人工智能的快速发展带来各类相关模型的数量爆炸性增长，选择的多样性使得应用者总能挑选出几样趁手的工具，但同时也带来了一大痛点，哪个模型是最好的呢? Visual ChatGPT 的核心板块"任务矩阵"(Task Matrix)就是想为客户自动选出适合解决任务的模型。诚如论文的作者指出的"TaskMatrix.AI 可以理解这些 API 并学习新的 API，然后根据用户说明推荐合适的API。作者举例中的用对话的形式帮助用户生成 PPT, 并根据要求不断修改，展示了 TaskMatrix.AI 方便之处，过程流畅，但实际上这里隐含了一个前提，即用户的问题非常明确，比如: "对于每家公司，让我们创建一张幻灯片来介绍它的创始人、位置、使命、产品、子公司" (Fig.6, 7)，在这样的情况下，TaskMatrix.AI 能给出准确的反应; 还有 Fig.3 的绘图任务，Fig.9 的智能家居场景也是如此。 ChatGPT3.5 以后的版本 AI 能够表现出很强的"推理能力"，这一能力本质是将自然语言中的'字'，'语义'，'句子'，'位置'，'段落' 等，经过大量的监督的无监督的"阅读学习"，在映射的高维空间中不断调整优化所形成的不断"进化"的模型，然后根据人们给出的问题或曰提示，"猜出"或称"推断出"后面的意思。通常情况下 AI有亮丽的表现，虽然不免夸夸其谈。但这带来 AI 另一大痛点，它不能对不清楚的问题进行反问。比如在用户提出这样的问题时:"你知道如何从头开始写一篇文章并提供给我一个解决方案大纲？ 我有几篇论文的截止日期。 我只有题目以及每个的一些要点。 最好在其中包含图像。"(Fig.4) TaskMatrix.AI 并没有提问"你的题目是什么?"，而是直接开聊。 AI 日新月异，各种模型为应对使用痛点而生，期待。 老师已先人一步用上ChatGPT4，它有反问或帮助用户捋清问题思路的能力了吗?