


Zhang Dongwei: Warum ist das Kompositionsniveau der großen KI-Modelle für die College-Aufnahmeprüfung nicht hoch?
Die Hochschulaufnahmeprüfung im Jahr 2023 wird noch außergewöhnlicher, da das heiße Thema in diesem Jahr nicht nur die Schwierigkeit des Aufsatzes zur Hochschulaufnahmeprüfung ist, sondern auch, weil es neue „Kandidaten“ gibt, nämlich große KI-Modelle aus dem Hauptfach Hersteller.
Das weltweit bekannteste große KI-Modell ist ChatGPT in den USA. Es verwendet eine interaktive Konversationsschnittstelle und reagiert auf vom Benutzer eingegebene Anweisungen auf ähnliche Weise wie die menschliche Kommunikation. Derzeit ist ChatGPT die am schnellsten wachsende Anwendung in der Geschichte.
Durch das große KI-Modell können Autoren Zitationsabruf und Formatanpassung, Dokumentlayout und Literaturzusammenfassung implementieren und schnell klare, grammatikalisch korrekte und gut strukturierte Texte generieren. Darüber hinaus können Autoren diese Tools verwenden, um ein Argument zu hinterfragen, Code zu schreiben, Sätze zu verbessern, über Artikeltitel nachzudenken und sogar Arbeiten zu bearbeiten und Korrektur zu lesen.
Was der Bildungsgemeinschaft Angst macht, ist, dass ChatGPT das bestehende System zum Schreiben von Aufsätzen beeinflusst hat. Schulen in vielen Ländern haben gezeigt, dass die über ChatGPT verfassten Aufsätze von Schülern äußerst hervorragende Ergebnisse erzielt haben und einige sogar den ersten Platz belegt haben. Infolgedessen wurde ChatGPT von mehreren namhaften Universitäten wie den Vereinigten Staaten und dem Vereinigten Königreich aus Campus-Netzwerken verbannt.
Wie wir alle wissen, unterscheidet sich das kulturelle Umfeld Chinas stark von dem anderer Länder. Dies ist auch ein „Lokalisierungsproblem“, das in der Internetbranche häufig angesprochen wird.
Kann das große KI-Modell also mit dem Aufsatz zur Hochschulaufnahmeprüfung 2023 konkurrieren?
Am 7. Juni nahm „Blue Whale Finance“ am Aufsatzwettbewerb für die Hochschulaufnahmeprüfung mit ChatGPT, Wen Xinyiyan und Tongyi Qianwen für den Aufsatz für die Hochschulaufnahmeprüfung 2023 teil. Den Ergebnissen nach zu urteilen, können die Ergebnisse nur als knapp bestanden angesehen werden.
Nicht nur Aufsätze zur Hochschulaufnahmeprüfung, sondern auch Aufsätze, die in anderen Szenarien geschrieben wurden, KI-Aufsätze mit großen Modellen werden schnell erkannt.
Dieser Grund ist genau derselbe wie das Thema, über das ich vor ein paar Tagen gesprochen habe, als wir im Haus von Lehrer Liu Ren getrunken und kommuniziert haben.
Jeder in der Branche weiß, dass Herr Liu Ren einst einer der bekanntesten Journalisten der chinesischen IT-Branche war und sich besonders gut darin verstand, Charaktergeschichten darzustellen.
Damals haben wir über den grundsätzlichen Unterschied zwischen „Profiautoren“ und „Laienautoren“ gesprochen.
Liu Ren sagte: Amateurautoren können gut über Dinge schreiben, die sie persönlich erlebt haben, während professionelle Schriftsteller gut über Dinge schreiben können, die sie nicht persönlich erlebt haben.
Was „gut“ und was „schlecht“ ist, ist die Frage, ob in den Artikel echte Gefühle eingeflossen sind.
Amateurautoren können wahre Gefühle nur durch ihre eigenen persönlichen Erfahrungen vermitteln.
Professionelle Autoren können ihre Werke auch realistischer und emotionaler gestalten, indem sie relevante Personen interviewen, Materialien recherchieren, Fälle verwenden, logisches Denken anwenden und Szenen reproduzieren.
Echte Gefühle sind Fähigkeiten, die große KI-Modelle derzeit nicht erreichen können.
Daher haben große KI-Modelle in Bezug auf wissenschaftliche Arbeiten Klassiker, strenge Logik und genaue Formulierungen zitiert und die meisten Menschen übertroffen.
In Bezug auf das Schreiben von Kompositionen ist es jedoch nicht einfach, menschliche Emotionen zu verstehen, geschweige denn aktuelle soziale und politische Ideologien.
Darüber hinaus muss eine gute Komposition in der heutigen Zeit, in der der Verkehr an erster Stelle steht, nicht nur Emotionen haben, sondern auch ein oder zwei „goldene Sätze“ erfinden, die beliebt und einprägsam sind, um als herausragend zu gelten.
In der chinesischen Welt ist es also noch ein langer Weg, bis große KI-Modelle menschliche Autoren ersetzen können.
(Leser, die ChatGPT nutzen möchten, können mir eine private Nachricht senden)
Das obige ist der detaillierte Inhalt vonZhang Dongwei: Warum ist das Kompositionsniveau der großen KI-Modelle für die College-Aufnahmeprüfung nicht hoch?. 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

