【中文世界能不能诞生ChatGPT一样强大的AI对话机器人？】ChatGPT的强

【中文世界能不能诞生ChatGPT一样强大的AI对话机器人？】ChatGPT的强大源自AI算法，更来自巨大的语料数据库。ChatGPT给出的回答，并非来自创造力和想象力，而是按照算法对人类“喂”给它的语料数据进行检索清洗、组合优化输出的结果。

语料库的丰富程度和质量，决定了ChatGPT的强大程度。中文不输于英文等其他语言，但数字化、网络化的中文信息量则远远不如英文。W3Techs的数据，在全球前一百万浏览量的网站中，以中文为信息表达载体的网站仅占1.3%，排所有语言的第十位，英语占比高达59.3%。

语言信息的池子小，必然导致训练AI模型的语料库弱，进一步影响AI机器人的能力。我们曾经梳理过机床领域的情报信息语料库，从各类专业数据库、数字图书馆、公开网页上检索文章、报告、书籍等内容，有价值的中文信息远不如英、俄、德语量大，更新速度也有很大差距。中文信息的重复率高，同一个语料关联的信息经常是相互低质量“借鉴、组合”，总体质量水平不高。

量少、重复、低更新率、低质量的中文信息，已经导致中文搜索引擎的效率大幅下滑（也有搜索引擎公司的主观原因），基于这种信息梳理、清洗的语料，很难训练出ChatGPT程度的机器人。简单的说：池子小、输入少，输出强不了，海量信息和湖量信息训练出的AI，大概率有差距。

此外，中文世界的忌语多，AI机器人不懂忌讳，但语料库的维护者懂，中文ChatGPT很可能是天残地缺的AI，我不敢问，它不能答。当然，我们在中文圈子里弄出个像样的AI机器人，是没任何问题的，就像百度可以成为中文搜索引擎最强。

中国没必要和ChatGPT去拼，ChatGPT获取信息的源头是语言文字，干脆绕过语言文字，利用各种传感器给机器人赋予视觉、听觉、触觉、嗅觉，从物理世界采集真实数据，由真实数据训练和驱动机器人的回应和行为，不需要反复对话，直接干起来。