这次， AI 也帮不了我

Posted 2023-04-08 云水木石

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了这次， AI 也帮不了我相关的知识，希望对你有一定的参考价值。

这段时间一直在改造 Chromium for android，详情参考前文：

在增加 TS 格式支持的时候，还参考了一下 AI 的意见：

工作上的问题，我问了问 AI

在增加了所要支持的音视频格式后，正准备收工时，突然发现一个更大的麻烦：RTSP 协议支持。

先简单介绍一下 RTSP 协议：

RTSP（Real Time Streaming Protocol）是由 Real Network 和 Netscape 共同提出的如何有效地在 IP 网络上传输流媒体数据的应用层协议。RTSP 对流媒体提供了诸如暂停、快进等控制，而它本身并不传输数据，RTSP 的作用相当于流媒体服务器的远程控制。服务器端可以自行选择使用 TCP 或 UDP 来传送串流内容，它的语法和运作跟HTTP 1.1 类似，但并不特别强调时间同步，所以比较能容忍网络延迟。而且允许同时多个串流需求控制（Multicast），除了可以降低服务器端的网络用量，还可以支持多方视频会议（Video onference）。因为与 HTTP 1.1 的运作方式相似，所以代理服务器的快取功能也同样适用于 RTSP ，并因 RTSP 具有重新导向功能，可视实际负载情况来转换提供服务的服务器，以避免过大的负载集中于同一服务器而造成延迟。

关于 RTSP 协议，了解到的情况是：

Chromium net 模块不支持 RTSP 协议。
FFmpeg 支持 RTSP 协议。
Chromium media 模块的视频流的网络获取是通过 Chromium net 模块，FFmpeg 只是进行 demuxer 和解码。

有了上次的经验，这次，我也求助一下 AI。

这个回答有点不靠谱，特别是参考链接 3，指向的是一篇关于健康的文章，显然 AI 把 Chromium 认作铬这种微量元素了。接着提问：

这个回答还可以，至少点明了修改的思路。其中链接 1 给的文章，似乎某位开发者已经修改过 Chromium net 的代码以支持 RTSP，但这篇文章明显是搬运过来的。链接 2 的文章是分析 Chromium net 源码的，对于理解 chromium 处理 HTTP 请求有所帮助。链接 4 是一个开源库，将 Chromium net 抽出来单独编译，进去看了一下，没有 RTSP 协议支持，参考价值不大。

我想看看链接 1 是否也有源码，于是继续提问：

AI 误会了我的意思，RTSP 这种成熟的协议，肯定有不少开源实现，我这不是为了省事吗？接着提问：

链接 1 和 2 实际上是重复了第一个回答，而且第二点概括错误，并没有利用 libavformat 库。链接 3 的插件模式并不适合本项目。既然中文世界没有找到答案，那有没有英文资料呢？

又回答偏了，再次拉到 Chromium net 上来：

看来真问不出什么内容了。突然冒出一个主意，绕过 Chromium net，让 FFmpeg 直接处理呢？

这个答案不行，接着问：

到此，我已经明白，再也问不出什么实质性的内容来。

前面提到一位老哥已经做了 Chromium net 中添加 RTSP 的功能，只可惜那是一篇搬运的文章，找不到原主，那就从这条线索再追问下去吧。

看来微软的 bing 也对 CSDN 情有独钟，搜去搜来都是 CSDN 上的那几篇文章。

最后，还是抬出谷歌，在下面的链接找到了原文章：

https://www.cswamp.com/post/41

遗憾的是，没有源码，而且貌似所使用的 Chromium 也是比较老的版本。看来只能自己啃一啃 Chromium net 的源码。

一想到协议实现就头大，没有什么捷径，必须参考 RFC 文档，按着规范来，一丝一毫都不能出错。光是 RFC 文档看起来就挺头疼，细节太多。不过目前也没有更好的办法，指望 AI 来帮忙写代码是不可能的，工作上的问题，没有条件可讲，没有条件也要创造条件上。唯一值得庆幸的是，这肯定是一条可行的道路，不像做预研，能做到什么程度心里没底。

