再谈一谈ChatGPT


=Start=

缘由:

今年6月份的时候简单总结了一篇和ChatGPT有关的文章,当时为了整理那篇文章,还是翻阅了很多文档的,但是事后太长时间没有用和体验,又有点忘了,今天有点时间,再回顾回顾,整理一下近期看到的相关内容。

正文:

参考解答:

世界上,唯一不变的就是变化。拥抱不确定性,拥抱变化。

==

至于 AI 会不会杀死前端,这个就说不准了,完全取决于 AI 的发展,尽管我是不太相信 AI 能做出复杂页面。

今天,我就想谈谈,作为程序员怎么面对不确定的未来(?)。 AI 是不确定的,发展完全不受我们的控制。它使得程序员的职业和未来都变得不确定,这种情况下,我们怎么办?

我正好看到一篇印度程序员的文章,他也在思考这个问题,就决定亲自测试一下,AI 发展到了什么程度。

他让 ChatGPT 写一个他想要的程序,结果整整花了三个周末不断调整,才勉强写出来,代码可以运行了。

下面就是他对 AI 的评价。

有时我对 ChatGPT 的理解能力感到惊讶,但是更多时候,我不得不拼命推动它,朝着我想要的方向前进。它有时会产生意料之外的结果,让我感到非常沮丧。”

“它像一个吸收了所有人类知识、但需要别人帮忙才能把这些知识串起来的应届毕业生。”

看来我今年的工作是安全的。但是,我需要好好学习 ChatGPT,精通它的使用,让我明年也是安全的。

我非常欣赏上面的最后一句话,觉得这种心态值得我们借鉴。

AI 未来会怎样,没有办法预知,但是可以确定,它目前的编码水平不会威胁到程序员。

你的工作今年是安全的。如果你努力的话,明年也是安全的,而且很可能从此都是安全的。因为如果一直不断学习 AI,你会越来越熟练地掌握它,让它为你工作,达到你的目的。也就是说,它会放大你的生产力。

这就是最关键的地方,AI 与人类不是竞争关系,它未必会减少机会,反而可能带来更多的机会

一位英国企业家曾经总结了对 AI 的5点看法,我觉得这才是对待 AI 的正确态度。

1、AI 会大大增强程序员的生产力,并创造过去不可能的产品。

2、AI 本质是生产力工具,跟高级语言、云服务、开源代码等是一个性质。

3、写代码的门槛会降低,更多的人会进入 IT 行业,软件市场将变大。

4、AI 推动行业发展,将为所有人带来更多的增长、产品和机会。

5、我们要成为这个过程的一部分,需要让自己积极主动,不断更新技能,接受新工具

虽有智慧,不如乘势

ChatGPT的问世是社会发展的必然,是人们需求的结果兑现。新事物带来新挑战,同时也带来新机遇。

有人看到变化带来的问题和未知的变数,有人看到了问题背后的机遇。只看到问题看不到机遇的人,可能会开始不停抱怨,进而错过了这个时代的宝贵机会。其实,这是因为心中定力不足,所以容易被变化左右。

这个世界本就是生生不息不断变化的,千变万化之中,变化的规律始终不变。事事物物的变化始终遵循行为作用与反作用的真理运行。因此,把握住了这条规律,就能看清前进的方向,心中就有了定力,不会轻易地因外界变化摇摆。

《孟子》中有句话说,“虽有智慧,不如乘势”。我们心中有这样一份定力在,当面对新的变化的时候,我们每一个从业者都可以升级我们自己的认知,打开我们生存的边界。借助外力,乘势而上!

面对ChatGPT等新兴智能科技,我们不应该固步自封,而是正确认识它们给生活带来了怎样的便利,引发了怎样的革命。我们一路走来,本就是站在一次又一次的革命更迭的洪流中,重塑自己的思维,进而重塑时代的面貌。

我们只有不断升级认知,打开自己的边界,才能在一次次浪潮中屹立不倒。

==

  “虽有智慧,不如乘势”出自《孟子·公孙丑上》。有一次,孟子的弟子公孙丑问孟子,假如孟子当政于齐国,能否取得像管仲一样的成就?孟子批驳说,齐国人只看到管仲有本事,但是忽略了研究各国的形势,最终是不能治理好国家的。孟子认为,即使如武王、周公那样的明君贤相,如果不研究和结合当时的形势,也很难治理好国家。这就是“虽有智慧,不如乘势;虽有镃基,不如待时”,意思是即使有智慧,也不如很好地运用形势;就算是有好的犁锄,也不如等待农时再耕作。“乘”和“待”都是依靠、凭借的意思,这两句话都是强调抓住时机的重要性

