之前有泛泛的跟ChatGPT聊过数据库未来发展方向，数据库的优化工作是否可以有AI替代人类完成。 —— 这次我想问的再深入和专业一些。同时，我也用英文提问了。我希望英文给它的训练能给我更好的答案。
我先抛出了一个问题，SQL Server是否可以将普通表转换成分区表。
回答的算是中规中矩，说无法直接转成分区表，需要新建+select into导入。
我想试试ChatGPT是否会知道SQL Server创建分区表的语法（因为各个数据库创建分区表语法都不一样，oracle可以直接创建，而SQL Server需要创建分区函数（function）和分区架构（schema）），没想到ChatGPT轻松的把语句级的例子写出来了，这应该是它的强项。
既然能写SQL Server，再试试它对Oracle的了解程度。它也是能很轻松的举例出来。但是这最简单的分区改造方式，不符合我的要求。
我给了它一个场景假设，如果数据是在不断变动的，那么要怎么做分区表。它给了几种方式，还可以，它的第一种方案就提到了在线重定义。
我对它说的用外部表的方式（第2种方法），不是很理解。让它详细解释一下，没想到是把内部表转成外部表，然后再创建分区表，然后把外部表的数据insert到分区表。这种方式，估计是错误的。因为第一内部表是个不断变化的表，数据非静止；第二外部表转内部表，这应该是Hive的思路，不是oracle的方法。如果不是对各种数据库有一定的了解，估计在这里会掉坑。
然后我继续问，既然Oracle有在线重定义，SQL Server是否也有类似的功能？答复是没有的，但是SQL Server有alter table switch to的方式（这类似Oracle分区交换）。而且它还给出了例子。
我再继续追问，如果数据一直是变化的，alter table switch to这个方法，用起来会有什么风险？ChatGPT说这可能会导致数据不一致或者丢数据，并且提供了一个采用staging table的方法。（但是这个方法也是错误的。）
好了，聊了这么久，我想让它归纳一下，SQL Server把普通表转成分区表的switch to的方法，需要走几步？
然后，感觉ChatGPT的回答还是不够完整，缺少了对相关对象的思考，通常DBA都会思考相关对象，比如约束、触发器等等。我在这里提醒了一下它如何处理约束。
最后，我对它说switch to之后对表，为什么对原表的修改能反应到分区表上去。它说明了理由和给了一个例子。从这个例子，我的理解是：当switch to进去之后的原普通表，只是作为分区表中的一个物理文件，这个时候如果修改原普通表，是会影响分区表的。它类似postgresql数据库的分区attach一样，附加上去的。
我在群里分享了上述的测试结果，这时大神提醒，ChatGPT对oracle的在线分区方式说的不完整，在oracle 12.2之后，我们是可以用alter table modify来直接修改普通表为分区表的。—— 所以我再把这个问题，问了一下ChatGPT，是不是可以直接用alter table modify来修改？它回答我，这是不可能的。
这个时候，它说不可能的，这是一个错误。让我们来纠正它一下。我强调在12.2是可以这么做。它貌似意识到了自己的问题，道歉了，而且还主动说在12.2以及后续的版本，是可以直接alter table modify的。
我再次跟它说了一次12.2之后（强调了since 12.2），是可以直接alter table modify的。它认可了。
过了几个小时之后，我再次去问它，oracle 12.2把普通表改成分区表，不停机，可以有几种方法。它说出了4种，也包括之前纠正训练的一种。它已经学会记下了。
最后，我又问了，如果是oracle 19c，要把普通表改成分区表，不停机，有几种方式。它的回答是和12.2一样的四种。—— 看来它是能理解19c是12.2之后的版本。
好了，测试到了这里，你可能会有各种感慨，比如它对自然语言的理解和回应，它对各种数据库的理解和举例，它给出的正确或者错误的方案，它的学习能力，它的推理能力。那么，它是怎么学会这些本领的。
我后续还问它ChatGPT中的2个英文单词的概念，通过问答，我大致理解了它是怎么变的“聪明”的。
也就是说，它是通过采集大量的（数以百万计）的真实世界的文本，进行训练，生成了patterns（模型，或者叫重复模式），然后根据使用者抛出的问题、或者假设的不同的场景（也就是prompt），给出对应的答案，（当然，实际的AI训练和使用，还有很多概念，比如Pre-Training、Fine-tunning、Context-aware、Tokenization、Contextual Analysis、Probabilistic Recognition、Byte-Pair Encoding…… 这里就不展开了）。并且在这个问答的过程，也是一个强化pattern的过程。
我的感觉，整体上来说，ChatGPT以非常人性化的沟通方式，与我们进行交流、给出答复。
他有一定的知识储备，是基于大量的文本输入，建立的模型。但是这里有个前提是有可能这些输入的信息是错误的，从而导致ChatGPT给出的回答是错误的。
而且还有一个关键的问题，就是ChatGPT在给出答复的时候，会非常有自信的给出答案，属于那种“自信心爆棚的一本正经的胡说八道”。
这对于我们使用者来说，如果没有足够警惕+怀疑精神，如果没有进一步的调查验证，往往会导致意外和问题。
One more thing，再放个图。Stateof.ai 每年都会出一份 AI 全行业的分析报告，包括了科研进展、行业数据、政策、安全以及发展预测。这个图是2022的这份最新报告中提到了中美在AI领域的差异。
原文链接，报告下载地址