2.关键词：ChatGPT；数值建模；自动编程；人工智能 （AI）；大型语言模型 （LLM）
3.摘要：
ChatGPT 最近成为大型语言模型 （LLM） 的代表，为我们的社会带来了进化变化，并且越来越多地报道了 ChatGPT 在各种应用中的有效性。本研究旨在探索在岩土工程领域采用由 ChatGPT 对对话提示的响应驱动的编程性能的潜力。测试实例包括渗流和边坡稳定性分析，以及部分饱和砂的X射线计算机断层图像的图像处理。对于每种情况，提示最初都是通过对问题属性（如几何、初始条件和边界条件）的叙述性解释来生成 MATLAB 代码，然后执行该代码以评估正确性和功能。任何错误和意外结果都会通过额外的提示进一步完善，直到达到正确的结果。ChatGPT 能够在相当高的水平上生成数字代码，当基于对给定问题的全面理解提供细致的提示时，表现出对精炼过程的可信意识。虽然 ChatGPT 可能无法取代整个编程过程，但它可以帮助最大限度地减少草率的语法错误，并协助设计逻辑编程的基本框架。
4.引言：
ChatGPT （OpenAI） 是一种基于 transformer 架构的最先进的大型语言模型 （LLM），可对给定的特定提示生成类似人类的文本响应。ChatGPT 接收对话提示，对其进行处理，然后生成相关的文本响应。虽然还有其他 LLM，例如 BERT 和 T5（Devlin 等人，2018 年，Raffel 等人，2020 年），但 ChatGPT 通过其对上下文的细致入微的理解、对各种查询的适应性以及生成连贯响应的模范能力而与众不同。出于这个原因，ChatGPT 开创了一个新的 AI 领域，并成为现代大型语言模型 （LLM） 可以实现并为我们的社会带来什么的代表。自 2019 年 11 月发布 GPT-2 完整模型以来，关于在各个领域实施 ChatGPT 的报道和讨论已经广泛，简要总结如表 1 所示。借助 ChatGPT，适用领域似乎迅速扩大，对其利弊、潜在风险和道德问题进行了讨论，而生成的响应的可信度和真实性尚未正式报告和公布。
对以往研究的回顾得出的结论是，进一步探索ChatGPT在数值建模中的潜在应用是值得的。因此，本研究旨在调查 ChatGPT 开发编程代码的能力，这是 ChatGPT 提供的最可靠的功能之一，用于解决众所周知的基本岩土工程问题，例如渗流和边坡稳定性。此外，还尝试了部分饱和沙子的X射线CT图像的图像处理。对于每个示例，都定义了给定问题的轮廓，并在逻辑上提示 ChatGPT 在 MATLAB 中派生编程代码。通过改进的提示反复检查结果，直到获得正确的结果。自动化编写编程代码的指定示例展示了集成 ChatGPT 在解决传统岩土工程问题方面的潜在应用。
5.主要研究内容：
应用场景：二维渗流分析、边坡稳定性分析、图像分割。
Fig. 1. Schematic illustrations of problematic scenarios in geotechnical engineering. (a) Two-dimensional seepage flow analysis around a sheet pile, (b) twodimensional slope stability analysis using the Fellenius slice method, and (c) phase segmentation of a partially saturated sand XCT image via image processing
Fig. 2. Problem-solving flow chart by employing ChatGPT for automated code generation
第1种情况：二维渗流分析
Fig. 4. A comparison between the flow net analyzed by the MATLAB code generated from ChatGPT through the 1st trial (a) and the benchmark result analyzed by the GeoStudio SEEP/W (b) under identical geometric and boundary conditions.
Fig. 6. Flow nets analyzed by the MATLAB codes generated from ChatGPT: (a) the 2nd trial and (b) the 3rd trial.
第2种情况：边坡稳定性分析
Fig. 10. Visualization of the FS calculation results for the potential failure surface using a heatmap, along with the depiction of the critical failure surface. Results obtained using (a) the MATLAB function created by ChatGPT and (b) the GeoStudio SLOPE/W. (Slope dimensions: h = 10 m, β = 40?, Soil properties: Ф = 35?, c = 12 kN/m2, γ = 17 kN/m3)
第3种情况：图像分割
Fig. 13. The trial prompts given to ChatGPT for generating a MATLAB code to perform phase segmentation (upper box), and the corresponding MATLAB code response received from ChatGPT (lower box).
6.研究结论：
- ChatGPT 能够从逻辑上建立一系列常见编程序列中需要的过程，包括变量和域的定义、控制方程的制定、迭代操作和收敛（如有必要）以及结果的可视化。
- 由于 ChatGPT 并不总是准确的，尤其是在复杂的数学问题或高级逻辑任务中，因此有必要识别和改进初始代码中生成不佳的部分，并明确描述额外的提示，直到产生预期的结果。
- ChatGPT的最终输出与商业软件的输出一致，验证了ChatGPT编程功能的性能。ChatGPT 最大限度地减少了手动编码中经常遇到的语法错误，这是非常有利的。
- 尽管如此，这项研究强调了人类专业知识在指导和完善 ChatGPT 在特定岩土工程问题中的使用的必要性。虽然 ChatGPT 为半自动化计算任务提供了一条很有前途的途径，但其有效性取决于用户提供详细和准确提示的能力。
7.展望：
研究结果强调，ChatGPT并非人类判断和专业知识的替代品，而是一种可以加快和简化编程过程的工具。用户必须具备对主题和编程原则的基础理解，才能有效利用ChatGPT。ChatGPT加速了但并未完全取代代码生成的复杂过程，需要人类监督来确保结果的准确性和相关性。
在上述研究中展示的借助 ChatGPT 进行的数字编码是生成式 AI 在工程、研究和教育领域广泛潜在应用的一个例子。预计该技术的功能将扩展到解决更复杂的工程问题，例如多过程耦合建模、设计任务和大数据分析。生成式人工智能的潜在应用及其在科学和工程领域的作用是我们社会应该共同讨论的问题。更广泛的社区应该参与讨论这些可能性，因为集体经验和知识将加强生成式人工智能在研究和教育中的应用。
