ChatGPT已經霸屏了一段時間，無需小編再多做介紹。

大量參與者在測試和使用之后，無不驚嘆于其順暢的語言表達、快速的文章撰寫、強大的代碼生成以及準確的翻譯能力。這讓小編也躍躍欲試，探探它在專業領域上是否也能很好的應用！

但是，ChatGPT并不完美，一些使用者，尤其是某些領域的專家在與ChatGPT對談之后指出，用戶在使用時需要警惕ChatGPT較高的錯誤率。

ChatGPT看似言之鑿鑿

在翻譯前，小編特意通過詢問ChatGPT對晶體光學以及α-BBO晶體的認識來一探它的實力。

似乎急于證明自己，ChatGPT一開局就主動給我拋出了一個大驚喜，洋洋灑灑總結了晶體光學5個特性。

翻車雖遲但到

翻車來得有些猝不及防，當我們進入正題，問到α-BBO晶體的相關知識，似乎涉及到了ChatGPT的知識盲區，它開始一本正經地說瞎話了！！

如果對α-BBO有一定的了解就發現ChatGPT在基本的概念上就犯了嚴重錯誤。

α-BBO的中文名稱是高溫相（或者α-）偏硼酸鋇。對話中出現的“雙氧硼石”不論在百度還是必應上搜索沒有任何相關信息，估計是ChatGPT一時興起創造的新名詞。

此外，在晶體性質和用途上，ChatGPT強調α-BBO的非線性效應以及作為非線性晶體的應用，可以看出它混淆了α-BBO和β-BBO的概念。

α-BBO因為其中心對稱結構不具有二階非線性效應，雖然有三階非線性，但是一般來說三階非線性效應是弱于二階非線性效應的，目前來說并不是α-BBO最主要的光學特性和應用。對于α-BBO的生長成果，粗略一看ChatGPT回答似乎安全且正確，但是“高壓”這兩個字還是露出了馬腳。

考慮到ChatGPT的訓練庫英文資料更為豐富，因此小編用英文再問了一次：

結果仍然存在錯誤，ChatGPT的英文回答同樣把β-BBO當成了α-BBO。

在多次對談之后，ChatGPT做出了相應的糾正，但是可以看出只是簡單的根據已有的數據和對話糾偏做的調整，而且還存在著引入新錯誤的可能性。

正確打開

ChatGPT

基于ChatGPT的訓練原理，它能夠輸出的是對“喂養”資料（或已有資料庫）的整合。在翻譯過程中（翻譯功能的的確確是ChatGPT的真本領，整個過程絲般順滑，小編只對極少數行業名詞進行修改），ChatGPT其實也是在吸收新“知識”。在喂養（上傳）了技術文章以及對ChatGPT的提問進行一定的引導之后，回答就順暢了很多：

在英文回答環節，我們能看到ChatGPT對于α-BBO在三階非線性的應用上保持了堅定的信心。

由此可見，ChatGPT強大的學習能力以及參數處理能力，讓它能夠成為我們工作學習科研中很好的助手。

就在小編還在整理和編輯本文，以及回味ChatGPT一鏡到底的絲滑翻譯時，ChatGPT-4橫空出世，緊接著百度發布了文心一言，二者都是多模態大模型，也就是說，對它們的輸入不僅是文字，還可以是圖像，并且回答有更高的準確性，減少胡言亂語。

但想要最大程度的發揮它們的能力，還是需要一定的使用方法，例如官方示例中的思維鏈路提示（Chain-of-thought Prompt）等。

在后續的技術文章的撰寫和翻譯上，小編也期待更多與文心一言以及ChatGPT-4的碰撞與合作。

可以知道，我們真的離人工智能，更近了一步！

審核編輯 ：李倩