上知天文，下知地理;文能撰稿做作业，武能说“数”写代码；既是“传道受业解惑”的良师，又是陪聊解闷开怀的益友，还是提效节时省力的助手……传说中的“百晓生”来了，它的名字叫ChatGPT。      

　　如果要问近来最火的应用是什么，非ChatGPT莫属。这个由美国OpenAI公司研发的聊天机器人一经推出便迅速“蹿红”，上线仅2个月，全球用户数量已突破1亿，成为史上用户数增长最快的消费者应用。目前，ChatGPT已在编程、文本处理、客服服务等领域大显身手，并在互联网上火爆“出圈”。

　　ChatGPT及类似的强人工智能(AI)能为石油和化工等流程工业做些什么?《中国化工报》记者近日采访了石油和化工、数字化、AI等领域的专家和从业人士，并采访了ChatGPT“本人”。多位受访者认为，ChatGPT等强AI将给以石油和化工为代表的流程工业带来深刻变革。

　　ChatGPT会说“化”：侃侃而谈“心眼”多

　　ChatGPT是否了解“化工”这一概念呢?在旅居新加坡的数字化专家刘博士的帮助下，记者与ChatGPT进行了对话。

　　“是的，我了解化工这个概念。”ChatGPT回答道，“化工是指通过化学反应制造化学产品的工业。它是用化学原理制造和加工各种物质，如石油、天然气、矿物质、生物资源等，以生产化学品、材料、能源、药品等。它是一个广泛的领域，包括从基础研究到工业生产的各个方面。”

　　这个答案和搜索引擎给出的结果基本一致。随后，记者询问了聚氯乙烯(PVC)的主要生产工艺和应用现状、哪种PVC生产工艺更环保等问题，ChatGPT也回答得有板有眼。

　　记者还询问了它对中国石油和化工行业未来发展前景的看法。“作为一个AI模型，我不能预测未来，但可以根据目前的趋势和环境来评估未来发展前景。”ChatGPT的回答显得很“真诚”。

　　“中国石油和化工行业是国民经济的重要支柱，未来仍将保持较高增长态势。”ChatGPT表示，但未来也存在一些挑战，因此需要不断加强行业技术创新和环境管理，以确保可持续发展。

　　有意思的是，刘博士提醒记者，ChatGPT会表现出很强的“求生欲”。用不同语言问同样的问题，得到的答案可能有差异。

　　记者遂用英文提问同样的问题，它的答案则变成：中国石油和化工行业未来发展前景复杂，可能会受到一系列因素的影响，包括全球对石油和化学品的需求、其他国家的竞争、行业的技术进步和环境问题。它还强调，相关结论是基于经济发展趋势、人口变化、竞争、技术进步和政府法规等因素综合分析得出的。

　　ChatGPT来应聘：多才多艺前途广

　　假如ChatGPT“应聘”石油和化工行业，它能胜任哪些职位呢?

　　ChatGPT表示，它可用于数据分析和可视化、技术支持和知识管理，以及生成市场分析、行业研究、项目评估等方面的报告。经二次开发，它还可用于生产过程预测和优化、设备维护和故障诊断、化学反应预测、安全风险评估和危险品运输的路线规划等。它强调，随着AI技术的不断发展，未来它将有更多应用机会和空间。

　　山东大学预测性维护与智能控制中心副教授姜向远指出，在石化领域，ChatGPT等强AI可用于售后服务系统、培训系统、办公自动化系统、报表管理系统、生产监控系统等智能化要求高的应用场景。

　　对于ChatGPT的“求职”意向，多位专家也表示，ChatGPT有望在多个岗位发光发热。

　　一是为员工“讲课”。“就目前ChatGPT的功能看，它可以是一个非常庞大、具有专业知识体系的数据库，通过和员工的交互输出知识。”湖北三宁化工股份有限公司智能工厂推进办公室主任杨文华接受记者采访时表示，ChatGPT可作为大型知识数据库的搜索引擎，为工人“答疑解惑”。

　　中化信息技术有限公司专家委员会副主任、华东理工大学讲席教授冯恩波则认为，ChatGPT这类强AI的应用，将改变石化行业的知识转化模式。过去石化行业深度知识和经验的转化依靠师徒传授、培训讲解或文本刊发，速率较为缓慢。如果把技术知识和运行经验统合进大型行业数据库，再利用这些数据对强AI进行训练，形成开环辅助决策系统，做出“IndustryGPT”甚至“ChemGPT”，就可加速知识和经验的实用化，改善甚至扭转石化行业技术人员培养难度大、周期长的问题。“这就相当于每人手头都有了一个非常强大的实时咨询师，其知识来自行业专家结合实践总结的最优方案，因而非常准确。”冯恩波说。