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

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



Der ChatGPT-Brand hat zu einer weiteren Welle der KI-Begeisterung geführt. Die Branche geht jedoch allgemein davon aus, dass sich nur große Unternehmen und superreiche Unternehmen KI leisten können, wenn die KI in die Ära großer KI-Modelle eintritt, da die Erstellung großer KI-Modelle sehr teuer ist . Das erste ist, dass es rechenintensiv ist. Avi Goldfarb, Marketingprofessor an der University of Toronto, sagte: „Wenn Sie ein Unternehmen gründen, selbst ein großes Sprachmodell entwickeln und es selbst berechnen möchten, sind die Kosten zu hoch. OpenAI ist sehr teuer und kostet Milliarden von Dollar.“ „Mietcomputer werden sicherlich viel billiger sein, aber Unternehmen müssen immer noch hohe Gebühren an AWS und andere Unternehmen zahlen. Zweitens sind Daten teuer. Trainingsmodelle erfordern riesige Datenmengen, manchmal sind die Daten leicht verfügbar und manchmal nicht. Daten wie CommonCrawl und LAION können kostenlos sein

In den letzten Jahren sind mit dem Aufkommen neuer Technologiemodelle, der Wertsteigerung von Anwendungsszenarien in verschiedenen Branchen und der Verbesserung der Produkteffekte aufgrund der Ansammlung riesiger Datenmengen Anwendungen der künstlichen Intelligenz aus Bereichen wie Konsum und Internet ausgestrahlt worden zu traditionellen Branchen wie Fertigung, Energie und Elektrizität. Der Reifegrad der Technologie und Anwendung künstlicher Intelligenz in Unternehmen verschiedener Branchen in den Hauptbereichen wirtschaftlicher Produktionsaktivitäten wie Design, Beschaffung, Produktion, Management und Vertrieb verbessert sich ständig und beschleunigt die Implementierung und Abdeckung künstlicher Intelligenz in allen Bereichen schrittweise Integration in das Hauptgeschäft, um den Industriestatus zu verbessern oder die Betriebseffizienz zu optimieren und die eigenen Vorteile weiter auszubauen. Die groß angelegte Implementierung innovativer Anwendungen der Technologie der künstlichen Intelligenz hat die starke Entwicklung des Big-Data-Intelligence-Marktes vorangetrieben und auch den zugrunde liegenden Data-Governance-Diensten Marktvitalität verliehen. Mit Big Data, Cloud Computing und Computing

Unter KI-Großmodellen versteht man Modelle der künstlichen Intelligenz, die mithilfe umfangreicher Daten und leistungsstarker Rechenleistung trainiert werden. Diese Modelle weisen in der Regel ein hohes Maß an Genauigkeit und Generalisierungsfähigkeiten auf und können auf verschiedene Bereiche wie die Verarbeitung natürlicher Sprache, Bilderkennung, Spracherkennung usw. angewendet werden. Das Training großer KI-Modelle erfordert eine große Menge an Daten und Rechenressourcen, und in der Regel ist es erforderlich, ein verteiltes Computer-Framework zu verwenden, um den Trainingsprozess zu beschleunigen. Der Trainingsprozess dieser Modelle ist sehr komplex und erfordert eine eingehende Untersuchung und Optimierung der Datenverteilung, Merkmalsauswahl, Modellstruktur usw. KI-Großmodelle haben ein breites Anwendungsspektrum und können in verschiedenen Szenarien eingesetzt werden, z. B. im intelligenten Kundenservice, im Smart Home, beim autonomen Fahren usw. In diesen Anwendungen können große KI-Modelle Menschen dabei helfen, verschiedene Aufgaben schneller und genauer zu erledigen und die Arbeitseffizienz zu verbessern.

Ich habe KI verwendet, um zwei Aufsatzthemen für die diesjährige College-Aufnahmeprüfung zu schreiben. Mal sehen, wie sie abgeschnitten haben. #IfAIComes to Write Essays für die College-Aufnahmeprüfung# Die Fragen für die College-Aufnahmeprüfungen sind herausgekommen. Einige Leute sagen, dass sie einfacher sind als im letzten Jahr, und einige Leute sagen, dass die Fragen sehr heiße Themen sind, aber wir werden nicht darüber sprechen Heute werden wir etwas Neues machen. In dieser Zeit erfreut sich die KI-Technologie großer Beliebtheit und viele Menschen haben ein neues Verständnis von künstlicher Intelligenz. Dann werde ich KI verwenden, um die Aufsatzfragen für diese Hochschulaufnahmeprüfung zu schreiben. Aus Zeit- und Platzgründen kann ich nur Auszüge anfertigen. Ich werde nur den Anfang dieser Artikel vorlesen, damit jeder sie sehen kann. Mal sehen, wie viele Punkte jeder geben kann. Der Titel des National Paper A-Aufsatzes lautet: Aufgrund der technologischen Entwicklung haben Menschen eine bessere Kontrolle über die Zeit, aber manche Menschen sind zu Dienern der Zeit geworden. Welche Assoziationen und Gedanken löst dieser Satz bei Ihnen aus? Bitte schreiben Sie einen Artikel. Schauen Sie sich KI an

