欢迎关注博主 Mindtechnist 或加入【Linux C/C++/Python社区】一起学习和分享Linux、C、C++、Python、Matlab,机器人运动控制、多机器人协作,智能优化算法,滤波估计、多传感器信息融合,机器学习,人工智能等相关领域的知识和技术。
专栏:文献速递——如果需要原文pdf可私聊博主《文献名-作者》获取。
🔥🔥🔥前言:ChatGPT(全名:Chat Generative Pre-trained Transformer),美国OpenAI 研发的聊天机器人程序 ,于2022年11月30日发布 。ChatGPT是人工智能技术驱动的自然语言处理工具,它能够通过理解和学习人类的语言来进行对话,还能根据聊天的上下文进行互动,真正像人类一样来聊天交流,甚至能完成撰写邮件、视频脚本、文案、翻译、代码,写论文等任务。
2022年11月30日,OpenAI推出了ChatGPT,引起了大众的广泛关注,在短短5天内就发展到100万用户。ChatGPT发布仅2个月,月活跃用户就超过了1亿。要知道, “1亿用户”可不是个“小目标”,达到这一数字,Facebook用了4.5年,WhatsApp用了3.5年,Instagram用了2.5年,谷歌则用了将近1年。ChatGPT横空出世,成为了万众瞩目的焦点,几乎所有人都在讨论它,其传播速度堪比新冠病毒。埃隆·马斯克(Elon Musk)是OpenAI的创始人之一,他说: “ChatGPT优秀得可怕。我们离危险的强大人工智能不远了。”2023年2月初,ChatGPT更是开启“狂飙”模式,引发新一轮技术升级、产业重构、资本狂潮、巨头逐鹿。
ChatGPT是自然语言处理(NLP)技术一个新的里程碑。NLP是人工智能的一个分支,最早起源于机器翻译,其历史比“人工智能”这个术语还要悠久,至今已有70多年。简单来说,该技术的目标就是让计算机像人一样具备听、说、读、写、译等方面的语言能力。微软的创始人比尔·盖茨(Bill Gates)曾经表示, “语言理解是人工智能领域皇冠上的明珠”。12年前(2011年2月),当IBM的沃森(Watson)系统在美国的电视问答节目Jeopardy中战胜人类冠军时,人们就看到了NLP技术超越人类的可能性,但是沃森的商业化应用不太成功。
所以,ChatGPT不是从天而降的,而z足:NLP技术从量变发展到质变的过程中一个重要的转折点。
ChatGPT再次向人们证明:算法、算力和数据(语料)是大数据时代的三个支柱。其实算法的突破早在2016年AlphaGo战胜人类围棋高手时就已经实现,当时DeepMind的创始人戴密斯·哈萨比斯(Demis Hassabis)曾表示“对在科学中使用这种人工智能感到兴奋”,他希望帮助科学家更快地取得突破。然而要把算法、算力和数据等所有数据资源和计算资源真正工程化实现,也不是轻而易举的,谷歌的DeepMind也没有实现。然而OpenAI率先实现了质变——从GPT-1开始,直至1]ChatGPT的出现终于让NLP技术“飞入寻常百姓家”了,而且它还在迭代发展,最新的GPT-4就已经上市了。ChatGPT尚无自主意识和思考能力,它只是代表了计算机处理文本的技术实现了突破——能够“理解”和“生成”文本了。但是这种“理解与生成”本质上是一种计算机对文本的数据化处理技术(比如向量化、统计分析等),并非人类的思维方式。目前的颠覆性突破(质变)可能是海量语料数据被一个复杂系统汇聚处理后出现的某种“涌现(Emergence)”特性。因此令人憧憬(不安)的是尚难
预见未来随着更海量的数据资源继续被ChatGPT学习后,其“涌现”能力将会如何表现——对于人类而言究竟是喜是忧?
美国哲学家、作家及认知科学家丹尼尔-丹尼特(Daniel C.Dennett)在1991年出版的著作((意识的解释》中描述了幼年的海鞘: “它在海洋中游荡,寻找一块合适的岩石或珊瑚,作为终生的家。”一旦找到这样的家,海鞘就不再需要它的大脑并将其吃掉。这听起来很残忍,但这背后有一个令人担忧的隐喻:在人工智能日益融入我们的日常生活后,人类是否可能因过度依赖智能机器,使自己变得愚蠢?因此,我们要警惕人工智能对人类思维的弱化。如果人类完全依赖ChatGPT,放弃了自己的阅读和记忆、语言表达与思考能力的锻炼,那是非常可悲和可怕的。
--------本文摘自《陈超. ChatGPT热中的冷思考》
参考文献:
[1] 陈超. ChatGPT热中的冷思考[J].竞争情报,2023,19(2):1.文章来源:https://www.toymoban.com/news/detail-425990.html
文章来源地址https://www.toymoban.com/news/detail-425990.html
到了这里,关于ChatGPT热中的冷思考的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!