  传统文化中,古人一直很强调对“势”的把握。《孙子兵法》中说,“故善战者求之于势,不责于人,故能择人而任势”;商鞅在变法时,也强调乘势的重要性,“飞蓬遇飘风而行千里,乘风之势也……故托其势者,虽远必至”;《唐李问对》中也有“善弈者,谋势;善谋者,顾全局”。很多生活中的小事,也证明了这一点:一些看似“错事”,只是因为没有把握好“势”,没有在合适的时机去做,导致了“不合时宜”。比如,“秋扇见捐”,是因为扇子送风在秋天不合时宜,才无用武之地;而“雪中送炭”,是因为炭火在冰雪中正合时宜,才让人倍感温暖——究竟是相得益彰、锦上添花,还是事与愿违、雪上加霜,全在于对形势的判断、在于对时机的把握。汉朝初期,天下初定,士卒疲于征战,为了安定人民、发展国力,西汉朝廷面对匈奴的武力威胁,选择了和亲政策,此时的形势需要,是以采取守势为自保之法、以抓紧发展为首要原则;而汉武帝时期,国力充足、兵强马壮、将才辈出,面对匈奴的威胁,便开始进行反攻,终令匈奴边患问题基本解除,此时的形势需要,是以采用攻势为安国之法、以主动出击为对敌战略。《韩非子》曰“随时以举事,因资而立功,用万物之能而获利其上”,根据时机来办事,依靠条件来立功,方能有所成就。

参考链接:

简单聊一聊ChatGPT
https://ixyzero.com/blog/archives/5459.html

科技爱好者周刊(第 255 期):对待 AI 的正确态度
https://www.ruanyifeng.com/blog/2023/05/weekly-issue-255.html

VardaGPT/STORY.md
https://github.com/ixaxaar/VardaGPT/blob/master/STORY.md

New Layer of Abstraction, Not the End of Software Engineering
https://adamcohenhillel.substack.com/p/new-layer-of-abstraction-not-the

如何看待ChatGPT?
https://mp.weixin.qq.com/s/QtBikbpolCdrcIRKqAtJMQ

虽有智慧,不如乘势 | 学讲话·品典故
https://mp.weixin.qq.com/s/y1UcWhndgH46vDfEh32BFw

被GPT4震撼的同时,我们应如何看待人工智能的强大
https://mp.weixin.qq.com/s/PlIflhAsRi84m5NEK-9WJA

=END=


《 “再谈一谈ChatGPT” 》 有 7 条评论

  1. 人工智能的分类有哪几种
    https://www.36dianping.com/news/10225.html
    `
    人工智能的分类可以分为三种,分别是:弱人工智能,代替人力处理某单一领域的工作;强人工智能,可以代替一般人完成生活中的大部分工作;超人工智能,在强人工智能的基础上,像人类一样进行学习,每天自身进行多次升级迭代。而智能水平会完全超越人类。

    1、弱人工智能

    代替人力处理某单一领域的工作。

    弱人工智能的英文是Artific ial Narrow Intelligence,简称为ANI,弱人工智能是擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能阿尔法狗,但是它只会下象棋,如果我们问它其他的问题那么它就不知道怎么回答了。只擅长单方面能力的人工智能就是弱人工智能。

    2、强人工智能

    可以代替一般人完成生活中的大部分工作。这是所有人工智能企业目前想要实现的目标。

    强人工智能的英文是Artificial General Intelligence,简称AGI,这是一种类似于人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能,人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多,我们现在还做不到。强人工智能就是一种宽泛的心理能力,能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。强人工智能在进行这些操作时应该和人类一样得心应手。