改造 Chromium net 又会碰到哪些坑呢？欢迎围观。

GPT-4：不了不了，这些我还做不到

还有什么是GPT-4玩不了的？

ChatGPT的余波未平，GPT-4的风波又起。这次GPT-4的全新升级，再一次突破了技术的壁垒，很快受到众人的追捧：
有人说GPT-4的出现是场变革，但也许只是对人工智能的过度炒作；
有人说GPT-4可以直接生成好莱坞电影，但也许是对GPT-4的期望值过高；
有人说GPT-4能改变世界，但接下来的发展是什么，还不一定……

GPT-4到底能做什么？又做不到什么？

纵观GPT系列模型的发展史：

第一代模型GPT-1，开始探索模型对语言的理解力；
第二代模型GPT-2，找到了“多任务学习者”的方向；
第三代模型GPT-3以及在此基础上微调的GPT-3.5，也是ChatGPT的前身，能够通过数据的喂养，实现智能问答交流。

而此次GPT-4的发布，又让人眼前一亮。

问题来了：GPT-4比前几代模型到底好在哪?

ChatGPT是这样回答的：

01：GPT-4能识别图片

“GPT-4可以接受图像作为输入并生成说明、分类和分析，”这意味着只要你想识别，GPT-4就能识别图像并输出文本内容。GPT-4开始能“看到”世界。

这一功能的出现，对于有视觉障碍的人群来说，无疑为提高他们的生活便捷打下了坚实的基础。GPT-4在这一方面也有了具体的应用：一款名为Be My Eyes的APP正在开发GPT-4驱动的虚拟志愿者，希望能为盲人、低视力群体提供视觉帮助。

不过据官方宣布图像输入仍然是研究预览，并未公开。关于这一功能的更多信息，我们不得而知。只能期待在下一次的版本中，能带给我们更多的惊喜。

02：创作能力得到强化：长篇小说不是梦

OpenAI表示：“GPT-4能处理超过2.5万字的文本，它比以往任何时候都更具创造力和协作性。”

对GPT-4来说，它可以生成文字内容并进行编辑，甚至可以进行作曲、写剧本或模仿使用者的写作风格。OpenAI的联合创始人Greg Brockman也通过直播展示了GPT-4惊人的创作能力——对长篇文章做核心总结、写代码、创作诗歌……

可以看出，GPT-4不再局限于“chat”，不再定位于聊天机器人，而是朝着提高生产率、“多栖”方向出发。

03：GPT-4更智能、更聪明

相较之前的版本，GPT-4能更好地理解上下文语境及相应的文本关系。OpenAI也给出了GPT-4与GPT-3.5参加各种考试的成绩。在模拟律师考试结果中，GPT-4的最终分数在应试者的前10%左右，而GPT-3.5的得分大概在倒数10%左右。两个模型版本之间，差异也较为明显。

在这场涉及了“人性”“伦理道德”的考试中，GPT-4取得了不错的成绩，显然比GPT-3.5表现得更为出色。

04：GPT-4的安全性也得到提升

“GPT-4及后续模型有可能以有益和有害的方式对社会产生重大影响。”OpenAI表示，团队也在对GPT-4不断地迭代，就安全性这一问题做出了很多努力，包括对数据的选择和过滤、评估和专家参与、模型安全性的改进以及监测、执行等。

针对GPT一类的模型会生成不良建议、有Bug的代码或不准确的信息等风险问题，团队也聘请了50多位来自人工智能对齐风险、网络安全、生物风险、信任和安全以及国际安全等领域的专家，对GPT-4的这些高风险行为进行对抗性测试。这些专家的反馈和数据为GPT-4的改进提供了依据。

GPT-4自发布以来，话题热度只增不减，一些网友也玩出了新花样：

“天呐！GPT-4竟然能雇佣一名人类工作人员为它解决验证码问题，并说服人类与它合作。”

（图源Yosarian2@YosarianTwo）

用户@ GauravDungriyal给GPT-4拍了一张自家冰箱的照片，并让其提供菜谱：

但，GPT-4就没有任何问题吗？

GPT-4与前几代模型相比，回答的内容更精确、也更丰富，但也出现了一些问题：

1、回复变慢

猜测原因可能有以下方面：
首先是流程更复杂。GPT-3有1750亿参数，而GPT-4有100万亿参数，什么概念？这与人类大脑神经元数量相当！因此非常消耗算力；
GPT-4的提问是有限制的，每四个小时内不能超过100条消息。由此可见，它的处理能力更加多样化；
GPT-4 是个多模态大模型，由原来的文本处理，到支持图像输入等，整体运作也更为复杂了。