有變革，知乎必有迴響。
搜尋「ChatGPT」，彷彿瞬息挪移到能聽見號角的最前線：
創新工場董事長李開復總結後ChatGPT 時代拯救自己職業的通用法則；
DeepLearning.AI 創辦人吳恩達警醒人們，將倫理與法律追問置於狂熱之前；
一流科技創辦人袁進輝覺得一個迫在眉睫的需要研究的問題是，怎麼區分由人類生成的文本和ChatGPT 產生的文本？
《數位化生存》作者、北大新聞傳播學院胡泳則在「知聊八點半」圓桌直播中提出，人工智慧的發展方向不一定要「類人」，而應該是提升人的能力；
…...
#透過問答、話題、圓桌、想法、熱點直播，業界大佬接連現身中文網路的高品質問答社群；投資人、科研人員、創業家和從業人員彼此聯結，一同探索ChatGPT 前沿的一切面向，並思考他們的發現對未來的影響。
短短四個月，知乎「ChatGPT」話題熱度已經打破2015 年以來「AlphaGo」話題創下的紀錄，目前討論累計22 萬，總瀏覽量高達3.8 億。
主題熱度爆表，呈現方式也是全方位、多維度。
2023年1月2日，一位普林斯頓大學電腦科學專業的學生發布了GPTZero，這個程式可以「快速有效地」破解一篇文章的作者是人類還是ChatGPT。
看到訊息後，知乎答主「蟈蟈」有種被偷襲的感覺。 ChatGPT 推出後的第10 天，「蟈蟈」郭必揚，一位上海財經大學資訊管理與工程學院AI Lab 三年級博士生已經和朋友們著手這項工作，「我們其實是最早開始做ChatGPT 偵測器的團隊。」他說。
GPTZero 發表一週內就有超過三萬人試用，應用程式一度崩潰。郭必揚緊張起來。原計劃除了偵測器，這支八人團隊還要做人工評量和語言學的統計分析。顯然，眼下不能再等了。
用現有資料集訓練了幾個偵測器後，1月11日，他們知道放出 demo ，這是國內第一個 ChatGPT 偵測器。當時接近春節，本應陪家人聊天敘舊的郭必揚一直盯著螢幕，誰都不理。 「家人覺得，我們可能在做什麼大事情。」
#處在一個技術迭代越來越快的行業，最可怕的不是技術被外洩，而是沒有足夠多的人了解你的技術和你，更何況與ChatGPT 革命性突破有關？
「AI 圈的人想要宣傳自己的工作，很多人會選擇上知乎，工作被大家轉來轉去，也更容易被更多人看到。 」 深度學習（Deep Learning）主題優秀答主、已有十年「知齡」的謝凌曦說。
郭必揚與夥伴分秒必爭推出 demo 的時候，一連串與 ChatGPT 相關的工作也陸續出現在知乎。
人工智慧主題優秀答主PENG Bo，一個公開對標ChatGPT 的開源專案ChatRWKV 作者在知乎呼籲更多人參與共建生態。
#
2 月底，第一款以自然語言指揮 Excel 工作的作品 ChatExcel 在知乎獨家首發。
不過，接踵而來的社群回饋讓郭必揚有些意外。
在發布之前，他們比較過兩個偵測器，因為接受過資料集訓練，他們偵測器的實際效果比 GPTZero 好得多。一流科技創辦人袁進輝也在知乎上談到怎麼區分由人類生成的文本和ChatGPT 產生的文本，「是一個迫在眉睫的問題。」
最初，認為這項工作沒有意義的觀點接連不斷。
「我們關注的是偵測假訊息，而不是ChatGPT 產生的假訊息。如果說一個分類器只能處理由ChatGPT 產生的假訊息，那我換一個生成器不就完了？」
也有人認為「我們可以透過潤飾避免被偵測為ChatGPT。」
郭必揚決定親自回應。 「可以說我們偵測器效果不好，但說偵測器沒意義，那我可有意見了。法律有漏網之魚，不法之徒可以鑽法律的空子，這說明法律沒有意義嗎？」
