　　2022年11月30日，美国人工智能公司OpenAI发布了一个新的通用语言模型ChatGPT。在接下来的一个多星期里，ChatGPT在整个互联网掀起了讨论热潮。模型发布不到一个星期，便有超过一百万的用户从官方渠道注册使用了ChatGPT。截至目前，国内也有许多互联网用户使用多种渠道将其接入中文互联网平台，方便更多网民使用和尝试这一模型。

　　ChatGPT，是OpenAI公司在其语言模型GPT-3.5上进一步训练开发得到的，顾名思义，其拥有了更好地Chat，即进行语言对话的能力。简单来说，我们可以将其理解为一个聊天机器人，你能够隔着屏幕，与ChatGPT像聊天一样进行对话。值得一提的是，ChatGPT是一个离线模型，也就是说，它不能够实时访问互联网搜索资讯，它针对每一个问题的回答是基于它背后的模型经过事先训练学到的知识。由于ChatGPT在训练过程中学习了几乎互联网上的所有资讯，它知识面特别广泛，拥有非常好的问答的能力，甚至还能够写出一些程序代码，可以说功能非常强大。

　　这几日，在各种自媒体平台上，已经有许多人尝试与ChatGPT进行了对话，对话的尝试包括基础的问答、写诗、写程序等，ChatGPT都交出了不错的答卷。而身为暖通背景的科技爱好者，我们自然很好奇，ChatGPT到底对暖通学科的知识掌握得如何？

一场关于暖通知识的测试

　　为了直观地了解ChatGPT对暖通知识的掌握程度，我们设计了一场测试，分为三道考题，分别对应考察ChatGPT在作为暖通学习者、设计工程师、能耗模拟方向科研人员时具有的知识面。测试的内容涵盖了一些暖通基本知识，和一些基于暖通知识的基本推理问答（即思考题），涉及系统设计、查找规范、能耗模拟、能耗预测等场景。同时，我们还尝试考察了其程序代码的输出能力等。

　　需要特别说明的是，由于OpenAI公司是美国的公司，其模型的规范语言为英语。我们首先尝试用英语及中文与其对同一个问题进行问答，结果发现，其回答问题的答案在答复内容及段落结构上基本一致，故我们认为提问语言并不会影响其回答问题的内容及涵义。在这场测试中，我们使用中文为主要的问答语言。同时，我们对ChatGPT模型的测试过程更像是日常的交流对话。在对话过程中，我们对一些英文专有名词（如EnergyPlus、ASHRAE 55-92、Python等）的表述并没有严格遵循大小写规范。同时在询问一些语句时，我们虽然使用疑问语气，但并未以标点符号作结。在这样的情况下，ChatGPT的回答也将体现其捕捉不准确信息的能力和进行对话的能力。

　　那么ChatGPT这个语言模型，在这场考试中表现如何呢？

考题1：传热现象和热湿过程

　　我们首先简单描述了一个日常生活中的传热现象，让ChatGPT使用传热学进行分析。

　　ChatGPT基本上条理清晰地完成了这一传热现象的分析，分析过程也基本正确。

　　关于热湿过程，我们首先关注了ChatGPT对热湿过程理解与基础的比较和分析。我们询问ChatGPT是否了解等焓加湿过程，是否能够回答出在实际设备中发生的热湿过程及其条件，以及是否能列举出某个热湿过程实际设备应用实例。

　　从上面的问答可以看出，ChatGPT对所问到的热湿概念的理解基本正确，能够对空调设备中发生的热湿过程进行分析，而且还能给出具体热湿过程的实际设备应用实例。但部分表述会存在一些错误，例如，它可以判断出流经表冷器后水分会冷凝，但无法正确表述出空气上升的相对湿度和下降的含湿量。

　　但对热湿过程的考察显然还不够尽兴，我们继续考察其能否对关于焓湿图的概念以及一些拓展的延伸应用给出正确的答案。

　　到这里，我们已经可以看出ChatGPT能够正确回答关于焓湿图概念及使用工具的问题，但在新的使用场景中，如当我们想使用编程语言，如Python，来编程绘制焓湿图，ChatGPT能否提供相关的方法和程序代码呢？

