近日，ChatGPT席卷整個科技界，并且火出圈，成為全球熱議的焦點。 甚至有人用ChatGPT寫大學畢業論文，查重率僅僅4%；用ChatGPT寫代碼，據說ChatGPT的代碼能力，已經可以通過谷歌的level3級工程師測試，能拿18萬美元年薪。（折月薪10萬人民幣） 但是，對于傳感器等專業領域，ChatGPT的應答如何？ 每天，在中國最大的傳感社區——傳感交流圈中，均會產生大量的問答，而這些問答內容大部分都圍繞著傳感器及儀器儀表、計量、半導體等上下游領域，并具有一定的專業深度，這些問題在ChatGPT上能獲得令人滿意的回答嗎？在傳感器專家網交流群中，也有網友提出相關的疑問。

ChatGPT是人工智能的一個微小應用，ChatGPT模型基于龐大的數據，而這些數據依賴于互聯網的采集。如果人工智能需要像人一樣從自然界獲取信息，就依賴于關鍵部件——傳感器，如《流量地球2》中的MOSS，通過攝像頭的圖像傳感器和麥克風的聲音傳感器，從自然界獲取數據，與人進行交流。 未來會不會有裝上圖像傳感器和聲音傳感器的升級版ChatGPT？傳感器對未來人工智能有什么影響？這里，我們發現了ChatGPT最致命的缺陷！ 對于傳感器領域的這些問題，ChatGPT怎么回答？對嗎？ 我們先來看看ChatGPT對于我們傳感器領域平時疑問的一些問題，是怎么回答的。 這些問題，我們先從傳感器領域普適性的、通用的簡單問題開始，再逐步進入較深入、專業的提問，看看ChatGPT怎么回答。大家判斷一下這些回答對嗎？ Q1：未來5年中國傳感器的發展趨勢怎樣？

▲來自ChatGPT的回答，可點擊圖片放大查看 這是一個傳感器領域普適性的提問，顯然這個提問對任何其他領域都可以使用。 而ChatGPT的回答，總體來說，是一些基本沒有錯誤的通用話或者基本常識，雖然挑不出大毛病，但也沒有太多借鑒作用。這個回答甚至對于儀器儀表、半導體等領域也同樣適用。 然后，ChatGPT有不錯的前后文邏輯能力，問完第一個問題后，小編隔了一會接著詢問“為什么趨勢是這樣的”，ChatGPT會自動聯想到上文的傳感器趨勢內容。Q2：為什么趨勢是這樣的

▲來自ChatGPT的回答，可點擊圖片放大查看 可以看到，ChatGPT羅列的角度并沒有大的毛病，譬如上面回答中，ChatGPT羅列了應用需求、技術進步、制造技術、產業政策等方面，這些方向都能說的通。但后面的論據，還有很多需要完善的地方。 接下來，我們在進一步問一些問題，哪一類傳感器占據最多的市場份額？ 對于這個問題，顯然不能像前文一樣，羅列一些觀點就可以了，而是需要一些具體的數據，去佐證給出的觀點。Q3:哪一類傳感器占據最多的市場份額？為什么

▲來自ChatGPT的回答，可點擊圖片放大查看

在這里，ChatGPT竟然直接說明，引用了Yole的數據，但是，Yole雖然有圖像傳感器、MEMS傳感器等產業報告，小編并沒有找到Yole有關于整體傳感器市場份額的分析報告內容，此處ChatGPT給出的數據來源并不知道出自哪里。 當然，一個較明顯的錯誤是，加速度傳感器（加速度計）顯然不太可能與圖像傳感器并列為傳感器市場份額最大的傳感器種類。 這也是ChatGPT的一個明顯弊端之一，東抄一段西抄一段，對許多人來說，我們并不能分辨ChatGPT給出的信息源來自哪里，是對是錯。同時，這也造成了版權的混亂。Q4&Q5:中國最大的MEMS公司是哪家？中國最大的圖像傳感器公司？

因與紹興中芯集成的協議，雖然中芯國際是目前中國大陸最大的半導體制造企業之一，但中芯國際并不生產MEMS芯片，相關業務由紹興中芯集成負責。此外，以MEMS銷售額計算，根據中國半導體協會MEMS分會的數據，中國大陸最大的MEMS公司是歌爾微。 同時，中國最大的圖像傳感器公司是韋爾股份。顯然ChatGPT的這兩個回答錯漏百出。 接著，我們來問一些更專業的問題，這些問題都出自中國最大的傳感社區——傳感交流圈里面，來自各位業內人士日常工作中，傳感器應用方面的疑問，大家看看ChatGPT的水平如何？ Q6：油氣管道監測目前用到是振動光纖，但誤報率太高，有沒其他好的解決方案 ?