　　二是给装置“下命令”。“运维和控制的优化，也是实现强AI与流程工业场景对接的重要研究方向。”冯恩波解释道，目前常用的智能控制算法还是基于分散控制系统(DCS)或可编程逻辑控制器(PLC)等传统框架，控制策略的编写和运行管理仍大幅依赖人工和经验，运用于高端材料制备等存在间歇过程的生产会导致产品质量稳定性较低。如果能突破相关技术，利用AI的机器学习能力来自动实时生成控制策略，将是流程工业控制方式的重大变革。

　　东华工程科技股份有限公司信息中心主任任申龙认为，类似ChatGPT的强AI能为石化行业控制方式带来改变，最明显的一点是它让人机沟通变得更简洁高效，能降低沟通成本。他举例说，当后期人工智能发展到一定程度时，可将某个生产过程的控制操作全部封装。比如实现一个工艺，操作1、2、3是路径a，操作1、2、4是路径b，封装之后操作人员只要告诉AI“走哪条路”，AI就会自动操作，这就省下了操作人员一次次告诉系统“该做什么”的时间。

　　“鉴于其能较为精准地理解和识别自然语言，相信ChatGPT等强AI的迅猛发展还将给工业机器人领域的发展带来变革性影响。”姜向远补充说。

　　三是帮企业“写代码”。根据测试，目前ChatGPT已能使用Python、Java、C++、JavaScript等编程语言编写简单程序。日志易产品副总裁饶琛琳向记者介绍了他的实践体会——ChatGPT的编程能力比“前辈”AI有了极大提升，在追加两次提示后修正了编程错误，并在记住用户需求的同时，将程序优化得更高效;ChatGPT的另一作用是辅助生成代码，在明确需求的情况下，函数级代码的生成效果极佳。

　　“我尝试让ChatGPT用Java写一段冒泡排序的代码，以及用C++写一段CAD上对矩形框实现交互偏移的代码，它都完美实现了，且代码毫无遗漏，所有注释包括变量命名都非常规范。”任申龙告诉记者，AI编程能取代程序员写代码“垒砖头”的过程，开发人员只需进行整体框架搭建，而无需进行繁琐的代码撰写。这一定程度降低了工业软件开发的门槛，从而降低了石化企业数字化转型的成本。

　　杨文华表示，ChatGPT的编程能力未来还可用于石化产品生产过程的建模。现在用于解决石化生产装置问题的专业建模存在软件费用较高、专业性较强等缺点。如果能通过强AI技术将建模和软件开发面向非专业人员，将会引起石化行业数字化转型翻天覆地的变化，产生非常大的效益。

　　四是用于工业数字孪生的建模和设计。AVEVA剑维软件中国区售前技术总监曹科表示，以流程工业为例，工程的建模和设计均是基于行业标准和设计规则，并结合项目工程建设地点的地理情况进行的计算机辅助模拟与布置计算。这些计算与AI技术相结合，有助于提高工程设计的效率和质量，降低数字化交付、工厂数字孪生推广和应用的成本。未来ChatGPT或类似的AI可帮助企业快速设计出可扩展的数字模型，减少企业对IT设备的需求，也可帮助企业实施数字化规划，提高工厂数字化改造效率。

　　ChatGPT需成长：“入职”化工待培训

　　ChatGPT现在“入职”石油和化工企业行不行?

　　记者把问题抛给ChatGPT“本人”。它表示，其答案并不总是正确，要注意评估和验证；其语言表达中可能存在语法、拼写等错误;受技术和算法的限制，它仅能回答部分问题，不能解决所有问题。

　　多位专家也表示，ChatGPT目前的“知识面”更倾向于通识性，专业性不足。它在回答专业细分领域问题时深度不够，且缺乏对具体应用案例的展开。

　　“具体到生产环节，ChatGPT要在传统工业领域尤其是在石化领域有所作为，还有很长的路要走。”姜向远表示，主要瓶颈有三方面。

　　第一，以连续制造过程为主的石油和化工等工业生产过程，具有高实时性、高安全性的要求，一旦出现异常，可能带来灾难性后果。因此，这些生产环节的工业大数据往往是大量容易引起过拟合的时间序列，对诸如ChatGPT等强AI的生成没有帮助，即缺少ChatGPT“孕育”的母体。

　　第二，现有生产环节的控制系统是PLC、微控制单元(MCU)等边缘计算设备，算力低，不足以支持ChatGPT等强AI运行，且这些设备短期内难以见到替换的可能，即缺少ChatGPT“成长”的土壤。

　　第三，现有生产环节乃至整个传统工业领域，仍青睐既有的工艺经验和自动化手段，毕竟这些技术被实践检验过。考虑到ChatGPT改造升级的成本和巨大的不确定性，企业在短期内难有试用ChatGPT的较强动力，即缺少ChatGPT“成材”的大环境。

　　姜向远表示，ChatGPT要实现在传统工业领域的应用，应围绕上述3方面对症下药：采集或生成真正有效的工业大数据，提高现有工业生产环节的算力，对传统行业加强市场教育并加大AI领域人、财、物的投入。