當人們為了避免被偵測出來而對ChatGPT 內容潤飾、修改時，偵測器的作用已經達到。有一萬種方法繞過各種監管，我們能做的只能是增加「不負責任的成本」。
隨著時間的推移，支持和鼓勵的聲音多了起來。
「偵測器的價值見仁見智，但個人覺得這個資料集是比較有價值的，可以來做一些有趣的事情。」 有人說。
中國信通院雲大所內容科技部研究員呼娜英在知乎「知聊八點半」圓桌直播中表示，反作弊技術目前確實沒有ChatGPT 技術強大，必然會出現「貓鼠遊戲」的現象，「但終究魔高一尺道高一丈。」
其實，決定上知乎發表作品等於選擇進入一個複雜性系統。所謂複雜性，是指它不是線性的，不會按照你的預期運作，有很多維度和變量，難以預測，也因此會有一些“猝不及防”，但也有收益甚至意外驚喜。
現在，郭必揚團隊的偵測器在 Github 上已有6,700顆星。資料集和模型可能被下載上萬次，不到兩個月文章就有了 20 個引用。 「這些是我們之前想不到的。」他有些感慨，「（文章被引增速）比我之前任何一篇文章都要快。」
知乎獨家先發後沒多久，WPS 就聯絡上ChatExcel 背後的團隊。開源專案 ChatRWKV 也得到了頭部科技媒體的報導。
除了難以預測，知乎系統的複雜性還包括一種自適應性，發布一個作品會改變這個系統，系統也會反過來校準你的產品或研究。
2022 年11 月，謝凌曦所在團隊將一份重要論文放到arXiv 預印本網站後，也立刻發佈在了知乎，標題顯示某氣像大模型，“中長期氣象預報精確度首次超過傳統數值方法。」
「標題讓我火速去拜讀了原文。」一位網友讀完後，即對文章取得的成績表示讚賞。在評論區與團隊成員一番切磋討論後，她分享了自己看法：
#「AI 模式的輸入是來自ERA5（觀測和模式同化出來的分析場），所以也是利用了模式預報，模式不預報就沒有這個ERA5（也就是AI 的輸入），所以模式還是得跑，並沒有獨立替代模式預報。目前是（傳統模式同化AI 預報）>（傳統模式同化傳統模式預報）」。
AI 大模型是在 ERA5 資料上所做的訓練。 ERA5 數據是再分析數據，主要是透過對各種來源（地面、船舶、無線電探空、測風氣球、飛機、衛星等）的觀測資料進行品質控制和同化處理，而獲得的一套完整的再分析資料集。
這裡的同化處理，就是把一些觀測資料變成標準的網格化氣象資料。在沒有涵蓋這些技術的情況下，不應該聲稱超越了傳統的數值天氣預報方法（NWP）。
「是的，這應該還要不少時間，第一個問題就是資料似乎很難取得（所以國內外相關工作很少）。」團隊成員也認同。
其實，「AI 還沒辦法做，或者說，AI 還沒有正式能做這一步，主要原因是沒有數據。」謝凌曦後來對我們解釋。要做的話，AI 的輸入端就要拿到諸如衛星、氣象站這些數據，無論在哪個國家，這些數據都是高度保密的。
「受益於歐洲氣像中心公佈了數十年間的同化數據，我們完成了這份工作。」
不久，謝凌曦更新了回答，「我們接受這個意見。」
「在盤古氣像大模式文章中，我們將NWP 限定為『基於同化資料預測的方法』，而不是指整個『數值氣象預報領域』。盤古確實首次在同化資料上超越了傳統方法：我們使用了與英偉達FourCastNet 完全相同的測試環境，確保對比的公平性和結論的可信度。」
研究發布後，謝凌曦團隊接獲不少交流邀請，包括中國氣象局做報告。歐洲氣像中心也聯絡到他們。據說，歐洲氣像中心內部有許多討論，許多現有的技術會被 AI 取代。