    3、超人工智能

    在强人工智能的基础上,像人类一样进行学习,每天自身进行多次升级迭代。而智能水平会完全超越人类。

    超人工智能的英文是Artificial Superintelligence ,简称ASI。牛津哲学家、知名人工智能思想家Nick Bostrom把超人工智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多,包括科学创新、通识和社交技能。”超人工智能可以是各方面都比人类强一点,也可以是各方面都比人类强万亿倍的。当人工智能进化到超人工智能就会发生智能爆炸,以下的情景很可能会发生:一个人工智能系统花了几十年时间到达了人类脑残智能的水平,而当这个节点发生的时候,电脑对于世界的感知大概和一个四岁小孩一般;而在这节点后一个小时,电脑立马推导出了统一广义相对论和量子力学的物理学理论;而在这之后一个半小时,这个强人工智能变成了超人工智能,智能达到了普通人类的17万倍。
    `

    人工智能有哪些分类方式呢? – 行行查的回答 – 知乎
    https://www.zhihu.com/question/493128592/answer/2181290268

  2. 人工智能
    https://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD
    `
    人工智能(英语:artificial intelligence,缩写为AI)亦称智械、机器智能,指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现,以及如何实现。同时,通过医学、神经科学、机器人学及统计学等的进步,常态预测则认为人类的很多职业也逐渐被其取代。

    人工智能可以定义为模仿人类与人类思维相关的认知功能的机器或计算机,如学习和解决问题。人工智能是计算机科学的一个分支,它感知其环境并采取行动,最大限度地提高其成功机会。此外,人工智能能够从过去的经验中学习,做出合理的决策,并快速回应。因此,人工智能研究人员的科学目标是通过构建具有象征意义的推理或推理的计算机程序来理解智能。人工智能的四个主要组成部分是:

    专家系统:作为专家处理正在审查的情况,并产生预期或预期的绩效。
    启发式问题解决:包括评估小范围的解决方案,并可能涉及一些猜测,以找到接近最佳的解决方案。
    自然语言处理:在自然语言中实现人机之间的交流。
    计算机视觉:自动生成识别形状和功能的能力。

    ==
    1 概论
    2 发展史
    3 研究课题
    3.1 演绎、推理和解决问题
    3.2 知识表示法
    3.3 规划
    3.4 机器学习
    3.5 自然语言处理
    3.6 运动和控制
    3.7 知觉
    3.8 社交
    3.9 创造力
    3.10 伦理管理
    3.11 经济冲击
    3.12 AI对人类的威胁
    3.12.1 悲观学派
    3.12.2 乐观学派
    3.13 AI与管理
    4 强人工智能和弱人工智能
    4.1 强人工智能
    4.2 弱人工智能
    4.3 对强人工智能的哲学争论
    5 研究方法
    5.1 控制论与大脑模拟
    5.2 符号处理
    5.3 子符号方法
    5.4 统计学方法
    5.5 集成方法
    6 基本应用
    6.1 感知能力(Perception)
    6.2 认知能力(Cognition)
    6.3 创造力(Creativity)
    6.4 智能(Wisdom)
    7 实际应用
    8 学科范畴
    8.1 涉及学科
    8.2 研究范畴
    9 电视剧
    10 应用领域
    11 滥用
    12 参看
    13 参考文献
    13.1 引用
    13.2 来源
    14 扩展阅读
    15 外部链接
    `

    五道口大模型简史
    https://mp.weixin.qq.com/s/fm37ofUwLQyItKkkLMjG5Q
    `
    「预见未来最好的方式就是亲手创造未来。」

    AI 有三大方向:计算机视觉(CV)、自然语言处理(NLP)与机器学习(ML),其中 NLP 的终极目标是让计算机理解人类语言。
    `

  3. 影响使用大模型的技术因素
    https://www.chenshaowen.com/blog/the-key-factors-while-using-large-models.html
    `
    1. 大模型到底是什么

    先请两位大模型回答一下这个问题,看看他们的回答是什么。

    Claude 说,**大模型本质上是语言知识的概率表达,通过统计学习对语言各层次规律建模,表征语言生成的先验分布,从而具备语言预测生成能力**。

    ChatGPT 说,大模型本质是深度神经网络通过大量参数和数据,学习抽象表示,解决复杂任务,但需要高计算和资源投入。

    根据他们的回答,大模型本质上是统计出来的知识分布。但为什么以前的统计手段没有 GPT-3.5 这种效果呢?主要原因有很多,大部分都强调的是训练数据量、算力、模型参数、Transformer 等。