　　我们询问了ChatGPT，我们可以如何在Python中实现绘制焓湿图。ChatGPT给出了使用psychrolib及Pandas两套方案的完整代码，代码是正确的、可运行的，且注释完整。

　　除了出色的程序代码输出能力之外，ChatGPT还能够完成简单的计算思考题。我们询问了将2kg温度为100℃的蒸汽喷入20℃空气中这一热湿过程空气的热湿比，ChatGPT给出了正确的答复。

考题2：空调系统设计

　　由于空调系统设计是一项系统性强且环节众多的任务，我们在这里重点考察了其在两个环节上的能力。一个是在实际设计实践中广泛存在的规范查找问题，而另一个是更为具体的末端设计问题。

　　在主流的中文教科书中，常常引用ASHRAE55-92对房间内垂直温差的描述。我们询问了ChatGPT是否知道这一温差。

　　由于ASHRAE55-92已经废止，ChatGPT查到了ASHRAE55的现行版本ASHRAE55-2017中关于房间内垂直温差的内容。在这一例子中，ChatGPT展现了其查找及比较同一规范不同版本的能力，同时可以准确给出截至2021年为止的现行版本的对应内容。

　　GB50063是我国在实践中非常常用的国家标准，ChatGPT在下面的问答中能够准确回答出GB50063包含的内容、现行版本、具体条款的数值内容。

　　问到此处，我们突发奇想，想问问日本对应GB50063的节能设计标准为哪一个，ChatGPT告诉我们，是《建筑节能法》，并给出了该标准中室内设定温度的具体数值。

　　具体到空调末端设计的场景，我们给了ChatGPT一个简单的案例，首先需要它估算负荷，看它是否具备设计经验。

　　它无法给出具体的经验数值，并会提示我们咨询专业人员。但可以给出冷负荷计算软件建议。接着，我们询问了它是否能够对这个空间进行气流组织设计。

　　或许由于问题对它来说比较空泛，它的回答也比较空泛，甚至可以称之为“废话文学”。同时，“送风-回风”这一气流组织形式是不正确的概念。但是，如果提问更详细的问题，比如送风温度，某一个风口是否适合使用，它能进一步给出一些建议，但在一些概念上与我们常用的概念有偏差，如它在回答中提到的立体风口和水平风口。

考题3：能耗模拟专业软件使用

　　EnergyPlus是主流的建筑能耗模拟软件之一，其使用时所需设定的参数较多，有一定的学习门槛。我们以这个软件为例考察了ChatGPT的掌握情况。

　　首先，我们询问了关于EnergyPlus软件的概念，并让ChatGPT给出了一些学习路径建议。

　　同时，由于几个主流的能耗模拟软件应用场景各有侧重点，比如TRNSYS软件更常用于太阳能应用，以及系统的控制模拟等场景，而EnergyPlus则更擅长于进行建筑的能耗模拟，那么如何在合适的场景给出合适的软件应用建议也是我们期待ChatGPT掌握的。通过问答我们了解到，ChatGPT掌握了这一知识。

　　随后我们给ChatGPT描述了一个简单的建筑案例，让ChatGPT告诉我们如何使用EnergyPlus来进行能耗模拟。ChatGPT一步一步地给出了建议，虽然不是非常完整，但基本正确。

　　我们有时需要使用Python来介入EnergyPlus的模拟过程，对于这一需求，我们询问了ChatGPT在修改空调系统、修改冷机等几个场景下应该如何编写程序，ChatGPT也能给出对应的建议和程序代码片段。同样地，这些代码片段注释良好。虽然并不一定完全符合使用需求，但是可以起到很好的帮助作用。

　　在现在的能耗相关研究中，经常会遇到拥有历史能耗数据，需要对未来能耗进行预测的场景，我们给ChatGPT提出了这个问题，ChatGPT毫不犹豫地给出了使用机器学习的建议，并提供了基础的使用随机森林，及使用简单的神经网络的Python代码。代码同样注释良好，并且正确。

ChatGPT表现小结

　　在上述测试中，我们围绕着三个考题与ChatGPT进行了对话，测试它对暖通知识的掌握情况。三个考题分别侧重考察ChatGPT在作为暖通学习者、设计工程师、能耗模拟方向科研人员时具有的知识面。