Generative KI (AIGC) hat eine neue Ära der allgemeinen künstlichen Intelligenz eingeleitet. Der Wettbewerb um große Modelle ist zu einem spektakulären Schwerpunkt geworden, und das Erwachen der Macht ist zunehmend zu einem Branchenkonsens geworden. In der neuen Ära bewegen sich große Modelle von Einzelmodalität zu Multimodalität, die Größe von Parametern und Trainingsdatensätzen wächst exponentiell und riesige unstrukturierte Daten erfordern gleichzeitig die Unterstützung leistungsstarker Mischlastfunktionen; datenintensiv Das neue Paradigma erfreut sich immer größerer Beliebtheit und Anwendungsszenarien wie Supercomputing und High Performance Computing (HPC) rücken in die Tiefe. Bestehende Datenspeichergrundlagen sind nicht mehr in der Lage, den ständig wachsenden Anforderungen gerecht zu werden. Wenn Rechenleistung, Algorithmen und Daten die „Troika“ sind, die die Entwicklung künstlicher Intelligenz vorantreibt, dann müssen diese drei angesichts der enormen Veränderungen im äußeren Umfeld dringend wieder an Dynamik gewinnen

Vivo veröffentlichte am 1. November auf der Entwicklerkonferenz 2023 seine selbst entwickelte allgemeine Matrix für künstliche Intelligenz – das Blue Heart Model. Vivo kündigte an, dass das Blue Heart Model 5 Modelle mit unterschiedlichen Parameterebenen auf den Markt bringen wird : Milliarden, Dutzende Milliarden und Hunderte von Milliarden, die Kernszenarien abdecken, und ihre Modellfähigkeiten nehmen eine führende Position in der Branche ein. Vivo ist der Ansicht, dass ein gutes selbstentwickeltes großes Modell die folgenden fünf Anforderungen erfüllen muss: großer Maßstab, umfassende Funktionen, leistungsstarke Algorithmen, sicher und zuverlässig, unabhängige Entwicklung und sollte weitgehend Open Source sein. Der neu geschriebene Inhalt ist wie folgt: Unter ihnen Das erste ist das Blue-Heart-Modell Modell 7B, ein 7-Milliarden-Level-Modell, das duale Dienste für Mobiltelefone und die Cloud bereitstellen soll. Vivo sagte, dass dieses Modell in Bereichen wie Sprachverständnis und Texterstellung eingesetzt werden kann.

Kürzlich entwickelte ein Team von Informatikern ein flexibleres und belastbareres Modell für maschinelles Lernen mit der Fähigkeit, bekannte Informationen regelmäßig zu vergessen, eine Funktion, die in bestehenden groß angelegten Sprachmodellen nicht zu finden ist. Tatsächliche Messungen zeigen, dass die „Vergessensmethode“ in vielen Fällen beim Training sehr effizient ist und das Vergessensmodell eine bessere Leistung erbringt. Jea Kwon, ein KI-Ingenieur am Institute for Basic Science in Korea, sagte, die neue Forschung bedeute einen erheblichen Fortschritt auf dem Gebiet der KI. Die Trainingseffizienz der „Vergessensmethode“ ist sehr hoch. Die meisten gängigen KI-Sprach-Engines verwenden künstliche neuronale Netzwerktechnologie. Jedes „Neuron“ in dieser Netzwerkstruktur ist eigentlich eine mathematische Funktion. Sie sind miteinander verbunden, um Informationen zu empfangen und zu übertragen.

Künstliche Intelligenz ist in jüngster Zeit wieder in den Fokus menschlicher Innovationen gerückt und der Rüstungswettbewerb rund um KI ist intensiver denn je. Nicht nur aus Angst, den neuen Trend zu verpassen, versammeln sich Technologiegiganten, um sich dem Kampf der großen Modelle anzuschließen, sondern auch Peking, Shanghai, Shenzhen und andere Orte haben Richtlinien und Maßnahmen eingeführt, um Forschung zu Algorithmen und Schlüsselinnovationen für große Modelle durchzuführen Technologien, um ein Hochland für Innovationen im Bereich der künstlichen Intelligenz zu schaffen. Große KI-Modelle boomen, und große Technologiegiganten haben sich angeschlossen. Der kürzlich auf dem Zhongguancun-Forum 2023 veröffentlichte „China Artificial Intelligence Large Model Map Research Report“ zeigt, dass Chinas große KI-Modelle einen boomenden Entwicklungstrend aufweisen, und das gibt es auch viele Unternehmen der Branche. Robin Li, Gründer, Vorsitzender und CEO von Baidu, sagte unverblümt, dass wir an einem neuen Ausgangspunkt stehen