    但作为一个使用者,我更关注如何从输入的角度,优化对大模型的使用,提升效果。

    2. 影响使用大模型的技术因素

    2.1 Prompt learning – 提供一些示例、期望

    为了得到更好的结果,我们需要提供一些 prompt 说明大模型扮演什么角色、问题的描述、产生的背景、预期的结果,让大模型知道我们想要的结果是什么。

    2.2 思维链(Chain-of-Thought)- 让大模型一步一步的思考

    传统的大模型类似一个黑盒,只是输出结果,无法充分利用知识。思维链技术就是让大模型分解问题,一个一个的解决,然后得到最终结果。

    为了避免大模型进入错误的知识空间,我们甚至可以提供一些解决的的思路和框架。

    2.3 输入文本越长效果越差 – 控制输入长度

    如果输入的文本超过了大模型最大 token 长度,大模型会自动截断输入、丢失上下文信息,导致结果不准确。

    在不超过大模型最大 token 长度的情况下,输入文本长度的增加,也会导致大模型效果下降。

    有研究表明,大模型在处理长文本时,会忽略中间部分的信息,只关注开头和结尾的信息。https://arxiv.org/pdf/2307.03172.pdf

    因此,不要因为模型支持 100K 的 token 输入,就真的输入 100k 的 token,而是可以拆分为多个小段,然后分别输入,再汇总。
    `

  4. 微软发布 166 页 GPT-4V 测评报告,高级用户必读
    The Dawn of LMMs:Preliminary Explorations with GPT-4V(ision)
    https://browse.arxiv.org/pdf/2309.17421.pdf
    `
    在此前的文章中,我们报道了 ChatGPT 迎来史诗级更新,从单纯的文字「来往」跃升到图像「来往」,实现了基于图像的分析和对话,你可以简单地将之理解为从 GPT-4 转变成了 GPT-4V(ision)。

    当人们还沉浸钻研 GPT-4V 的玩法时,OpenAI 的「大东家」微软直接发布了一份长达 166 页的报告,详细地描述了该功能的测试和使用情况。

    MedARC(医疗人工智能研究中心)联合创始人兼 CEO Tanishq Mathew Abraham 表示,「这篇报告将是 GPT-4V 高级用户的必读之作。」

    具体来说,这份报告分为 11 个章节,囊括了
    论文概览、
    GPT-4V 的输入模式、
    GPT-4V 的工作模式和提示技术、
    视觉-语言能力、
    与人类的互动:视觉参考提示、
    时间和视频理解、
    视觉推理与智商测试、
    情商测验、
    新兴应用亮点、
    基于 LLM 的智能体等方面的研究。

    测试的方法也很简单,通过输入 Prompt(提示词),报告的作者向 GPT-4V 询问问题即可。
    `

  5. 之江实验室发布《生成式大模型安全与隐私白皮书》
    https://www.secrss.com/articles/55419
    https://github.com/xiaogang00/white-paper-for-large-model-security-and-privacy
    `
    当前,生成式大模型已经为学术研究甚至是社会生活带来了深刻的变革,以 ChatGPT 为代表,生成式大模型的能力已经显示了迈向通用人工智能的可能性。但同时,研究者们也开始意识到 ChatGPT 等生成式大模型面临着数据和模型方面的安全隐患。

    今年 5 月初,美国白宫与谷歌、微软、OpenAI、Anthropic 等 AI 公司的 CEO 们召开集体会议,针对 AI 生成技术的爆发,讨论技术背后隐藏的风险、如何负责任地开发人工智能系统,以及制定有效的监管措施。国内的生成式大模型技术也正在发展之中,但是同时也需要先对安全问题进行相应的分析以便双管齐下,避免生成式大模型这把双刃剑带来的隐藏危害。

    为此,之江实验室基础理论研究院人工智能与安全团队首次全面总结了 ChatGPT 为代表的生成式大模型的安全与隐私问题白皮书,希望能够为从事安全问题研究的技术人员指明方向,同时也为 AI 相关政策的制定者提供依据。
    `

  6. 绝大多数创作者,能交出来的也不过是五六分的东西,AI 一瞬间把他们全淘汰了
    https://weibo.com/p/1035051151243311
    `
    @琉玄:昨天的 AI 是一键成图,今天的 AI 已经可以根据你提供的一句话一键生成一段视频了。

