GPT-4 panas ada di sini!
Pada 14 Mac, syarikat kecerdasan buatan OpenAI mengeluarkan versi ditingkatkan GPT-4 ChatGPT (peringkat GPT-3.5), yang sekali lagi membawa kepada "perbincangan hangat yang meletup" mengenai topik ChatGPT yang menjadi sedikit senyap carian hangat di platform sosial dalam ketegangan. Topik seperti "AI akhirnya akan menggantikan manusia" dan "90% manusia di negara yang mempunyai keupayaan peperiksaan GPP-4 yang kuat" telah menarik lebih banyak perhatian daripada pengguna.
Berbanding dengan ChatGPT sebelumnya, peningkatan GPT-4 ini boleh dipanggil "heavyweight": ia menggunakan "model super multi-modal" dan ketepatan jawapannya ialah The keupayaan pengembangan teks output dipertingkatkan, dan had pemprosesan ditingkatkan kepada perkataan 2.5W; >Berbanding dengan ChatGPT, GPT-4 sangat bagus, tetapi keputusan yang mengerikan ialah: sistem pembayaran OpenAI ranap kerana pesanan gila pengguna.
Selepas membuang Chat, GPT-4 menjadi lebih berkuasaJika ChatGPT berdasarkan model GPT-3.5 masih "pelajar miskin" yang berlegar di atas barisan, maka Kekuatan GPT-4 dijangka memasuki barisan "pelajar atasan". Ia bukan sahaja lebih bijak, tetapi juga lebih sukar untuk "ditipu".
Selepas membuang awalan Chat, keupayaan GPT-4 telah berubah dengan ketara. Ringkasnya, apabila OpenAI terus berkembang ke arah pembelajaran mendalam, GPT-4 telah mengambil langkah besar ke arah menjadi "lebih seperti manusia". seperti LSAT, kedudukan dalam 20% teratas; ada juga pengguna yang menggunakan GPT-4 untuk siaran langsung di YouTube untuk menulis artikel, menulis kod, memfailkan cukai, menulis puisi, bercerita jenaka...
Oleh menjalankan siaran langsung dalam 26 bahasa Dalam ujian itu, GPT-4 mengatasi model bahasa besar lain seperti GPT-3.5 dalam 24 bahasa, termasuk bahasa sumber rendah seperti Latvia, Welsh dan Swahili Antaranya, ketepatan pengiktirafan bahasa Cina mencapai 80.1% (di bawah).
OpenAI menunjukkan sinopsis kisah "Cinderella" yang ditulis dalam 26 perkataan menggunakan GPT-4 Huruf pertama daripada 26 perkataan ini betul-betul sepadan dengan 26 huruf bermula dari Susunan yang betul dari A hingga Z sudah cukup untuk membuktikan kekuatan GPT-4 dari segi perbendaharaan kata dan penciptaan bahasa.
Tetapi kemas kini terbesar ialah GPT-4 menyokong pengecaman imej, yang boleh memberikan jawapan logik berdasarkan pemahaman kandungan imej. Sebagai contoh, apabila pengguna bertanya apakah keistimewaan gambar di bawah, GPT-4 boleh menggambarkannya secara langsung sebagai "seorang lelaki sedang menyeterika pakaian di papan seterika di atas bumbung teksi yang sedang bergerak."
Dalam contoh lain, GPT-4 boleh memberikan ringkasan berdasarkan "pemahaman" kertas mengikut keperluan pengguna, dan boleh memberikan ringkasan salah satu eksperimen A penerangan ringkas tentang proses tersebut.
Selain itu, GPT-4 juga boleh memahami sedikit sebanyak "meme" lucu yang popular di Internet Sebagai contoh, ia boleh menggambarkan apa yang lucu tentang gambar di bawah.
Adakah GPT-4 akan menjadi pedang tajam di tangan penggodam?
Pertama sekali, kita mesti sedar tentang masalah GPT-4 yang semakin pintar akan membawa risiko keselamatan yang lebih dahsyat, atau menjadi "pedang tajam" di tangan organisasi penjenayah siber?
Dalam versi ChatGPT, FreeBuf telah membincangkan secara mendalam penggunaannya dalam jenayah siber dan risiko keselamatan yang mungkin dibawa ke ruang siber.
Salah satu risikonya sendiri.
Sebagai contoh, pakar keselamatan telah menemui teks yang hampir sama dengan rahsia dalaman syarikat dalam kandungan yang dihasilkan oleh ChatGPT Sebabnya mungkin pekerja Amazon memasukkan maklumat data dalaman syarikat apabila menggunakan ChatGPT untuk menjana kod dan teks . Kemudian, dalam GPT-4, risiko keselamatan seperti itu masih akan wujud, dan gergasi utama masih akan mempertahankan GPT.
Dari segi dasar keselamatan rangkaian, GPT-4 juga berdepan dengan bahaya terpijak garisan merah. Contohnya, sama ada ia melanggar prinsip "data minimum" GDPR, sama ada ia memenuhi "hak untuk dilupakan" atau "hak untuk memadam", sama ada penggunaan data awam mematuhi dan sama ada pengumpulan harta akademik dan intelek maklumat adalah sesuai dan konsisten dengan undang-undang, peraturan semasa.