也有一些公司聯絡到郭必揚，探討文字平台推出相關功能的可能性。 「我們的演算法還在不斷改進，主要從增加模型穩健性、收集更多樣化資料著手，希望下一代模式更有效。」 接受知乎網友回饋之後，這是郭必揚接下來的目標。
研究人員爭先恐後首發作品，資本也在密集「點殺」AI 大模型人才。
3 月 27 日晚上 11 點，一則訊息悄悄在微信裡傳來：王慧文與袁進輝創立的一流科技達成併購意向，要做中國版 OpenAI。
在大語言模式（LLM）這個領域，曾經被許多人認為最不重要的框架，價值已上升到兵家必爭。 「現在看來，這才是真正潛心搞底層技術的國產典範。」一位關注了相關知乎話題的騰訊 AI 演算法專家感嘆道。
六年前，袁進輝離開微軟亞洲研究院，創業做深度學習架構。當時處境與那隻著名的「52 赫茲鯨」無異。
上承演算法應用，下接底層硬件，深度學習框架被稱為「人工智慧作業系統」，是新創公司想都不敢想的蛋糕。彼時，憑藉著自己巨大影響力和強大推廣能力，Google的深度學習框架 TensorFlow 已是當時用戶最多的深度學習框架（Pytorch 尚在襁褓）。
#Google這麼大公司，好幾百人做的事情，你拿什麼跟別人拼？做底層軟體、競爭對手這麼很強、還開源……袁進輝當時聽得最多的就是「以卵擊石」、「螳螂車」。
因為52赫茲頻率比任何已知鯨魚物種都要高很多，科學家因此認為一頭被美軍儀器探測到的鯨魚叫聲無法被其他鯨魚接收。
系統軟體開發週期很長。從 2016年啟動，歷經四年到 2020 年 7 月，深度學習架構 OneFlow 才開源。因為承受不了那種高度不確定性、在系統軟體成品出來之前也不可能有任何回饋的壓力，一些優秀的同事辭職離去。
其實，一旦科技做到系統這麼深的地方，能與之共鳴的「鯨」自然會少。在知乎，袁進輝還是找到了和他一樣關心底層（ fundamental ）問題的人。
不少知乎網友在微博時代就知道「老師木」（袁進輝微博網名）。 「進輝會在微博上寫一些特別好玩兒的消息，大家也在傳這個哥們兒到底是誰。」英偉達 AI 運算架構技術總監楊軍回憶。袁進輝創業不久，楊軍也在考慮轉換工作，兩人透過知乎認識了。
在袁進輝心目中，楊軍這位集機器學習、深度學習（Deep Learning）話題優秀答主和2022 年度新知答主於一身的朋友，常年穩定地輸出高品質內容，自己也從他的思考中獲益良多。
而在楊軍眼裡，袁進輝也是比較聊得來的朋友。楊軍自己也比較分析過兩大主流深度學習框架，為什麼這個階段還有公司願意投入龐大資源研發 AI 框架。
2019 年Google發布 MLIR，當時深度學習編譯器主題備受關注。兩人很快就出現在「如何看待 Google 關注 MLIR 專案？」問題下，一前一後分享了自己的看法。
袁進輝當時對 MLIR 的評估並不高，感覺編譯器之編譯器這個概念有點多餘。 MLIR僅僅為寫入深度學習編譯器提供了一個鷹架，沒有解決深度學習編譯器裡任何具體難題。
楊軍更傾向於認為 MLIR 是個好東西。 「他對 MLIR 貢獻、價值還有缺點分析，讓我至今印象深刻。」袁進輝說。
隨著思考和討論的加深，楊軍不斷用新想法和收穫更新最初的答案。袁進輝也保持著認知彈性。 2022年，袁進輝再度更新最初的回答，「這兩年的發展說明，MLIR提供一個『鷹架』。......是很有意義的。」
