GPT-4：我不是来砸你饭碗的，我是来砸锅的

看了GPT-4官方的演示，涵盖了方方面面，不禁让人感慨，AGI（Artificial general intelligence，通用人工智能）真的要来了？

以往主流人工智能的研究方向专注于某一领域（例如计算机视觉，语音输入等），而通用人工智能则是人工智能的大一统。

例如上图GPT-4能“看到” 行驶的出租车，“看到”男子用熨斗在熨衣服，这属于计算机视觉的范畴。

AI研究的细分领域不存在了？？

（本文纯属虚构，如有雷同，说明AGI时代已经到来了）

小李是某公司资深开发人员，项目主管，精通Python，OpenCV人脸识别技术，在公司做过多个项目。

一天，老板来了任务。

3天时间做一个口罩识别系统并上线，对于小李来说不是什么大问题，因为小李的团队一直从事计算机视觉这方面的项目，轻车熟路。

接下任务后，小李马上就开始安排工作了，安排组员小王去整理收集图片；安排组员小张去部署环境，采购主机显示摄像头音响等，部署一台测试环境，一台生产环境；安排组员小黄写客户文档；而自己开始着手OpenCV模型训练和识别的相关代码。

一会海量包含人物图片的就绪，小李先用OpenCV自带的分类器进行简单分类。

经过OpenCV分类器分类后得到的是人脸的灰度图片，大概有几万张。这些图片需要进行分拣，分拣出戴口罩和不戴口罩的脸，去掉其他不包含脸的图片，这样训练出来的模型才能更准确。小李和组员一起花了一天时间选出了戴口罩的图和不戴口罩的图，分别存放到了POS（正样本）和NEG（负样本）目录，并把其他不是人脸的干扰图片去掉了。

区分这个工作很费时，处理下来全组人员个个腰酸背疼，老板还很贴心的给每人发了一瓶日本进口的眼药水，说是能缓解眼疲劳。

剩下来的工作就简单了，小李处理了正样本（戴口罩的脸）和负样本（不戴口罩的脸），批量处理了图片大小，文件名等，得到了模型训练所需的样本。

一切就绪，小李运行opencv_traincascade训练这两个文件夹的图片。

大约过了几十分钟，得到了分类器文件cascade.xml，到这里工作就完成了一大半了。接着编写测试代码，加载分类器文件，通过摄像头获取人像，都很简单，不一会儿测试系统跑通。

测试代码

第二天和第三天，小李拿出祖传代码，这些代码包含用户界面功能，语音报警等，一阵复制粘贴，继承复用。

项目如期交付，运行完美，团队获得市防疫指挥中心表彰，每人都获得了奖金。

。。。。。。

后来老板又有个眼镜店识别戴没戴眼镜顾客的项目，如法炮制，完美交付。直到有一天。。。

小李和小李的组员一起失业了。。。

然而这还没完，一天，小李刷到老板朋友圈

看完后，小李感慨良多，反手给老板点了个赞。