团队负责人徐会芳：作为一个语言模型，ChatGPT效果惊艳，对于人类自然语言的理解和处理表现得游刃有余。究其原因，一是技术方面，ChatGPT采用人类强化反馈学习（Reinforcement Learning from Human Feedback，RLHF）和基于上下文的提示学习技术，模型训练时将人类对算法结果实时反馈，同时模仿人类的提问直接输入模型。二是数据方面，模型预训练数据量达到45TB，学习了大量的文本和对话集合，认知能力得到显著提升。

徐会芳：人工智能会取代一部分创造性不高、创新性不强的工作，对于需要判断力、创造力等推理能力需求高的工作，人类和人工智能将共存协作。电力领域业务专业性强、复杂度高，单靠人工智能无法满足安全、精准的运行要求，借助强大的ChatGPT技术辅助电力业务应用是目前的研究趋势。

在电力营销领域，ChatGPT可用于创建能与客户进行对话的聊天机器人，将其用于客服智能问答应用，实现全天候不间断服务，解决客服中心运营资源短缺的难题。

在电力运检领域，ChatGPT可用于工单、工作票的文本自动生成。检修人员无需更改自己的表述习惯，由智能应用自动分析关键信息并自动生成表单，减轻检修人员的工作压力，提升记录、归档流程效率。同样，ChatGPT也可用于电力调度领域，服务智慧城市电网调度业务，辅助生成调度操作票。

徐会芳：ChatGPT属于认知智能领域的应用之一，将其在电力业务场景进行落地应用面临诸多挑战。在技术层面，ChatGPT依托模型GPT-3.5，其前身模型GPT-3训练数据量达45TB，总训练成本超过1200万美元，对数据量、算力要求极高，这是电力行业数据智能落地应用的首要难点。在应用层面，ChatGPT也有一定的局限。

由于训练数据有效性截至2021年，相较传统搜索引擎，其无法实时访问最新的事件进展。因此，要在电力行业推进该项技术落地，还需进一步布局具备国际领先水平的数据算力，推动电力乃至能源行业领域数据共享、互通。