


Wo liegt hinter der Popularität von ChatGPT die zukünftige Richtung der Entwicklung künstlicher Intelligenz?
Dieser Artikel stammt aus dem öffentlichen WeChat-Konto „Leben im Informationszeitalter“. Der Autor lebt im Informationszeitalter. Um diesen Artikel erneut zu drucken, wenden Sie sich bitte an das öffentliche Konto „Living in the Information Age“.
In den letzten Tagen ist ChatGPT, ein von OpenAI entwickelter Konversations- und Chat-Roboter, das heißeste Ding im Bereich der künstlichen Intelligenz.
ChatGPT ist ein umfangreiches vorab trainiertes Sprachmodell, das in Gesprächen menschenähnliche Textantworten generieren kann. Sein Algorithmus basiert auf der beliebtesten Transformer-Architektur, einem tiefen neuronalen Netzwerk, das einen Selbstaufmerksamkeitsmechanismus zur Verarbeitung von Eingabedaten nutzt. Es wird häufig bei verschiedenen Aufgaben zur Verarbeitung natürlicher Sprache verwendet. ChatGPT wird auf der Grundlage einer großen Menge an Textdialogdatensätzen trainiert und nutzt einen Selbstaufmerksamkeitsmechanismus, um die Muster und Strukturen eines menschenähnlichen Dialogs zu erlernen. Dadurch kommt seine Antwort der einer realen Person sehr nahe. Manche Leute glauben sogar, dass ChatGPT Suchmaschinen vollständig ersetzen kann.
In Zhihu veröffentlichte der populärwissenschaftliche Artikel des Autors DeFi „Popular Science: What is ChatGPT?“ 》, ChatGPT wird eingeführt. Wie im Bild gezeigt:
Aber am Ende des Artikels gab der Autor jedem ein Osterei, was darauf hindeutet, dass der Artikel selbst von ChatGPT selbst geschrieben wurde. Im Abschnitt „Einführung in ChatGPT“ im Bild oben fragt der Autor beispielsweise ChatGPT: Was ist ChatGPT? Die Antworten, die ich später erhielt, waren ähnlich wie im Abschnitt „Algorithmus“ die Antworten, die der Autor erhielt, nachdem er gefragt hatte: „Was ist der Algorithmus hinter ChatGPT?“
Aus dem Artikel können wir ersehen, dass es in der Antwort von ChatGPT in diesem Szenario fast schwierig ist zu erkennen, ob es sich um einen Roboter handelt, der antwortet. Es ist kein Wunder, dass viele Menschen von seiner Leistung begeistert sind.
Allerdings ist eine andere Gruppe von Menschen mit der Leistung von ChatGPT nicht zufrieden. Beispielsweise hat die bekannte Programmierer-Community Stackoverflow am 4. Dezember eine vorübergehende Regelung erlassen: Es ist verboten, von ChatGPT generierte Inhalte zur Beantwortung von Fragen auf Stackoverflow zu verwenden. Der Grund dafür ist, dass die Genauigkeitsrate der generierten Inhalte sehr niedrig ist und diese fadenscheinigen Inhalte schädlich für die gesamte Website und für Benutzer sind, die nach richtigen Antworten suchen. Das Hauptproblem besteht darin, dass viele Menschen ChatGPT in den letzten Tagen zur Beantwortung von Fragen anderer nutzen, da die Schwelle für die Nutzung von ChatGPT sehr niedrig ist. Aufgrund mangelnder Fachkenntnisse sind sie dazu jedoch nicht in der Lage Überprüfen Sie, ob die von ChatGPT generierten Antworten korrekt sind. Es wurden viele wertlose und sogar irreführende Antworten erstellt.
Einige andere versuchten es mit den Fragen einiger Grundschüler, aber die Antworten von ChatGPT waren nicht zufriedenstellend. Zum Beispiel:
Hinter den unbefriedigenden Antworten auf diese einfachen Fragen verbirgt sich unser tiefgreifendes Nachdenken über die Entwicklung auf dem Gebiet der künstlichen Intelligenz.
Im Bereich Deep Learning sagen Forscher oft: Wenn man die Daten bis zu einem gewissen Grad quält, werden sie alles gestehen.
Das ist eine Art Selbstironie. Der aktuelle Bereich der künstlichen Intelligenz beruht hauptsächlich auf einer großen Menge an Trainingsdaten, um Modelle zu trainieren. Der Erfolg eines Modells hängt eng mit der Menge an Trainingsdaten zusammen. Daraus ergibt sich unweigerlich die Frage: Was wäre, wenn ein Supermodell eines Tages, nachdem es mit dem größten Datensatz der Welt trainiert wurde, immer noch keine ausreichend guten Ergebnisse erzielen konnte? Schließlich müssen normale Menschen nicht alles Wissen der Welt erlernen, um über eigene Lern- und Urteilsfähigkeiten zu verfügen.
Und um noch einen Schritt weiter zu gehen: Werden die mit allen realen Daten trainierten Daten besser sein als das mit einigen realen Daten trainierte Modell? Bedenken Sie, dass einige reale Daten völlig entgegengesetzte Antworten auf dieselbe Frage haben. Genauso wie es immer verschiedene Leute gibt, die über das gleiche Thema streiten. Diese Trainingssätze haben zwangsläufig einen Einfluss auf die Trainingsergebnisse des neuronalen Netzwerks.
Vielleicht muss der wirkliche Durchbruch in der künstlichen Intelligenz auf einen Durchbruch in der Grundlagenforschung warten. Es ist, als hätten Maxwells Gleichungen die Menschen in die Ära der drahtlosen Signalübertragung geführt. In dem Raum, in dem wir Tag und Nacht miteinander auskommen, können tiefere Geheimnisse verborgen sein, die darauf warten, von anderen entdeckt zu werden.
Das obige ist der detaillierte Inhalt vonWo liegt hinter der Popularität von ChatGPT die zukünftige Richtung der Entwicklung künstlicher Intelligenz?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

DALL-E 3 wurde im September 2023 offiziell als deutlich verbessertes Modell gegenüber seinem Vorgänger eingeführt. Er gilt als einer der bisher besten KI-Bildgeneratoren und ist in der Lage, Bilder mit komplexen Details zu erstellen. Zum Start war es jedoch exklusiv

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

In der Welt der Front-End-Entwicklung ist VSCode mit seinen leistungsstarken Funktionen und seinem umfangreichen Plug-in-Ökosystem für unzählige Entwickler zum Werkzeug der Wahl geworden. In den letzten Jahren sind mit der rasanten Entwicklung der Technologie der künstlichen Intelligenz KI-Code-Assistenten auf VSCode entstanden, die die Codierungseffizienz der Entwickler erheblich verbessert haben. KI-Code-Assistenten auf VSCode sind wie Pilze nach einem Regen aus dem Boden geschossen und haben die Codierungseffizienz der Entwickler erheblich verbessert. Es nutzt Technologie der künstlichen Intelligenz, um Code intelligent zu analysieren und eine präzise Code-Vervollständigung, automatische Fehlerkorrektur, Grammatikprüfung und andere Funktionen bereitzustellen, wodurch Entwicklerfehler und mühsame manuelle Arbeit während des Codierungsprozesses erheblich reduziert werden. Heute werde ich 12 KI-Code-Assistenten für die Frontend-Entwicklung von VSCode empfehlen, die Sie bei Ihrer Programmierreise unterstützen.