###################################### ######人需要一個環境，和味道相近的人交流、碰撞，知乎的屬性能夠實現這一點。楊軍嘗試解釋這種奇妙的緣分。例如，順著你的問題、興趣、文章，自然而然就能判斷是不是可以多聊一聊。 ############OneFlow 開源後，有網友「茅塞頓開，才發現，以前苦苦掙扎的一些問題，還有這種解決方案。」也有人稱讚框架設計「清新」。當設計之美被第三方開發者甚至學生心領神會時，袁進輝覺得「好像你寫了一本小說，有讀者欣賞。」 ############而當郭必揚因ChatGPT 陷入焦慮時，最後將他打撈起來的也是這種「人與人的連結」。 ############他透過知乎組成了一個「孤勇 AI 研究者」群，發現許多同行也生活在 ChatGPT 「智子」陰影下。也是在那裡，他找到了測器計畫合作者。四十多天的奮戰，八個人從頭堅持下來，沒有一人退出，即使在疫情瘋狂的時刻。 ######
他們自稱 insignificant researchers，但所做的工作希望是significant work。
在另一個知乎的角落，謝凌曦分享的一段熱血歲月已收穫 3.2 萬個讚。
「如果中國重新開發像 MATLAB、solidworks 這樣的軟體大概需要多久？」三年前的一個提問讓他敲下一段塵封已久的往事。
十多年前，幾位清華大學數學系學生想要做一款科學計算軟體，比肩膀應用最廣泛的數學軟體Mathematica 。招人廣告貼到了電腦系宿舍大樓，卻沒什麼人注意。當時，從數學系轉到電腦系、剛學會 Java 的大三學生謝凌曦申請加入。四個多月寫了無數文檔，終於做出雛形。一連串榮譽接踵而至，最後拿下「挑戰盃」全國特等獎。
「只有一腔熱血來做大規模系統，或許我們的計畫就算是最好的結果了。沒有成熟的商業模式或是健康的生態，計畫不可能長期走下去。」多年後，謝凌曦在回答中談到專案的商業化。
「我們的經驗是有正面意義的。它至少證明了：任何一個時代，都缺少敢於追夢的年輕人。」
袁進輝和一流科技被歸入的是一個新賽道－ AI 大模型。招聘網站上 ChatGPT 相關職位開出的薪資最低月入 2 萬，最高開出月薪 10 萬。 levals.fyi 顯示， OpenAI 為 AI/ML崗（L5）開出 90 萬美元高薪。
彷彿一夜之間，又回到六年前那個資本已經追不上一個又一個的數學博士、電腦博士、統計學博士的時代。彼時，張一鳴微博「懸賞」100 萬美金招募頂尖機器學習人才；在矽谷，一些具備技術專長的高階主管如果在谷歌這類大型上市公司工作，年薪（包括股權激勵）可達數百萬美元（「百萬寶貝」）
當時，為了組成公司演算法團隊，剛畢業就成為圖森未來首席科學家的知乎答主Naiyan Wang （王乃岩）也加入了那場人才爭奪。不過他另闢蹊徑，在知乎回答「如果你是面試官，你怎麼去判斷一個面試者的深度學習水平？」時留下英雄帖，並聲稱，此三題可考察受試者「八成功力」 ：
CNN 最成功的應用是在CV，那為什麼NLP 和Speech 的許多問題也可以用CNN 來出來？為什麼 AlphaGo 裡也用了 CNN？這幾個不相關的問題的相似性在哪裡？ CNN 透過什麼手段抓住了這個共通性？
再補充一個問題，為什麼很多做人臉的 paper 會最後再加入一個 local connected conv。
這三個問題不是典型教科書上的問題，正如圖森未來做的自動駕駛是一個「新物種」，開創性探索往往需要突破邊界，沒有可以供參考的先例，更沒有現成答案。演算法工程師只有洞悉貌似沒有關聯事物之間更深層的關聯，才能去偽存真，讓演算法工具更好地為我所用，解決現實業務中的問題。