▲來自ChatGPT的回答，可點擊圖片放大查看 ChatGPT直接羅列了一些管道監測的傳感器方案，但這顯然并沒有實際解決問題。為什么會出現誤報？能夠做什么改進？從實際工程出發，有哪些更好的解決方案嗎？ChatGPT是一句也不提。 以下是傳感交流圈同一問題下的問答，由資深傳感器業內人士回答，分析了為什么出現誤報的情況：

我來估計下：是不是伴隨管道布置光纖，40公里左右為一個子系統，這樣可以探測到沿線的各種振動并加以分類，并能初步判斷在某個位置。泄露也會產生振動，故也能探測到，不過距離太長， 沿線到處是振動，估計誤判就多了。

并有不少專家給出了自己的看法：

A：光纖振動監測方案，誤報率高，一方面要看光纜的布設方式，另一方面需要進行一段時間來了解區域內振動信號的來源，把相關信號都存到數據庫里，進行一段時間的學習。

B：長距離油氣管道用振動光纖監測目前是比較好的解決方式

C：誤報率主要通過算法濾波，模型仿真，信號小波處理等軟件手段解決

▲傳感交流圈同一問題回答，可點擊圖片放大查看 在這里，不少專家提出了“算法濾波”的建議，即通過學習傳感器收集回來的振動數據，通過算法學習訓練，進而逐漸剔除非泄漏引起的異常振動，從而提高泄漏判斷的成功率。而這，也是一種人工智能在傳感器領域的應用方法。 顯然，ChatGPT所謂的人工智能相比，面對傳感器領域的專業性問題，ChatGPT的回答毫無實際意義。 ▲傳感交流圈同一問題，可點擊打開小程序查看 Q7：用傾角傳感器測的角度怎么算水平位移和沉降？公式是什么？有大咖知道嗎 ？

▲來自ChatGPT的回答，可點擊圖片放大查看 請問ChatGPT給出的答案是對的嗎？ 在傳感器專家網的同一問題中，各位專家不僅對問題做出了回答，同時也給出了一些更好的解決方案和建議，并且在交流中，進一步明確了提問者的需求和需要解決的問題，最終獲得一個滿意的方案。 顯然，這些發散性思維能力，以及來自于實踐過程中的經驗性知識，目前ChatGPT還遠不具備。

▲傳感交流圈同一問題回答，可點擊圖片放大查看 ▲傳感交流圈同一問題，可點擊打開小程序查看 ChatGPT最致命的問題：胡說八道！ 從上文的問答中，或許大家已經略窺端倪，那就是ChatGPT并非無所不知的，而對于ChatGPT不知道的問題，它也能似是而非地胡說八道一通，讓人人難分真假對錯。 例如，全球傳感器產品種類以萬計，各種參數更是復雜。如果具體到某個傳感器產品，ChatGPT是否無所不知呢？ChatGPT會怎么回答？ 以上文中提到的傾角傳感器為例，小編找到了國內傾角傳感器市場份額前列的沃感科技，旗下某常規傾角傳感器型號“WTAL121-N30K”，看看ChatGPT是否能夠正確回答。 Q8：沃感科技的傾角傳感器WTAL121-N30K主要參數，主要特點是什么？

▲來自ChatGPT的回答，可點擊圖片放大查看 明顯看到，主要特點方面是瞎抓了一些通用語言，胡寫了一通。 而參數方面，不知道從哪里抓取的數據 ，精度、供電電壓明顯是錯誤的，根據傳感器專家網選型易工具的介紹，該傾角傳感器的精度是0.1°，供電電壓為9-35v，而選型易工具的傳感器參數由廠家提供，或直接來源于廠家官網，因此數據準確度較高，并且可以直接在線聯系廠商或代理人員，核實產品具體參數和適用情況。

