WTAL121-N30K主要参数，主要特点是什么？

　　▲来自ChatGPT的回答，可点击图片放大查看

　　明显看到，主要特点方面是瞎抓了一些通用语言，胡写了一通。

　　而参数方面，不知道从哪里抓取的数据 ，精度、供电电压明显是错误的，根据传感器专家网选型易工具的介绍，该倾角传感器的精度是0.1°，供电电压为9-35v，而选型易工具的传感器参数由厂家提供，或直接来源于厂家官网，因此数据准确度较高，并且可以直接在线联系厂商或代理人员，核实产品具体参数和适用情况。

　　▲来自沃感科技的倾角传感器具体参数情况

　　▲相关传感器参数可打开小程序查看

　　显然，ChatGPT不对结果负责！只要能回答的问题，ChatGPT敢写敢说，不论对错，都能给提问者一个答案。

　　因此，作为娱乐尚可，但如果深入到某一专业领域，譬如传感器领域的专业内容，ChatGPT并不能提供较有参考价值的内容，甚至乱七八糟写一通错误的答案，严重误导用户。

　　ChatGPT是何方神圣?

　　ChatGPT（全名：Chat Generative Pre-trained Transformer）是由OpenAI开发的一个人工智能聊天机器人程序，于2022年11月推出。该程序使用基于GPT-3.5架构的大型语言模型并通过强化学习进行训练。

　　OpenAI总部位于旧金山，由特斯拉的马斯克、Sam Altman及其他投资者在2015年共同创立，目标是开发造福全人类的AI技术。而马斯克则在2018年时因公司发展方向分歧而离开。

　　此前，OpenAI 因推出GPT系列自然语言处理模型而闻名。从2018年起，OpenAI就开始发布生成式预训练语言模型GPT（Generative Pre-trained Transformer），可用于生成文章、代码、机器翻译、问答等各类内容。

　　每一代GPT模型的参数量都爆炸式增长，堪称“越大越好”。2019年2月发布的GPT-2参数量为15亿，而2020年5月的GPT-3，参数量达到了1750亿。

　　因此，某种程度上来说，ChatGPT与以前的智能聊天机器人并没有实质性的区别，但ChatGPT要比以前的智能聊天机器人“智能”的太多。其远超前代的智能，是ChatGPT成为今天全球热议的主要原因。

　　传感器让人工智能进化成人类？

　　人类由什么组成，抽像点来说，就是思维系统、感知系统、执行系统、存储系统的组合，ChatGPT已经让我们看到了人工智能的雏形，这是思维系统。

　　▲来源：第三届中国智能传感大会

　　《流浪地球2》中，人工智能系统MOSS通过一个红色的摄像头传感器以及声音传感器，直接从外界获取信息，与人类进行交流。事实上，此时MOSS已经是一个掌管一切的“人”。

　　在这里，传感器扮演着“电五官”的角色，它能够感知温度、声音、压力、流量、色彩、位移、光度、加速度等物理量，并按必然的规则转换成电压或电流信号号，是人工智能体系的前向通道元器件。

　　随着人工智能技术的进步，AI将不在局限于从人类的手中获取数据，而是如MOSS一样，直接从自然界中获取数据，而这就是传感器对人工智能不可缺少的作用。

　　距离MOSS，显然，目前的ChatGPT还远不是“完全体”，期待未来与传感器联动的升级版ChatGPT。

　　结语

　　目前来说，ChatGPT的人工智能仍处于很初级的阶段，能够就一些问题给出通用的答案，甚至对与不确定的问题，也能给出一些似是而非的答案，而这些回答往往并不具备参考价值，甚至错漏百出。

　　许多知识，尤其是传感器产业中的大量的经验性知识，是存在于人的脑海里的，根据实践碰到的问题，由人的发散性思维整理形成答案，譬如上文中关于倾角传感器测位移、油气管道监测的解决方案的提问，没有实际工程经验，这些都难以回答。

　　或许ChatGPT可以替代一些初级的通用性工作，譬如对新闻事件的简单撰写——事实上在前几年各媒体平台已经开始用AI自动撰写简单新闻时事。然而，对深入的、专业性的需求，ChatGPT离应用仍遥遥无期。

　　更深入一点的思考是，如果ChatGPT能对这些问题给出正确合理的解决方案，那么执行这些方案的又何必是人类呢？届时人类能够做什么？

　　关于中国传感器领域上下游您有什么问题向ChatGPT提问？欢迎在传感器专家网公众号底下留言，小编会向ChatGPT提问，获取答案回复。

　　对本文有什么看法？欢迎在传感器专家网公本内容底下留言讨论，或在中国最大的传感社区：传感交流圈中进行交流。