天台建设局网站,朋友做的网站图片不显示,外发加工厂联系方式,wordpress手机上打不开人们总是高估了未来一到两年的变化#xff0c;低估了未来十年的变革。 ---比尔盖茨 近来OpenAI的GPT技术可以说在全球都带来了巨大的影响#xff0c;也让大家看到了什么叫大力出奇迹。chatGPT和GPT4的能力给了大家很大的震撼#xff0c;其流畅自如、逻辑清晰、出众的能力低估了未来十年的变革。 ---比尔盖茨
近来OpenAI的GPT技术可以说在全球都带来了巨大的影响也让大家看到了什么叫大力出奇迹。chatGPT和GPT4的能力给了大家很大的震撼其流畅自如、逻辑清晰、出众的能力给使用过的人都留下了深刻的印象同时也让无数人对这项技术产生了担忧和畏惧其中就包含即将踏入互联网行业的我。
起初在chatGPT刚出来的那段时间我是抱着了解但未尝试的态度的知道这项技术很先进但是不知道其对未来的影响或许是因为没有亲身去使用导致了对其能力的低估吧。后来其越来越火GPT4相继问世我使用之后的感受我切身感受到了这一技术的变革性。 **gpt是个什么样的技术呢**生成式预训练的模型主要用在自然语言生成上能够处理各种语种的输入和输出如中文英文等各种主流语言不知道是否支持世界上所有有文字资料的语种。
目前gpt的技术主要应用在对话中即人与计算机进行对话 — chatGPT能够记忆多轮对话的内容并结合上下文给出相应的答案且生成的文本逻辑上语法上都有很好的准确性。对话的内容不限从生活常识到百科到文学到各行各业的知识学术界的工业界的都能给出不错的答案。目前关于垂直领域的知识主要是关于计算机的不知道其他工科的怎么样。但也并不是毫无缺点生成的文本可能会有一些事实性错误编造一些不存在的东西不能确保准确性有些泛泛而谈。
综合以上可以对chatGPT做一个总结一个拥有强大文本生成能力的模型能够处理各种问题理解语言中较复杂的语义但也存在一些缺点。 现在发展到的gpt4不仅可以处理文本还具有了多模态的能力能够理解图像生成图像。或许以后能够输入输出更加的自由可以是文本语音图像视频等输出亦然。
**关于未来的大模型。**可以沿着发展趋势展开一下想象在未来的某天大模型技术取得了更大的进步其理解人类世界的能力愈发强大不仅能够以显而易见的方式接收信息如视、听或许还能触摸再加上对现实的理解AI能做到的事或许和人类没有很大差距甚至能够在某些方面很多方面超越人类。在工作中你大部分时间在与AI系统打交道你的上下游是AI系统你接受AI的任务解决一些AI暂时不能解决的问题后交给下游的AI来完成生活中可能有一个能力超强、且很懂你的AI助手、管家、甚至伴侣管家能够接管你生活中的绝大部分安排为你指定各种计划替你规划、决策为你的孩子辅导功课商店里、饭店里与你交流的可能是服务员。
要实现这样的未来我们还有多远的什么样的了路要走呢
作为一名即将进入互联网行业的学生来说AI的发展确实让我对自己的职业发展着实担忧了一把。未来AI技术的强大一些方面的工作会很快被AI技术取代目前已知的发展空间会被压缩进而影响自己的工作待遇、职业发展方向。毕竟未来的变动需要我们花费时间、精力去学习、去适应还参杂很多不确定性。如果这真的是一场革命那么肯定会有现在所不知的机会和机遇出现。干好当下的事很重要但我现在能为未来做什么呢接下来分析一下发模型对未来的行业的影响。
数据隐私一定是一个首要考虑的因素因此很多商业化场景中会以安全隐私为重要的考虑可能会导致很多公司构建自己的大模型不一定要达到最优的水平但能在自己的垂直场景中达到一定的壁垒。各个公司如何构建自己的大模型呢没有这个能力怎么办虽然现在很多巨头都在往这个方向发展但是真正做的好能商业化的并没有那么多市场还是一片蓝海。可以想到这么多的巨头尚不能做的很好其他的行业、公司有怎么做呢当然以后会有更多的公司能够做好但是还是存在一个分水岭岭以上的公司有能力做好自己的大模型以下的公司不会自研或者说会另辟蹊径。有能力的公司可以把自己的大模型以服务的形式向外提供并以此开展自己的产品。
在大模型掀起的这场革命如果有中未来的软件会是什么样子的呢现在的软件开发过程通常需要人来沟通和理解需求开发完成后进行迭代修改并进行维护。如果AI能快速、准确地实现需求或者小的需求块那我们可能主要负责对需求的划分、细化、整理使其标准化AI能理解的形式具体的开发将由AI自动完成最后再加以测试和人工检查和测试。这个时候可能很多低级简单容易被流程化的开发会被取缔程序员的工作重点更多放在整体流程的把控和分解上。那个时候或许我们能开发出更大规模的软件以更快的速度类似于流浪地球2中MOSS自动生成操作系统。这个时候的程序员还需要具备手撕代码的能力吗整体架构、流程的把控和理解或许是更为重要的能力对技术的广度有更高的要求。
当然并不是所有地方都会上大模型但是很可能大家都会使用它。一种方式是对大模型的小型化或者使小模型同样拥有足够的能力一种是API的形式把大模型作为一项服务在有一种可能是二者的结合在共有大模型的基础上产品有自己的私有模型。大模型的小型化这也是业界和学界一直在做的事情模型的量化、压缩、剪枝、蒸馏等以及在各种硬件平台上适配。API的形式就不赘述了。我觉得目前还未出现但是将来很有可能出现的就是第三种情况共用大模型私有模型。同样是处于对数据安全性考虑也是维护自身产品壁垒。依赖大模型构建的产品数据是其灵魂也是其壁垒所在也包括安全问题。如何在这样的约束下用好大模型个人的一个想法对大模型的拆解、分析大模型的扩展能力大模型与小模型私有模型很有可能就是小模型的融合最好能够做到大模型是一个大软件小模型则是一个插件能够很好的借助大模型的能力。
最令我期待的是具身智能 — 我们接触的是具有实体的AI。当前AI技术在很多领域都有了很大的发展CV、NLP、语音等但更多的是以工具的形式出现在我们的生活中。但这些技术很多终究是没能达到流程与人类进行交互的能力但现在我们看到希望了GPT正在逐步实现已经这一点。以上技术的融合是很有可能出现一个能够数字人的能够具身就看未来硬件和机器人技术的发展了。 希望未来不需要担心以上问题。 再放几张《Bicentennial Man》的剧照希望我以后也能有机器管家当然不是安德鲁那样的。
关于gpt的几篇参考论文
Improving Language Understanding by Generative Pre-TrainingGPT1Language Models are Unsupervised Multitask LearnersGPT2Language Models are Few-Shot LearnersGPT3Training language models to follow instructions with human feedbackInstructGPTGPT-4 Technical Report