Pada masa ini, Undang-undang Keselamatan Siber negara saya, Undang-undang Perlindungan Data dan Undang-undang Perlindungan Maklumat Peribadi mempunyai peraturan terperinci tentang pengumpulan dan penggunaan data sahaja, jelas sekali GPT-4 tidak dapat memenuhi semua keperluan ini keperluan. Selain itu, pada masa hadapan, sistem perundangan global akan diperhalusi lagi ke arah "perlindungan data", dan GPT akan menghadapi tekanan pematuhan yang lebih teruk pada masa itu.
Kedua, mungkin terdapat lebih banyak kelemahan tersembunyi dalam menggunakan GPT-4 untuk mengedit kod.
Dalam peringkat ChatGPT-3.5, syarikat dan pembangun sudah cuba menggunakannya untuk menulis kod dan menyelesaikan masalah kelemahan. Dalam percubaan Kaspersky, penganalisis mendapati bahawa ChatGPT boleh digunakan untuk mengumpulkan maklumat forensik untuk syarikat yang tidak menjalankan sistem pengesanan dan tindak balas (EDR) titik akhir, mengesan pengeliruan kod atau binari kod jurutera terbalik.
GPT-4 yang lebih bijak juga telah diberi harapan tinggi oleh ramai orang Apabila semakin ramai pembangun menggunakan GPT-4 untuk menulis kod, kelemahan yang tersembunyi akan menjadi bom jangka yang lebih menakutkan Dieksploitasi oleh penyerang bencana yang tidak terperi kepada seluruh ruang keselamatan rangkaian, terutamanya dalam bidang keselamatan rantaian bekalan, yang memerlukan kewaspadaan yang lebih tinggi.
Akhir sekali, bagaimana untuk menghalang GPT-4 daripada digunakan oleh penggodam, sekali gus memberi tekanan baharu pada pertahanan keselamatan rangkaian.
Fakta yang sangat jelas ialah sejak peringkat ChatGPT, semakin banyak kes GPT digunakan dalam industri hitam, jenayah siber, serangan penggodam dan bidang lain, malah ia mungkin menjadi kebiasaan dalam masa hadapan.
Sebagai contoh, penyelidik dari Cybernews pernah mendapati bahawa ChatGPT boleh digunakan oleh penggodam untuk mencari kelemahan keselamatan dalam tapak web Dengan bantuan mereka, penyelidik menjalankan ujian penembusan pada laman web biasa dan digabungkan dengan ChatGPT untuk memberikan Cadangan dan. contoh perubahan kod menyelesaikan penggodaman.
ChatGPT sudah mempunyai keupayaan sedemikian, apatah lagi GPT-4 yang lebih pintar? Nampaknya sukar untuk menggunakan GPT-4 untuk mengukuhkan sistem keselamatan rangkaian dalam jangka masa pendek, tetapi penggunaannya dalam jenayah siber akan berlaku. Cara menangani risiko keselamatan yang serupa telah menjadi isu yang mesti dipertimbangkan sekarang.
Sudah tentu, OpenAI juga terus bekerja keras untuk keselamatan. Sebagai contoh, mereka mengupah lebih daripada 50 pakar dari bidang risiko dok kecerdasan buatan, keselamatan siber, biorisiko, kepercayaan dan keselamatan, dan keselamatan antarabangsa untuk menjalankan ujian musuh model dan melatih pelbagai senario berisiko tinggi untuk menyediakan panduan bagi langkah mitigasi dan pembangunan model. Contohnya, dengan mengumpul data khusus tambahan untuk meningkatkan keupayaan GPT-4 untuk menolak permintaan tentang cara mensintesis bahan kimia berbahaya.
Tetapi bergantung pada ini sahaja jelas tidak dapat memenuhi keperluan keselamatan Ini juga bermakna kita perlu meningkatkan keupayaan keselamatan kecerdasan buatan yang diwakili oleh GPT-4 dari banyak aspek, termasuk penggubalan peraturan, dan penggunaan cara teknikal untuk membendung risiko kejahatan, dsb.
Ditulis pada penghujung
Dalam apa jua keadaan, kemajuan teknologi mempunyai kesan yang tidak terukur ke atas pembangunan manusia, tetapi pada masa yang sama kita perlu mempunyai pemahaman yang jelas tentang risiko . Dalam erti kata lain, kita menerima GPT-4 dengan sikap positif, tetapi kita mesti bersedia untuk menghadapi risiko.
Seperti kata seorang pemimpin Perang Dunia II: Kita tidak boleh mengubah fikiran orang lain Memandangkan mereka mahu bersiap sedia untuk berperang, kita juga mesti bersedia untuk berperang. Perkara yang sama berlaku untuk GPT-4, kita tidak boleh menukar orang lain untuk menggunakannya untuk "kejahatan", tetapi kita boleh memutuskan cara menggunakannya untuk "kebaikan".
Pedang AI juga sangat tajam di tangan keselamatan rangkaian.
Jom bersiap!
Atas ialah kandungan terperinci GPT-4 panas ada di sini!. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Apabila menukar rentetan ke objek dalam vue.js, json.parse () lebih disukai untuk rentetan json standard. Untuk rentetan JSON yang tidak standard, rentetan boleh diproses dengan menggunakan ungkapan biasa dan mengurangkan kaedah mengikut format atau url yang dikodkan. Pilih kaedah yang sesuai mengikut format rentetan dan perhatikan isu keselamatan dan pengekodan untuk mengelakkan pepijat.

