[ad_1]
小号o ChatGPT 语言处理模型突然出现在一个震惊的世界中，空气被喜悦的尖叫声和愤怒或哀叹的哭声撕裂。 高兴的是那些发现机器显然可以胜任执行书面委托而惊呆了的人。 愤怒的起因是担心那些工作需要具备写熟练散文能力的人被裁员。 哀叹来自热心的人（其中许多是各级教师），他们的日常工作涉及对迄今为止由学生撰写的论文进行评分。
到目前为止，如此可预测。 如果我们从历史中知道什么，那就是我们通常高估了新通信技术的短期影响，同时严重低估了它们的长期影响。 印刷品、电影、广播电台和电视以及互联网也是如此。 而且我怀疑我们刚刚跳上了同一个认知旋转木马。
不过，在按下紧急按钮之前，值得研究一下野兽的本性。 这就是机器学习人群所说的大型语言模型 (LLM)，它已通过对话界面得到增强。 底层模型已经过数百 TB 文本的训练，其中大部分可能是从网络上抓取的，所以你可以说它已经“阅读”（或至少摄取）了几乎所有在线发布的内容。 因此，ChatGPT 非常擅长模仿人类语言，这种设施鼓励其许多用户拟人化，即将系统视为更像人而不是机器。 因此，前面提到的喜悦的尖叫声——以及奇怪的被误导的用户显然认为机器在某种程度上是“有知觉的”。
对于这种拟人化系统（如 ChatGPT）的趋势，最著名的解毒剂是谈论大型语言模型，这是著名人工智能学者 Murray Shanahan 最近发表的一篇论文，可在 arXiv 上找到。 在其中，他解释说 LLM 是大量人类生成文本语料库中“标记”（单词、单词的一部分或包括标点符号在内的单个字符）统计分布的数学模型。 所以如果你给模型一个提示，比如“第一个在月球上行走的人是……”，它用“Neil Armstrong”回应，那不是因为模型对月球或阿波罗任务一无所知，而是因为我们实际上是在问它下面的问题：“鉴于单词在庞大的公共语料库中的统计分布 [English] 文本中，哪些词最有可能遵循“第一个在月球上行走的人是”的序列？ 对这个问题的一个很好的回答是‘尼尔·阿姆斯特朗’。”
所以发生的是“下一个标记预测”，这恰好是我们与人类智能相关的许多任务也涉及的内容。 这或许可以解释为什么这么多人对 ChatGPT 的性能印象深刻。 事实证明，它在许多应用程序中都很有用：例如，总结长篇文章，或制作演示文稿的初稿，然后可以对其进行调整。 它的一个更意想不到的功能是作为帮助编写计算机代码的工具。 Dan Shipper，一位经验丰富的软件专家， 报告说 他在圣诞节期间以编程助理的身份试用它，得出的结论是：“它在帮助您开始新项目方面非常出色。 它需要所有的研究、思考和查找并消除它……在 5 分钟内你就可以得到一些东西的存根，而以前需要几个小时才能启动和运行。” 不过，他的警告是，您必须首先了解编程。
在我看来，这似乎是 ChatGPT 智慧的开端：充其量，它是一个助手，一个增强人类能力的工具。 它会一直存在。 从这个意义上说，奇怪的是，它让我想起了电子表格软件，它在 1979 年像晴天霹雳一样轰动了商业世界，当时 Dan Bricklin 和 Bob Frankston 为 Apple II 计算机编写了第一个电子表格程序 VisiCalc，当时主要销售在爱好者商店。 一天，史蒂夫·乔布斯和史蒂夫·沃兹尼亚克一觉醒来，发现许多购买他们电脑的人都没有留胡子和扎马尾辫，而是穿着西装。 那个软件卖硬件，而不是反过来。
这个消息在 IBM 上并没有丢失，并促使该公司创建了 PC 和 Mitch Kapor 为其编写了 Lotus 1-2-3 电子表格程序。 最终，微软编写了自己的版本并将其称为 Excel，现在可以在发达国家每个办公室的每台机器上运行。 它从一个有趣但有用的人类能力增强变成了一个平凡的配件——更不用说为什么 Kat Norton（又名“Excel 小姐”）据称每天通过在 TikTok 上教授 Excel 技巧赚取六位数的收入。 很可能有人在某个地方计划使用 ChatGPT 来做到这一点。 并使用机器人编写脚本。
我一直在读什么
三重威胁
Third Magic 是诺亚·史密斯 (Noah Smith) 对历史、科学和人工智能的思考。
不要回头
对脱趋同英国经济衰退的怀念是 Adam Tooze 关于英国经济衰退的较长历史的长篇博文。
不平等的影响
谁打破了美国的民主？ 是诺贝尔奖获得者安格斯·迪顿 (Angus Deaton) 在 Project Syndicate 网站上发表的一篇富有洞察力的文章。
[ad_2]
Source link