　　曹科认为，ChatGPT等AI在工业垂直领域应用的瓶颈主要在4方面。一是数据采集。目前虽自动化水平已发展到了较高阶段，5G网络应用也开始普及，但数据采集仍不全面、数据质量待提升。二是大数据处理的复杂性。三是AI算法的科学性。受数据采集、工业海量级实时数据算力和各种工况条件下的算法等因素制约，AI在科学性、严谨性上还需完善。四是安全性。流程工业对系统的稳定性和安全性要求比传统行业更严格，因此系统实施难度及安全性也是制约因素。

　　此外，多位专家强调了训练数据的重要性。国内AI领域专家王虎表示：“作为一种语言模型，ChatGPT成功的基础在于海量的训练数据。由于互联网技术高速发展，各种各样近乎全量的语言对话、知识问答已通过信息技术完成数字化和结构化，并可在网络上公开访问。在庞大训练数据的基础上，ChatGPT的复杂模型和算力才能发挥作用。”

　　据悉，ChatGPT之前的模型算法GPT-3就使用了1750亿参数进行训练，ChatGPT不仅使用了更多参数，还嵌入了人类反馈强化学习及人工监督微调，才具备了理解上下文、连接关系等诸多先进特征，能在多种场景进行应用。

　　任申龙告诉记者，训练能在石化领域应用的强AI，也需足够多的使用量。用户不断使用AI检索相关知识，AI则将用户提出的问题进行分类汇总，逐步扩充数据库并进行更加深度的自主学习，从而“越用越聪明”，最终实现实时答疑、智能分析等功能。

　　ChatGPT存隐忧：网络安全须监管

　　去年下半年走红的AI绘画已引起艺术界对于数据隐私和作品版权的重视，此次ChatGPT的出现更引发各行各业对内容抄袭和网络数据安全的担忧。对此，ChatGPT“本人”提醒：在使用时要注意数据隐私，避免披露敏感信息。

　　“强AI的应用，可能涉及信息安全法的相关问题。例如允不允许AI收集用户企业问的问题，并作为知识资产存到自己的知识库中，再把这些知识共享给别的企业?”谈及AI应用的安全性，任申龙表示，数据越开放，AI肯定会越智能，但实现开放的过程中会有很多问题需要解决。

　　另外，强AI的应用使软件开发和代码编写成本降低的同时，也降低了黑客实施网络攻击的难度。有研究人员指出，黑客已设计出一种绕过限制的方法，利用ChatGPT来创建、销售恶意软件以及发布“钓鱼”电子邮件。

　　冯恩波建议，石化行业要保障强AI应用安全，可建设行业内部云，将AI与互联网保持在相对隔离的状态，只作为一个领域或一个行业的内网运营，以保证AI“不泄密”。

　　“目前主要问题有两个，一是如何保证AI数据库知识来源的合规性、完备性和正确性；二是如何建立一个能保密、够安全的网络来承载AI。”冯恩波说，“如果能把这两个问题解决，强AI与石化应用场景的对接就指日可待了。”

　　○业界观点

ChatGPT岗前培训

　　中化信息技术有限公司专家委员会副主任冯恩波：

　　目前我国已成为世界上规模最庞大的流程制造业大国，且化工行业门类齐全、应用场景丰富，有大量的数据积累可用于强AI训练。但是，构建专业数据库是AI垂直应用于流程工业的“拦路虎”。将企业过去积累的知识和经验汇总整合需大量人工，不是一家企业或组织能完成的事情，需行业头部企业与相关政府部门联合起来，从行业层面推广。

　　国内AI领域专家王虎：

　　工业大数据领域如故障诊断等场景已有大量AI模型的应用。不过相比之下，目前工业大数据的样本量比较单一，针对的多是特殊场景和特殊设备，不同场景和不同设备的数据难以汇集，这使得模型适应范围比较单一。如果要训练AI处理工业大数据，数据收集是第一步要做的。

　　新加坡IT公司Vision Reactor创始人、CEO宋瑛：

　　目前ChatGPT还做不到开发复杂工程。这不是AI技术不达标，而是没做这种方向的优化或定制化。只要做好一个工程管理工具(这也可由ChatGPT做)，每个ChatGPT会话只开发一个功能，开发和管理复杂工程完全能实现。按目前研发人员配置看，仍需人工的角色是架构师+项目经理+测试经理+导师(主程序员，负责训练AI)，其他所有低阶测试员、编码员都不必保留。

       ○链接

　　什么是ChatGPT

　　ChatGPT是由美国OpenAI公司2022年11月30日发布的聊天机器人，是一种专注于对话生成的语言模型，可用于生成文章、代码、机器翻译、问答等各类内容。

　　ChatGPT这个名字是由“Chat”和“生成型预训练变换模型”(Generative Pretrained Transformer)的英文缩写(即GPT)组合而成。该模型是一种自然语言处理(NLP)程序，使用多层变换器来预测下一个单词的概率分布，通过训练在大型文本语料库上学习到的语言模式来生成自然语言文本。同时，ChatGPT也将用户反馈纳入训练过程，能够更好地使模型输出与用户意图保持一致。