    我看到群里的大家热闹地聊起来,有的人觉得是好事情,以后一个人就是一个团队,有的人表示非常绝望,将有更多人失业。
    大家争执了起来。
    有创意输出类的从业人员紧跟着说:“更多人失业?已经很多人失业了。”

    是的。这也是我亲眼所见,AI 不在未来,它是已经融入我们的生活了,当它可以一键成图的那瞬间,我就在地铁里、在电梯里,看到完全 AI 生成的海报了。
    我看得真是惊心动魄,合家福的广告画面里每一张大笑的都是虚构人脸,这一张图背后失业的是策划、文案、摄影、模特、修图、作画、排版……

    很多人说 AI 作图有很多漏洞,比如手指头、衣服的皱褶等等,**先不说这些漏洞正在攻克中,就,这些漏洞,有人在乎吗?**我看一张海报里的人物骑在龙身上,这个人物没有下半身,我看到了,我一笑而过,仅仅吐槽了句 “真丑”。**没人在乎。**

    **以前我就说过,大多数人吃个五六分的东西就行了,十分的大师作品,他们其实不吃的,所以 AI 生成的东西已经足够填饱大多数人们的需求。**

    **而绝大多数创作者,能交出来的也不过是五六分的东西,原本他们每一个人坐在自己的工位上,还能靠这五六分的技术实力吃饭,现在 AI 一瞬间把他们全淘汰了,以后他们上哪儿去呢?**

    不知道。

    但是 AI(科技)的发展,势不可挡。
    未来怎么样……
    到时候再看吧。
    `

  7. 越垂直,越深度,越聚合,越不会被取代!
    https://mp.weixin.qq.com/s/_9cN1tgsuwio2jK_lobi1Q
    `
    AI搜索仍然是基于目前网络上已有的信息,把我们的问题和已有的信息快速匹配,从中找出重要的段落和句子。接着做降噪处理,去掉干扰的内容,比如广告和重复的段落,确保剩下的都是相对有用的信息。最后会把有用的信息整合起来,生成一个答案,这就是AI搜索的过程。

    所以,AI搜索相比传统搜索引擎,我觉得最大的优势就是**去广告,过滤掉很多无用信息,提升了搜索的效率**。虽然能够给出一些分析和总结,但是**这些总结都是网络公开的、高频的、标准化的表达,往往深度不够**。

    而分析师日常开展的行研、竞对分析、用户分析、市场研究工作,需要深度的研究和剖析,这些资料往往都不是通过搜索引擎搜索而来的,而是基于专业的、垂直的网站和数据库获取的。因此,AI要完全取代分析师的资料搜索工作目前来看是不可能的,它取代的只是我们过去通过搜索引擎获取的浅度的、科普的信息。对待深度研究,使用专业的、垂直的、聚合网站效率更快、准确度更高。
    ==

    很多人都在说:AI搜索将彻底取代分析师,以后分析师收集资料和报告的工作可以全部交由AI完成。我认为这种说法是不准确的。

    目前分析师收集资料的主要目的有以下三种:
    * 分析行业,了解行业的现状和趋势,为企业制定战略和策略提供决策支持。
    * 研究竞争对手,了解竞争对手的情报和策略,为企业制定战略和策略提供信息。
    * 分析市场,了解新市场的现状和潜力,为企业进入或开发新市场提供支持。

    为了得到这些信息、资料和情报,目前已经形成了一套系统性的获取资料的方法和途径,主要有5种方式:**搜索、读书、问人、亲身体验、推理测算**。(链接:学会这五个方法,信息差就打破了,复杂项目再不拍脑袋了)

    通常是先开展桌面研究,形成基本的认知;接着阅读几本书籍,找到解决问题的框架和思路;再进行观察体验,修正原有的认知和判断;之后,通过专家访谈或用户调研获取最前沿和有价值的一手信息;最后,在信息不完整的情况下,利用结构化思维进行推理测算。

    * 在这五个途径里,问人需要与人打交道,观察体验需要实际亲身实践,推理测算需要大脑进行深度归纳演绎,因此是很难被AI替代的。
    * 搜索和读书的工作部分可以被AI取代,但是又不能完全被取代。
    `

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注