今天繼續教大家如何用chatGPT整活兒 ，提升我們的學習能力 ，讓它 成為 我們強大的學習工具。

今天分享的話題是，如何利用chatGPT作為工具，幫助我們快速瞭解一個行業？

首先在向chatGPT發問之前，我們必須先建立自己的基礎認知，而不是直接去把問題拋給GPT。

記住，有效利用工具的前提，是不被工具所利用。 不會獨立思考，ChatGPT-100也沒用

那麼，關於快速了解行業的方法，有哪些基礎的方法論呢？

對於行業研究這個知識領域，知名諮詢公司的方法論值得我們學習與借 鑒。諮詢公司經常需要接觸新的行業，但是他們總能很快的瞭解到一個領域的核心問題，並找到這個領域的關鍵問題。

馮唐作為麥肯錫前合夥人，講了快速掌握一個行業的基本方法， 一共有三個看似簡單卻妙用無窮的步 驟：

第1步是掌握這個行業100個左右的關鍵詞。

第2步是找三五個專家聊天聊，問各種問題。

第3步是找三五本專業的書籍，非常仔細的看。

這三個方法雖然經典，但是還是停留在“道”的層面。如果我們真的想要去實際瞭解一個行業，還要從“器”的角度去進一步思考。

而能夠讓我們瞭解一個行業的基本思路，是建立一個關於行業認知的知識體系。而任何一個知識體系，都要以建立關聯整合作為基礎。

所以現在，我們以“建立知識體系” 和“建立連接 ”兩大原則，以及 麥肯錫的 “三 步行業研究方法”作為基礎理論，利用chatGPT作為工具，去快速瞭解一個行業。

但是在此之前，我還是好奇chatGPT會如何看待這個問題，也需要對我們的基礎方法論做一個驗證。所以，我向chatGPT問了下面這個問題：

Q1:利用ChatGPT作為工具，去快速瞭解一個行業的最好方法是什麼？

在 ChatGPT 的輸入框中輸入這些關鍵詞和問題，讓 ChatGPT 為您提供相關信息。

ChatGPT 將通過自己的語言模型和搜索技術，提供有關該行業的各種資訊，如最新的行業趨勢、關鍵參與者、市場份額等等。

將 ChatGPT 提供的資訊組織起來，根據重要性和相關性進行分類和分 析。 這將説明您深入瞭解該行業的各個方面，找到該行業的主要挑戰和機會。

如果需要更深入的瞭解，您可以使用 ChatGPT 提供的建議和指引，繼續進行搜索，閱讀相關的報導、文章和研究報告。

總之，利用 ChatGPT 快速瞭解一個行業，最關鍵的是要有一個良好的搜索策略和組織能力，以便更有效地處理和分析 ChatGPT 提供的資訊。

可以看出，chatGPT面對這個問題跟我的看法是一致的，所以萬事俱備，開始搞起來。 我們以AI大模型行業作為示例，去討論這個話題。

Q2: 請為 AI 大模型行業，梳理 50 個關鍵詞，以説明我了解這個行業。

以下是 AI 大模型行業的50個關鍵詞，可以説明您了解該行業的各個方面：

人工智慧（Artificial Intelligence，AI）

大模型（Large Model）

深度學習（Deep Learning）

自然語言處理（Natural Language Processing，NLP）

計算機視覺（Computer Vision）

機器學習（Machine Learning）

神經網路（Neural Network）

卷積神經網路（Convolutional Neural Network，CNN）

迴圈神經網路（Recurrent Neural Network，RNN）

生成對抗網路（Generative Adversarial Network，GAN）

強化學習（Reinforcement Learning）

模型優化（Model Optimization）

模型壓縮（Model Compression）

模型加速（Model Acceleration）

模型剪枝（Model Pruning）

模型量化（Model Quantization）

自監督學習（Self-Supervised Learning）

半監督學習（Semi-Supervised Learning）

弱監督學習（Weakly Supervised Learning）

零樣本學習（Zero-Shot Learning）

遷移學習（Transfer Learning）

神經架構搜索（Neural Architecture Search，NAS）

模型自動化（Model Automation）

模型解釋（Model Interpretation）

模型部署（Model Deployment）

雲端AI（Cloud AI）

分散式訓練（Distributed Training）

端到端（End-to-End）

語音辨識（Speech Recognition）

語音合成（Speech Synthesis）

人臉識別（Face Recognition）

視頻分析（Video Analysis）

聊天機器人（Chatbot）

推薦系統（Recommendation System）

....（數量太多了先隱去，後面表格會展示）

看到上面的關鍵詞後你會發現，雖然提供了很多的關鍵詞（經過驗證50個關鍵詞依然可以獲得有效資訊，不需要100個關鍵詞），但是羅列在一起並沒有什麼邏輯，我們需要“建立關聯”。

