ChatGPT吃我饭,还要掀我碗

Posted 迈阿蜜

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ChatGPT吃我饭,还要掀我碗相关的知识,希望对你有一定的参考价值。

ChatGPT面世,各种被AI取代“失业言论”笼罩在人们头顶,本文聚焦这一问题,推荐关注ChatGPT的小伙伴阅读。

一时间火爆全网的新晋网红——ChatGPT,就问:还有谁不认识?

谷歌计划在旗舰搜索引擎中添加对话式人工智能功能,谷歌首席执行官Sundar Pichai在采访中还表示:AI并不会对谷歌的搜索业务构成威胁,相反,人工智能的进步会增强谷歌搜索查询的能力。

但是事实却并不是很乐观,谷歌从今年1月开始裁人,紧接着“砸锅卖铁”研发大型语言模型(LLM)的时,ChatGPT及类似的LLM们,也开始“大杀八方”。

你可能被ChatGPT白嫖了

今天的AI越来越让人深刻体会到会什么叫“教会徒弟饿死师傅”,正在抢走你工作岗位的ChatGPT们,是你们无数遍调用你的工作数据之后,利用你的这些工作成果训练出来的。简单来说,是你们亲手训练出来的。

某数据显示:在1000多家受访美国企业中,有48%的企业已经在用ChatGPT取代人类员工。在这些企业中,有 49% 已经启用 ChatGPT,还有 30% 正在赶来的路上。

站在打工人的角度,现在内卷都已经很夸张了,还要和ChatGPT卷?还让不让人“活”了啊?ChatGPT不用吃饭睡觉、不用交房租还房贷、不怕熬夜加班、不怕降薪失业、不会因被上司或客户***难产生情绪、更不会随便因病请假... ...这让打工人怎么卷得过?

 

什么原理?

 

从OpenAI目前透露的信息来看,在GPT-3的训练过程中,很多数据是来自开源数据组织Common Crawl利用爬虫抓取的数据。Common Crawl是一个501非营利组织,它利用爬虫对网络进行抓取,并向公众免费提供其档案和数据集。Common Crawl每个月都会完成爬网,但会要求保护版权、商标等。

看到ChatGPT,仿佛看到了工位旁边王者级段位的大神:

我们焦头烂额,他们云淡风轻

我们灵感枯竭,他们点子不断

我们在赶DDL,他们在喝下午茶

最后KPI、OKR达标的还是ChatGPT们

吃我饭,还要掀我碗?

在讨论该如何向ChatGPT收学费的同时,出版商或许更加担忧ChatGPT的生成能力,就是大家所关心的“失业”问题,而现在不仅仅是抢饭了,AI还打算砸我碗?

最新发布的GPT-4众多亮点中,就包括在大量专业技能考试中取得超越人类平均水平的成绩,在很多执业资格考试中,甚至超过90%的人类考生。由此,人们自己会否被AI取代的担忧日益加深。

虽然GPT-4在准确率方面已经有很大改进,但仍然无法摆脱GPT模型生成内容的固有模式。而且人类员工还具备AI很难实现的理解和学习的能力,在面对新事物时人类拥有创造力和主观判断力。

除此以外,现阶段人类大脑对于AI最大的优势可能还是“廉价”。目前ChatGPT的API价格是$0.03/1000个prompt tokens,$0.06/1000个completion tokens。相比之下,人类员工坐在电脑前时,只要你够卷,他可以为你提供低价的无限token算力。

条条大路通罗马

有程序员还指出:用过 Copilot 就会觉得,这玩意儿实在太香了。调查数据显示,对于已经“上路”的公司来说,写代码是最最热门的用法,有 66% 的企业都在用。

生成式AI产品潜力无穷,但能做出类似应用且可将其商业化的公司却凤毛麟角。不少企业认为AI能够助力企业建设,但企业内部多年积累下来的问题非常复杂。

一套完善的底座意味着在大部分领域通用的解决方案能力,在云计算与软件业,低代码开发,甚至无代码开发是近两年流行的热门概念。核心逻辑是利用代码库,将已有开发样例进行快速复写,整个开发过程中的人工成本趋近于0。

开源指路:JNPF

JNPF,依托代码开发技术原理因此区别于传统开发交付周期长、二次开发难、技术门槛高的痛点。大部分的应用搭建都是通过拖拽控件实现,简单易上手,通过为开发者提供可视化的应用开发环境,降低或去除应用开发对原生代码编写的需求量,进而实现便捷构建应用程序的一种开发平台,快速助力研发人员快速搭建出一套适合企业发展的方案。

对于“AI是否会取代人类创作者”这个问题,ChatGPT的回答是:我创作的作品,虽然具有高效、快速的特点,但人类的创作思想和情感依然是无法替代的。作为人工智能,它没有意识、意图和动机,也不能独立地做出任何决策。

因此ChatGPT的问世,从某种程度上来说也许是对人类的鞭策,也是对我们现今社会存在的问题的警醒,还是进一步优胜劣汰的过程。保持思考,也许比任何时候都要重要。

ChatGPT 未来五年会对 NLP 从业者带来怎样的冲击?—分享七月在线nlp高级

ChatGPT 印证了模型大一统的可行性,这在未来五年会对 NLP 从业者带来怎样的冲击?

ChatGPT这种Instruct based方法,能取得如此惊艳的效果,是出乎很多人意料的,当然,我个人认为它能力的强大,主要还要归因到背后依托的GPT 3.5太强了,这体现了模型规模的魔力。而这意味着很多目前独立存在的NLP研究领域,将被纳入LLM的技术体系,进而不再独立存在,逐步消失。

目前大多数NLP子领域,仍然是以独立研究领域存在的,比如“机器翻译”、“文本摘要”、“QA系统“等,只是切换成在“预训练+fine-tuning/few shot prompting”框架下,面对领域独有问题,陆续提出新的改进方案。目前研究表明,很多NLP任务,随着LLM模型规模增长,效果会大幅提升。

如果上述猜测成立,将意味着如下残酷事实:对于很多NLP领域的研究人员,将面临往何处去的选择,是继续做领域独有问题呢?还是放弃这种看似前途不大的方式,转而去建设更好的LLM?如果选择转向去建设LLM,又有哪些机构有能力、有条件去做这个事情呢?我们很多人可能早晚要面对这些问题,并给出自己的选择。

 

分享一个七月在线资料nlp 获取地址(notfree

链接: https://pan.baidu.com/s/1oRdPta-yR7h44NKz5BIXag 提取码: aa11 

--百度网盘

 

 

 

 

以上是关于ChatGPT吃我饭,还要掀我碗的主要内容,如果未能解决你的问题,请参考以下文章

如何在 UIKit 中调试谁在吃我的触摸?

2016级算法第六次上机-E.Bamboo之吃我一拳

《ChatGPT是怎样炼成的》

chatgpt 集成飞书实践指南

与chatGPT的第一次亲密接触

如何应对AI带来的冲击?