Artikel ini memperkenalkan operasi pangkalan data MySQL. Pertama, anda perlu memasang klien MySQL, seperti MySqlworkbench atau Command Line Client. 1. Gunakan perintah MySQL-Uroot-P untuk menyambung ke pelayan dan log masuk dengan kata laluan akaun root; 2. Gunakan CreateTatabase untuk membuat pangkalan data, dan gunakan Pilih pangkalan data; 3. Gunakan createtable untuk membuat jadual, menentukan medan dan jenis data; 4. Gunakan InsertInto untuk memasukkan data, data pertanyaan, kemas kini data dengan kemas kini, dan padam data dengan padam. Hanya dengan menguasai langkah -langkah ini, belajar menangani masalah biasa dan mengoptimumkan prestasi pangkalan data anda boleh menggunakan MySQL dengan cekap.

Ringkasan: Terdapat kaedah berikut untuk menukar array rentetan vue.js ke dalam tatasusunan objek: Kaedah asas: Gunakan fungsi peta yang sesuai dengan data yang diformat biasa. Permainan lanjutan: Menggunakan ungkapan biasa boleh mengendalikan format yang kompleks, tetapi mereka perlu ditulis dengan teliti dan dipertimbangkan. Pengoptimuman Prestasi: Memandangkan banyak data, operasi tak segerak atau perpustakaan pemprosesan data yang cekap boleh digunakan. Amalan Terbaik: Gaya Kod Jelas, Gunakan nama dan komen pembolehubah yang bermakna untuk memastikan kod ringkas.