　　第一个考题，围绕着传热现象及热湿过程的分析，ChatGPT展现了其较为出色的准确回答概念的能力，以及一定的分析问题能力。在对问题进行分析的时候，它展现了一定的逻辑性，给出的回答语句是通顺的，但存在一定的错误。同时，它具有结合提问上下文来回答问题的能力，也就是说，它会记住你前面提出的问题。你可以对它回答中的一些细节进一步发问，引导它一步一步地深入分析和回答。

　　第二个考题，围绕空调系统设计中的标准查找问题和末端设计问题。ChatGPT在标准查找问题上展现了非常出色的能力！它不仅能够回答标准更新情况，还能回答标准条款内容，甚至可以跨越语言的障碍，帮助我们迅速定位到其他国家的相关标准。而在末端设计这一更依赖专家经验的问题上，ChatGPT的表现就比较一般了。它不能够给出很好的答案，但是会提示你询问专家的意见。但若我们更改提问方式，将设计问题细化成更具体的问题，比如询问是否可以使用某种风口，ChatGPT还是能够给出不一定完全正确但能给我们带来一定参考的回答。

　　第三个考题，围绕能耗模拟软件的应用及能耗预测问题。ChatGPT在对EnergyPlus软件的概念认识上是基本准确的，针对在具体案例上如何使用EnergyPlus软件，也可以给出基本正确但不全面的步骤建议和程序代码。在能耗预测问题上，ChatGPT也能给出一些简单初步的正确程序代码，而且这些代码都注释得很好，可以在一定程度上帮助到这个方向的学习者。

　　总的来说，ChatGPT的暖通知识掌握情况令人惊喜，它提供代码的能力更是可以用惊艳来形容。身为暖通学习者和从业人员的我们，可以至少将它当作一个知识问答引擎。同时，由于它具有出色的语言组织能力和对话语境能力，我们可以使用时，通过对话层层推进，深入提问，获取更准确的信息。当然，由于它的回答乍一看逻辑性很强，在使用时也要小心掉入它自信满满的片面答案甚至是错误答案陷阱。

　　需要特别指出的是，ChatGPT目前是用十分庞大的模型训练出来的，虽然官方并未给出其模型的参数数量，但其前身GPT-3具有1750亿个参数。而它的下一代引擎GPT-4据说将到达100万亿个参数。GPT-4的能力无法想象，也许达到专业暖通工程师的水平也未必可知。

注：本文行文较早，存在一定错漏，虽不影响原文最终结论，仍宜做勘误。1. 热湿比分析与标准答案的分析过程差距较大，ChatGPT在此例中虽然体现了一定的分析能力，但分析过程不准确；2. GB50063为输入错误，但ChatGPT结合聊天上下文（ASHARE标准）给出了涉及GB50189的相关答复，但现行及废止信息仍是GB50063的信息。这虽然体现了ChatGPT的回答能力，但原文的部分描述不正确。结合笔者成文后近两月的使用经验，可以补充得出：1. ChatGPT在热湿处理涉及的概念表述及推断中存在着比较普遍的不准确现象，这也是目前ChatGPT在许多使用相对不热门的概念进行推理时存在的问题。2. ChatGPT可以结合上下文理解不准确的问题，给出不完全准确的回答。综上，笔者认为依然需要持怀疑态度看待ChatGPT的回复，但ChatGPT所表现的能力也已经不容小觑。在使用ChatGPT时，宜使用准确的prompt（即描述准确的提问），并尽可能详细地补充描述需求，才能更好地发挥ChatGPT的能力。期待大家多多分享ChatGPT的使用体验及相关思考。

来源：建筑节能杂志社

上一篇制冷装置干燥过滤器安装使用要点说明

下一篇速冻机冻干仓速冻隧道冷库设备动图原理与说明

昵称：

验证码：

24小时服务热线

189-2886-0987

广东野田三立制冷科技有限公司

电话

地址

020-84011589

广州市番禺区石壁街石壁三村石陈横路9号广发百货对面

ChatGPT会不会取代暖通工程师？​

ChatGPT会不会取代暖通工程师？