「應該說是個甄別的好題目」當時還是Facebook 人工智慧科學家的賈揚清在回答中揭開其中妙處，「涉及一個很本質的問題就是卷積為什麼能夠work。」回答這個問題的角度有很多，正則化、統計、程式設計甚至神經科學等，不同角度回答能從不同面折射出受試者的深度學習經驗。
如果有人對三個問題的回答基本上都正確，就表示他對 CNN 理解在線，也是王乃岩要找的人。
一條接踵而至的回答不斷拉長進度條。 「接近了，但不準確」、「基本可靠！下面會讓HR 聯絡你」、「有興趣的話，發CV 到**」，基本上沾邊的回答，王乃岩都會回應，但更多答案下面是寂靜無聲。如其所料，八成的人並不清楚卷積神經網路為何起作用，他們僅僅將它視為一個工具，跑跑開源程式碼。
一位日本名校畢業的碩士吸引了王乃岩的注意。 「本科是清華大學的，當時在日本讀完碩士正在找工作，他的答案跟我心裡想的很接近。」王乃岩說。接下來的面試感覺也很好，立刻傳了錄取通知給他。這是圖森未來招募的第一位演算法工程師員工。如今，他已經是公司日本業務負責人。
網路使地理意義的「附近」轉化為數位意義的「附近」。你可能不了解一步之遙的鄰居，但對複雜技術建構出來的抽象系統高度信任，例如知乎。對於不少名副其實的 AI 創業團隊來說，當他們需要更多依靠個人管道搶人時，這裡往往是個不錯選擇。
就在王乃岩尋找演算法工程師時，袁進輝也正在為開發深度學習框架求賢若渴。註冊知乎後，袁進輝做的第一件就是為他們的工作做「廣告」。 有的人看到袁進輝的文章和互動才知道除了網路大廠，在新創公司也能做底層架構。好幾位一流科技的全職同事包括實習生，都是這樣從知乎上招到的。
更多時候，袁進輝會主動出擊。瀏覽到有趣、充滿真知灼見的回答，他會去看對方的 Github，力求較為全面的了解。雖然沒能「挖到」一些心儀的人，但大家慢慢也成了朋友，會見面交流一些看法。
在自己領域做得越久，寫得文章更多、問題互動更多，社群回饋也更好。一位面試過多家公司實習的本科生在「國內有沒有本科在讀適合的系統或編譯器實習職位」中回覆說：
其中我看說你對技術/coding 有極致的追求，我覺得袁老師的oneflow 是一家非常有深度的公司，當時面試我直接和oneflow的面試官聊了一下午C 和並行計算，從各種優化技巧例如sso，stack/dynamic memory，到各種模板，函數式風格編程，以及吹/黑最近的一些ml system的論文。
平時一向低調的王乃岩在知乎上特別活躍，寫文章做技術分享，也是深度學習、機器學習和人工智慧領域優秀答主。關注他的粉絲中不少是在讀電腦專業學生，不少人也是透過「關注」最終成為圖森未來的一員。圖森未來現在的演算法職位有不少本科生，這在很多公司是不可能發生的。
其實，他們非常優秀。在王乃岩看來，如果按照網路大廠招募模式，一些沒有光鮮教育背景也沒有閃亮論文的「璞玉」會被那些硬標準直接篩掉。
「很多時候，他們已經有什麼沒那麼重要。我們更在意這個人的基礎能力和潛力，有沒有自我思考和對科技的熱忱，即使他是本科生。」
現在，王乃岩仍會從知乎上尋找人才。但與創業初期不同的是，更多是被動去找。 「無論是關注的人還是資訊流、推薦，已經幫我過濾掉很多無效資訊。」王乃岩說，「真有用的信息，會在資訊流裡反覆出現。」
###########################################################################平常他會瀏覽一些熱門話題，看到有趣的答案也會點擊進去了解更多。契合公司需要，他會轉給人事部門。
無論科技如何發展，Top1% 的人不會改變，對科技的熱情、堅定的信念仍然是他最重視的。