Untuk menetapkan masa untuk Vue Axios, kita boleh membuat contoh Axios dan menentukan pilihan masa tamat: dalam tetapan global: vue.prototype. $ Axios = axios.create ({timeout: 5000}); Dalam satu permintaan: ini. $ axios.get ('/api/pengguna', {timeout: 10000}).

Cecair memproses 7 juta rekod dan membuat peta interaktif dengan teknologi geospatial. Artikel ini meneroka cara memproses lebih dari 7 juta rekod menggunakan Laravel dan MySQL dan mengubahnya menjadi visualisasi peta interaktif. Keperluan Projek Cabaran Awal: Ekstrak Wawasan berharga menggunakan 7 juta rekod dalam pangkalan data MySQL. Ramai orang mula -mula mempertimbangkan bahasa pengaturcaraan, tetapi mengabaikan pangkalan data itu sendiri: Bolehkah ia memenuhi keperluan? Adakah penghijrahan data atau pelarasan struktur diperlukan? Bolehkah MySQL menahan beban data yang besar? Analisis awal: Penapis utama dan sifat perlu dikenalpasti. Selepas analisis, didapati bahawa hanya beberapa atribut yang berkaitan dengan penyelesaiannya. Kami mengesahkan kemungkinan penapis dan menetapkan beberapa sekatan untuk mengoptimumkan carian. Carian Peta Berdasarkan Bandar

Terdapat banyak sebab mengapa permulaan MySQL gagal, dan ia boleh didiagnosis dengan memeriksa log ralat. Penyebab umum termasuk konflik pelabuhan (periksa penghunian pelabuhan dan ubah suai konfigurasi), isu kebenaran (periksa keizinan pengguna yang menjalankan perkhidmatan), ralat fail konfigurasi (periksa tetapan parameter), rasuah direktori data (memulihkan data atau membina semula ruang meja), isu ruang jadual InnoDB (semak fail ibdata1) Apabila menyelesaikan masalah, anda harus menganalisisnya berdasarkan log ralat, cari punca utama masalah, dan mengembangkan tabiat sandaran data secara teratur untuk mencegah dan menyelesaikan masalah.

Jurutera Backend Senior Remote Company Kekosongan Syarikat: Lokasi Lokasi: Jauh Pejabat Jauh Jenis: Gaji sepenuh masa: $ 130,000- $ 140,000 Penerangan Pekerjaan Mengambil bahagian dalam penyelidikan dan pembangunan aplikasi mudah alih Circle dan ciri-ciri berkaitan API awam yang meliputi keseluruhan kitaran hayat pembangunan perisian. Tanggungjawab utama kerja pembangunan secara bebas berdasarkan rubyonrails dan bekerjasama dengan pasukan react/redux/relay front-end. Membina fungsi teras dan penambahbaikan untuk aplikasi web dan bekerjasama rapat dengan pereka dan kepimpinan sepanjang proses reka bentuk berfungsi. Menggalakkan proses pembangunan positif dan mengutamakan kelajuan lelaran. Memerlukan lebih daripada 6 tahun backend aplikasi web kompleks

Pengoptimuman prestasi MySQL perlu bermula dari tiga aspek: konfigurasi pemasangan, pengindeksan dan pengoptimuman pertanyaan, pemantauan dan penalaan. 1. Selepas pemasangan, anda perlu menyesuaikan fail my.cnf mengikut konfigurasi pelayan, seperti parameter innodb_buffer_pool_size, dan tutup query_cache_size; 2. Buat indeks yang sesuai untuk mengelakkan indeks yang berlebihan, dan mengoptimumkan pernyataan pertanyaan, seperti menggunakan perintah menjelaskan untuk menganalisis pelan pelaksanaan; 3. Gunakan alat pemantauan MySQL sendiri (ShowProcessList, ShowStatus) untuk memantau kesihatan pangkalan data, dan kerap membuat semula dan mengatur pangkalan data. Hanya dengan terus mengoptimumkan langkah -langkah ini, prestasi pangkalan data MySQL diperbaiki.