▲來自沃感科技的傾角傳感器具體參數情況

▲相關傳感器參數可打開小程序查看

顯然，ChatGPT不對結果負責！只要能回答的問題，ChatGPT敢寫敢說，不論對錯，都能給提問者一個答案。 因此，作為娛樂尚可，但如果深入到某一專業領域，譬如傳感器領域的專業內容，ChatGPT并不能提供較有參考價值的內容，甚至亂七八糟寫一通錯誤的答案，嚴重誤導用戶。ChatGPT是何方神圣? ChatGPT（全名：Chat Generative Pre-trained Transformer）是由OpenAI開發的一個人工智能聊天機器人程序，于2022年11月推出。該程序使用基于GPT-3.5架構的大型語言模型并通過強化學習進行訓練。 OpenAI總部位于舊金山，由特斯拉的馬斯克、Sam Altman及其他投資者在2015年共同創立，目標是開發造福全人類的AI技術。而馬斯克則在2018年時因公司發展方向分歧而離開。 此前，OpenAI 因推出GPT系列自然語言處理模型而聞名。從2018年起，OpenAI就開始發布生成式預訓練語言模型GPT（Generative Pre-trained Transformer），可用于生成文章、代碼、機器翻譯、問答等各類內容。 每一代GPT模型的參數量都爆炸式增長，堪稱“越大越好”。2019年2月發布的GPT-2參數量為15億，而2020年5月的GPT-3，參數量達到了1750億。

因此，某種程度上來說，ChatGPT與以前的智能聊天機器人并沒有實質性的區別，但ChatGPT要比以前的智能聊天機器人“智能”的太多。其遠超前代的智能，是ChatGPT成為今天全球熱議的主要原因。 傳感器讓人工智能進化成人類？ 人類由什么組成，抽像點來說，就是思維系統、感知系統、執行系統、存儲系統的組合，ChatGPT已經讓我們看到了人工智能的雛形，這是思維系統。

▲來源：第三屆中國智能傳感大會 《流浪地球2》中，人工智能系統MOSS通過一個紅色的攝像頭傳感器以及聲音傳感器，直接從外界獲取信息，與人類進行交流。事實上，此時MOSS已經是一個掌管一切的“人”。

在這里，傳感器扮演著“電五官”的角色，它能夠感知溫度、聲音、壓力、流量、色彩、位移、光度、加速度等物理量，并按必然的規則轉換成電壓或電流信號號，是人工智能體系的前向通道元器件。 隨著人工智能技術的進步，AI將不在局限于從人類的手中獲取數據，而是如MOSS一樣，直接從自然界中獲取數據，而這就是傳感器對人工智能不可缺少的作用。 距離MOSS，顯然，目前的ChatGPT還遠不是“完全體”，期待未來與傳感器聯動的升級版ChatGPT。 結語 目前來說，ChatGPT的人工智能仍處于很初級的階段，能夠就一些問題給出通用的答案，甚至對與不確定的問題，也能給出一些似是而非的答案，而這些回答往往并不具備參考價值，甚至錯漏百出。 許多知識，尤其是傳感器產業中的大量的經驗性知識，是存在于人的腦海里的，根據實踐碰到的問題，由人的發散性思維整理形成答案，譬如上文中關于傾角傳感器測位移、油氣管道監測的解決方案的提問，沒有實際工程經驗，這些都難以回答。 或許ChatGPT可以替代一些初級的通用性工作，譬如對新聞事件的簡單撰寫——事實上在前幾年各媒體平臺已經開始用AI自動撰寫簡單新聞時事。然而，對深入的、專業性的需求，ChatGPT離應用仍遙遙無期。 更深入一點的思考是，如果ChatGPT能對這些問題給出正確合理的解決方案，那么執行這些方案的又何必是人類呢？屆時人類能夠做什么？ 關于中國傳感器領域上下游您有什么問題向ChatGPT提問？歡迎在傳感器專家網公眾號底下留言，小編會向ChatGPT提問，獲取答案回復。

對本文有什么看法？歡迎在傳感器專家網公眾號本內容底下留言討論，或在中國最大的傳感社區：傳感交流圈中進行交流。

順手轉發&點擊在看，將中國傳感產業動態傳遞給更多人了解！

審核編輯黃宇