#ChatGPT 發布後，知乎答主「Trinkle 」突然現身「如何評價OpenAI 的超級對話模型ChatGPT？」問題下，公開自己「有幸參與ChatGPT 訓練全過程」並呈現對未來世界的想法：
「可以開始想像AGI 之後的世界了，我已經想了幾個月了。......」
# 回答底部， 在OpenAI 官網致謝內容裡，「Jiayi Weng」出現在一串貢獻者名單中並被高光，人們逐漸知道「Trinkle 」叫翁家翌。他是 OpenAI 近兩年來第一位碩士畢業應屆生員工，也是團隊年紀最小的研發工程師之一。
現在，答案已收穫 3000 多個讚。很少人知道他一度覺得自己靠不近 OpenAI，「畢業投履歷時，也認為自己靠不近。」他說。
翁家翌從初一開始接觸程式設計，當時重心在奧數上，學程式設計不過是為了拓展數學思路。真正感到編程魅力是在高中進入福州一中後。
當時，他很喜歡卡片常數。 「給一個固定問題，你可以寫一堆程式碼，寫相同的演算法，有相同的時間複雜度，但我可以協調一些東西，讓相同的演算法比別人跑得快。」這種PK 讓他很有成就感。
當時福州一中資訊群組有一個內部判題系統（ OJ ）線上測評，裡面有各種歷史記錄，翁家翌經常刷到第一才會停下來。
高二時，翁家翌徹底將重心從數學轉到程式設計。為了能上「清北復交」，他決定參加資訊學奧賽。當時資訊組有不少同學在玩知乎，他也註冊了一個帳號。那時，他不會想到幾年後會成為許多網友眼中「高三開始玩知乎的天才少年」。
阿爾法狗擊敗李世石的一年，翁家翌也如願進入清華大學。因為資訊學奧賽發揮失常，他靠著大一達成全系績點前十成就轉到計算機系。大二時與強化學習結緣。
與朱軍教授見面一對一聊天時，朱軍教授問他想做什麼？組裡有三個方向：貝葉斯、對抗訓練、強化學習。雖然選擇了強化學習，但他當時並不知道什麼是強化學習。
「一開始以為和做 GAN （對抗訓練）差不多。」選完後才知道要打遊戲。為了入門，他後來玩了很多遊戲。
如果說高中時的翁家翌主要在知乎潛水和蒐集訊息，進入清華大學後，他有了更多分享的慾望。或許這與他高中就立下的人生目標有關──獲得更多的影響力，幫助更多的人。這些都需要與機器、與人建立連結。
他在知乎發布的最重要工作是大四畢業設計強化學習演算法庫Tianshou（天授），也是至今對他影響最大的研究。後來能進入 Open AI 工作也受惠於這次「一作」經驗。
最初版本的 Tianshou（天授）是兩年前實驗室四個人用 Tensorflow 寫的，速度非常慢，沒什麼人用。他曾試著重構裡面部分程式碼，但沒用。後來乾脆全部推倒重來。結果發現，精簡框架帶來的效益不僅是程式碼層面上的，還有效能上的。
工作發布後，有眼尖的網友發現了這一點：
##“如果同樣的演算法例如dqn 同樣是pytorch，為什麼你的程式碼會快那麼多？感覺除了這兩部分其他程式碼的邏輯都類似啊。」
「程式碼也是有靈魂的（逃，就是實現細節吧…」他說。
那一次「真正讓我意識到，如果要創造影響力，你應該去寫一些基礎的東西，或者在工程上有所建樹，而不是說在一些research 方面有所建樹。」他說。
##AI 領域有很多低品質的實現，很可能是因為研究者工程能力不夠。如果把一些工程方面見解帶入研究，會有不一樣的收穫。
除了擴大工作影響力，翁家翌也熱衷參與清華大學本科生活有關的話題。「選擇在清華大學念書你後悔嗎？」、「在清華大學讀電腦科學與科技專業是什麼體驗？」問題下都留下過他的痕跡。一段走出迷茫困惑，逐步堅定方向的過往，讓他的回答至今人氣不減。