Q3:請按照一定的分類邏輯將這些關鍵詞進行分類，以表格的方式輸出，方便我了解這個行業。

好的，以下是按照邏輯分類后的表格，供您參考：這些分類可以説明您更好地理解 AI 大模型行業的不同方面和應用領域。

需要注意的是，這些分類並不是絕對的，某些關鍵詞可能會同時屬於多個分類。（很嚴謹）

現在，關鍵詞之前開始變得有聯繫和邏輯關係了，但是那些關鍵詞有更高的優先順序，他們之前的從屬關係如何界定，還需要進一步挖掘。

Q4:出於 學習一個行業的目的， 將這些關鍵詞梳理出二級分類，按照優先順序進行排序，表格可以輸出為四列：

（數量太多，表格內容僅做節選）

現在對於關鍵詞的資訊挖掘已經基本完善了，關鍵詞與關鍵詞之間已經建立了橫向的概念連接。

下面，我們從縱向連接的思路，去按照產業鏈上下游聯繫的角度去進一步完善我們的行業認知。

Q5: 請以表格的方式為我梳理，AI大模型行業的產業鏈上下游構成及組織關係

Q6: 以ASCII圖的方式（ 寫好ChatGPT提示詞的10個技巧 ），為我繪製AI大模型行業的主要發展階段：

AI大模型行業的發展可以大致分為以下幾個階段：

研究階段（2010年前）：在這個階段，研究人員主要是為了深入理解人工智慧和機器學習領域的知識，大量的研究成果為後續應用奠了基礎。

應用落地階段（2010-2017年）：在這個階段，大量的應用地並且呈現出爆髮式增長。從搜索、推薦演算法，到語音辨識、自然語言處理，在智慧醫療、智慧城市、金融、電商等各個領域都有不同程度的應用。

大模型發展階段（2018年至今）：這個階段出現了 Transformer 模型，BERT模型、GPT模型等預訓練模型，實現了大幅度提升模型的效果。

這個階段，大模型憑藉著自身的性能優勢，以及各種新的技術手段，在自然語言處理、計算機視覺、語音處理等領域取得了顯著的應用成果，其中自然語言處理和計算機視覺領域的發展尤為突出。

到這裡，我們放鬆一下，看看chatGPT能不能基於上面所有的行業研究分析內容，為我們提供一些投資建議。

Q7: 我目前有 20 萬的啟動資金，你任何如何基於上面的表格，對我的資金進行投資建議，提供投資的市場區隔即可

基於上面的表格，您可以考慮將資金投資於以下幾個市場區隔：

圖像處理：這是一個優先順序較高的市場區隔，涉及到的應用場景廣泛，包括醫療影像分析、安防監控、自動駕駛等。您可以考慮投資於提供圖像處理技術的初創公司，或者投資於大型科技公司，如谷歌、亞馬遜等，這些公司擁有大量的圖像數據和專業的技術團隊。

自動駕駛技術：這是一個具有前景的市場區隔，尤其是在未來的幾年中，隨著自動駕駛技術的成熟，市場規模將不斷擴大。您可以投資於自動駕駛技術領域的初創公司，如 Cruise、Aurora 等，或者投資於傳統汽車製造商，如特斯拉、福特等。

推薦演算法：這是一個相對穩定的市場區隔，尤其是在電商、媒體、社交等領域應用廣泛。您可以考慮投資於推薦演算法技術領域的初創公司，如 Pinterest、TikTok 等，或者投資於大型科技公司，如騰訊、阿裡巴巴等。

智慧城市管理：這是一個具有前景的市場區隔，尤其是在城市化進程不斷加速的情況下，市場規模將不斷擴大。您可以投資於智慧城市管理領域的初創公司，如華夏幸福、融創中國等，或者投資於提供智慧城市解決方案的大型科技公司，如華為、中興等。

請注意，這些投資建議僅供參考，您應該根據自己的投資風格、風險承受能力等因素，仔細考慮並進行風險評估，以做出明智的投資決策。

最後，我們再向chatGPT請教基本關於AI大模型行業學習的幾本經典書籍，驗證我們最開始提到的麥肯錫行業研究三步法。

請注意，為了避免AI眩暈時刻，請一定要強調引用真實數據。

Q8: 出於學習的目的，請基於上面的表格，請為我針對不同的分類推薦一本書，請注意引用真實數據

以下是我為您推薦的書籍：

自然語言處理領域：《自然語言處理綜論》（Speech and Language Processing），這本書由 Richard Sproat, Daniel Jurafsky 和 James H. Martin 三位作者共同編寫，介紹了自然語言處理的基本概念和技術。該書的第3版已於2021年出版，包含了最新的研究成果和應用案例。

人工智慧演算法領域：《機器學習》（Machine Learning），這本書由 Tom M. Mitchell 編寫，介紹了機器學習的基本原理和演算法。該書已成為機器學習領域的經典教材，被廣泛應用於學術研究和工業應用。

計算機視覺領域：《計算機視覺：演算法與應用》（Computer Vision: Algorithms and Applications），這本書由 Richard Szeliski 編寫，介紹了計算機視覺的基本原理和技術。該書已成為計算機視覺領域的經典教材，包含了大量的實驗案例和代碼示例。

數據挖掘領域：《數據挖掘：概念與技術》（Data Mining: Concepts and Techniques），這本書由 Jiawei Han, Micheline Kamber 和 Jian Pei 三位作者共同編寫，介紹了數據挖掘的基本概念和技術。該書已成為數據挖掘領域的經典教材，包含了大量的數據挖掘演算法和應用案例。

以上書籍均為經典教材，被廣泛應用於學術研究和工業應用，推薦閱讀。

到這裡，利用chatGPT作為工具去瞭解一個行業的方法就介紹完了。