人工智能领域的发展历程已经为我们带来了很多尖端技术，例如深度学习、自然语言处理等等。其中，GPT是一种基于Transformer架构的预训练语言模型，已经在语音识别、机器翻译、语言生成等领域得到广泛应用。
GPT可以用于构建问答系统，其基本原理是通过学习训练数据中的问题和答案，将问题转换为特定领域的答案。当输入一个问题时，GPT可以预测出最有可能的答案，从而提高问答系统的质量。有人说，未来谁具备创新力、想象力和思考力，是GPT的出题人谁就能胜出，坐等答案者终被淘汰出局，而人类将从被动接受知识灌输升级到提问者（Al引导程序员），而GPT也会不断更新文本回答人类的疑问以及各种各样的问题，从此人类的“大脑”会无限放大......实际上，未来GPT（AI）的实质是如何将数字宇宙（数智库），进行演算、推理、分发和共享。对此，您有何看法，请在此和我们说一说吧！
一共有人参与 条评论
知识共识（Knowledge Consensus）： 知识共识是指AI系统通过集成来自多个来源的信息和观点，形成一致或共识的过程，是指在多个智能体之间达成共识的过程。 这通常涉及使用知识图谱、自然语言处理等技术来整合和分析大量数据，从而提取出有用的信息和知识。它涉及到知识的表示、推理、协商、更新和集成等方面。 知识共识在智能问答系统、推荐系统、决策支持系统等领域有潜在的应用价值。 知识共识在多智能体系统、分布式决策等领域具有重要意义。
(1)大神Stephen Wolfram谈及，ChatGPT尝试写一篇文章时，基本上只是在猜：下一个单词应该是什么？ 我们假设已有文本为“人工智能最擅长的一点是...”，然后想象一下扫描数十亿个人类编写的文本（例如网络内容和数字化书籍），找到所有这些文本的实例，看看下一个单词出现的频率是多少。这里概率最高的下一个英文单词是学习（learn）。 如何计算这些概率呢？Wolfram介绍说： 大的想法就是制作一个模型，好的模型是与人类看法相一致的函数结果，这里就涉及到了神经网络，它可以被认为是对大脑是如何工作的简单理想化表达。 ChatGPT的神经网络基于有数十亿个权重的数学函数，根据它所看到的训练内容，查看数十亿页的文本），“合理地”去猜下一个单词。 所以，AI的“只看下一步”，不只是胸怀全局，还是一个强化学习的过程。 在强化学习中，代理（agent）通过与环境交互，进行一系列的动作，从而尝试最大化累积奖励。 每个动作都会导致环境状态的改变，每种状态都有一个与之相关的奖励。代理的目标是学习一种策略，该策略能够根据当前的状态确定应采取的最佳动作。 机器学习的训练，令AI的预测越来越准。在与环境的交互过程中，智能体持续自我改进，不断进化，进而实现了整体的更大回报。 从这个角度，更能理解胡先生说的--科学家明知真理无穷、知识无穷，但他们仍然有他们的满足： 进一寸有一寸的愉快，进一尺有一尺的满足。作者老喻的
(0)教给大家一个妙招。在向ChatGPT提出诉求时，可以加上一句话：for every interaction，ask me any question that will help you provide a more effective and personalized answer.也就是说，“在我跟你沟通的过程中，如果你觉得某个问题的信息可以帮助你生成更有效或更有针对性的回答，你可以随时问我。”这句话能让ChatGPT给出的建议更多、更全面，让你得到更符合期待的答案。 当然，也不要真的依靠ChatGPT给出的建议，就如陶哲轩所说的那样——用它提供另一个思路Prompt自己的思路。所以，ChatGPT并不是我们的老师，而是提供额外的指导。与它沟通的过程，最重要的是它向我们提问，而不是具体的建议。 至此，我提供了多种工具，大家可以根据自己的情况选择其中一个，尤其是生活教练的部分，可以先制定一个模板，再把自己问题填充进去，深入地与ChatGPT进行沟通，只有深入沟通，你才能尽可能地解决实际生活的问题。（任鑫老师）
(1)关于淘汰。每一个时代，都成全了一部分人，也淘汰了一批人。 第一阶段是胆大的淘汰胆小的；80年代谁胆子大，谁敢闯都成功了； 第二阶段是机灵的淘汰迟缓的；90年代谁先发现机会，谁就成功了； 第三阶段是有文化的淘汰没文化的；这个时代要成功，一定得有文化，善于学习的人才能引 领社会进步。2023年，必然会有一大批人倒下，但同时必然也有另外一批人站起来！ 我们一定要乐观积极，勇于面对新的浪潮。
(1)人类的智能不具有通用性。 人类的智能无非是经过几百万年的时间，为了生存下去而进化出的非常有局限性的合成物而已。在所有可能的想法与精神空间之中，它只是一个小小的点。
(0)有了这么强大的AI作为工具，我们最优秀的人类应该扮演怎样的角色呢？ 简单来说，就是做不会被AI替代的角色。既然AI已经能够在某个专业领域轻松跑过90%的人，如果无法做到这个领域的前10%，超不过AI，就不要只在这个领域死磕。那应该做什么呢？做跨界人才，定义新领域，发现新问题，研究新方向。亚当斯说过，如果你想取得出类拔萃的成就，大概有两个选择：第一个，把某个技能做到全世界前10%，第二个，选择两项技能，把这两项同时做到世界前25%的水平。另外，用过ChatGPT的人都有一个感受，能用好ChatGPT的人其实并不多，因为善于提问题的人，永远是少数。AI是一个优秀的“做题家”，但是AI不会出考题。综上，在AI时代，我们未来的教育模式要从这两个角度出发：第一，培养进行跨领域的全局性思考能力；第二，培养提出好问题的能力。（主笔 / 孙鹏 责编 / 江雁）
(1)不管最终能否取代，趋势已经很明确了。人类个体智慧的边际效益越来越差。AI就是人类的集体智慧。“人类补完计划”。如果人没了，效率再高又有什么意义？如果那些大师曾经都有绩效考核悬在头上，那他们还能成为大师么？
(0)   1  
共2条信息 |
手机扫描二维码访问