##「感覺這樣的心態正是我需要的，快要被你清fly bitch 折磨瘋了。」一位清華校友敲出自己的心聲。「學會承認自己不如人，與自己和解。」翁家翌寫道。高中時，他發現不管自己多麼努力，總有人站在更高地方俯瞰自己，無論是資訊學奧賽還是文化課。大學最初兩年亦復如此。英文比不過室友，一些聽不懂的課，總有人不用學都能過。
「要學會定義評鑑指標，不再隨波逐流。」這是他的建議。到了大三，翁家翌徹底改變對自己的評價指標，回歸初心。
他不再按部就班地刷GPA、「卷」論文，更喜歡做一些「無用」但有趣的事情，例如寫程式碼。「寫個人專案的時候我覺得我在創造一件藝術品。」對寫程式碼而開源計畫的熱愛也影響了後來出國留學的決定。
#每邁向一個新的站點－春招、秋招、博士申請、國內找實習職位－他都不惜分享自己的經歷，不管是多個offer 在手的晴朗、還是博士申請被吃「全聚德」的陰鬱，每次回答都收穫很高人氣。
現在，翁家翌已經貢獻了33 個回答，發布了3 篇文章，累計了2 萬多個追蹤者，總共獲得28,966 次贊同。這些數字或多或少量化出「用自己的力量幫助更多的人。」
在「你的2022 秋招進展怎麼樣了？ 「問答下，他共享出投了上百家公司的經驗並在這個近千高讚回答的末了寫，下「選擇大於努力。」
如果沒有做出那些基於當下環境的最優決策，沒有參加資訊學大賽、選擇強化學習，也沒有申請出國讀書，又或者堅持讀博，還有可能走到今天這個節點嗎？
努力彌補不了決策失誤。 Google 目前為什麼在 AI 上落後 OpenAI 一大截？訪談時他反問道，然後又直接給答案，「因為他們選擇了另一個方向，與OpenAI 不同的方向。」 ##最近，有人問「有什麼方式加入OpenAI 做研究嗎？...我認為在公司做research 似乎是更有效果的事情，可以給我一些建議嘛。」 他將當初這個高讚回答的連結轉給了對方。 #壯觀的珊瑚礁是珊瑚蟲們努力多年的大工程。珊瑚礁僅佔全球海床洋底0.5%的面積，卻是四分之一以上海洋生物的家。 在知乎，每一個科技「知乎er 」就像渺小又神奇的珊瑚蟲和蟲黃藻，藉由提問、回答和關注，彼此交換能量訊息，周而復始，一種更高級的系統出現了，引來更多前沿科技「物種」棲息，包括一些頂級科學家。 知乎策略副總裁、社區業務負責人張寧曾表示，站內從事科研學習和工作的人群總數高達544 萬人，僅科技互聯網領域，就日均圖文生產量兩萬多篇，在數學、物理、天文、人工智慧等多個領域的回答、文章和影片數都超過了100 萬篇。 ChatGPT 後，百度「文心一言」發布、GPT-4 發布、微軟整合AI 對話功能等一線事件發生時，業界大咖都在第一時間聚此討論。 3 月28 日，華裔數學家張益唐在知乎上發出邀請：「我將應哈佛大學和歐洲幾所大學的邀請，做一次直播，主題為：Non-positive sequences in analyticnumber theory & the Landau-Siegel zero（解析數論中的非正序列&朗道-西格爾零點。」 ##################################################################################################################################### ####這一次，在知乎，你又可以聽到號角的聲音。#########
以上是在知乎，看見ChatGPT變革的第一束光的詳細內容。更多資訊請關注PHP中文網其他相關文章！
