免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

最近,一條新聞硬生生嚇到了小黑。這條新聞的內容,是一個叫做GPT-3的人工智能寫了一篇文章,里面有幾句話是這樣寫的:

“首先,我不想消滅人類。事實上,我一點也不想傷害你。在我看來,根除人類似乎是一種相當無用的努力。”

這篇文章的全文,我們可以很輕松地在網上搜索到。但從我們常人的角度來說,如果這篇文章確實如相關人員所說,“只是刪除了一些部分,并重新排列了部分語句的順序”,那我們就真的應該認真考慮一下,人工智能究竟會帶我們走向什么樣的未來了。

GPT-3究竟是什么,它與其他人工智能有什么不同?

GPT,是英文Generative Pre-training Transformer的簡稱。這一詞組目前還沒有正式的官方翻譯,小黑也無法將其信達雅地翻譯出來。但這個詞組的含義,我們大致可以理解為“通過預先訓練生成的智能體”。

不過,單就這個詞組的意思來看的話,GPT-3和我們人類的教育模式是一樣一樣的。

這就帶來了一個問題:這里的預訓練,是如何進行的呢?

答案,就是不斷閱讀。

簡單地說,GPT的預訓練模式,就是通過對各種書面材料集和長篇文本的“學習”,獲取關于世界的知識,最后取得不分學科完成文本生成任務的能力。

就像GPT-3的名稱所展示的,現在我們所見到的,是GPT的第三代。這一人工智能是OpenAI(就是我們熟悉的馬斯克打造的人工智能研究實驗室)于2020年5月發布的。當然,學習參數和學習數據量只是它的強大性能的一部分原因,真正重要的原因還在于它采用的Sparse Transfromer模型。

這一人工智能模型包含的機器學習參數相比前一代高出了兩個數量級,達到了1750億個參數。其數據量也高達50GB。當然,這么說還不夠直觀,我們可以換個方式來形容:英語維基百科的全部內容(約600萬篇文章),僅占其總數據量的0．6%。

簡單來說,它是在傳統Transfromer序列模型的基礎上,融合了稀疏式自注意力機制(Sparse Self-attention Layers)。可能大部分人都看不懂這些專業術語,其實小黑也是,但我們從OpenAI的介紹中可以知道,它的優點在于可以更好地處理長文本,并且操作簡單直觀。

▲ 采用Sparse Self-attention Layers的模型更容易識別二維圖像

GPT-3的工作模式是讓用戶提供一個文本提示,之后通過運算返回一個完成文本(即一篇完成的文章)以匹配用戶給它的模式。例如,這一次在《衛報》上刊登的文章,就是研究人員提供了“說服讀者相信未來機器人的發展不會對人類造成威脅”這樣一個作文題目,最后有GPT-3完成的

GPT-3目前有哪些應用方向?

基于上面提到的1750億個機器學習參數,以及近50GB的文本學習,GPT-3的性能已經相當優秀了。

根據目前發布的資料,GPT-3不僅可以完成答題、寫作、翻譯,甚至還可以生成代碼、進行數學推理、數據分析以及圖標制作簡歷這一系列相對“智能”的工作。

▲ 通過GPT-3自動生成的簡歷

例如,我們輸入“2020年來有多少用戶注冊”這個問題,就能得到相應的SQL代碼。在代碼中我們可以看到,GPT-3自動將時間起點設在了2020-01-01,相對而言可以算是“智能”了。

此外,我們還可以利用它完成數據的搜索和填充。例如,我們只需要將想要統計的地區名和參數輸入GPT-3,它就會自動生成相應的表格。

而許多拿到體驗資格的用戶則開始讓GPT-3玩出各種花兒來。例如,利用GPT-3開發一款用Python驅動的記賬工具。

讓OpenAI自己開發一款瀏覽器搜索插件。

或者打造一款文字MUD游戲:AI Dungeon。

這款游戲原本是通過GPT-2進行的最初版本開發,而在最近,游戲中增加了一個集成GPT-3 API的高級版“Dragon模式”。

根據開發者透露,在使用了GPT-3對游戲進行更新之后,游戲中的文字內容生成變得更加自然和連貫,并顯著提高了游戲的在線率與付費率。

目前,OpenAI目前已經將GPT-3以API的形式開放。我們只需要在境外的搜索引擎中搜索“GPT-3”,就可以找到它的官方網站。

之后點擊簡介中的“API”,就可以跳轉到GPT-3的基礎教程頁面。

▲ 點擊這里就可以了

再點擊頁面中的“Join the waitlist”,我們會看到注冊頁面。在注冊頁面中填寫完注冊信息之后,我們就會被列入“等待名單”。由于GPT-3還處于測試階段,因此注冊完成后,我們還需要OpenAI的審核才能進行體驗。

并且,目前OpenAI更多還是面向開發人員和科研人員,普通人想要體驗上它,估計還得一段時間了。

GPT-3存在的不足與問題

盡管是目前最受人矚目的人工智能,GPT-3離實現真正的“智能”還差之甚遠。

根據研究人員對GPT-3進行的系統化語言理解測試,縱然GPT-3確實在許多方面有了長足的進步,但在關鍵的節點,它依然缺乏實質性的改變。

▲ 在一次圖靈測試中,GPT-3回答鉛筆比烤面包機重

在這項測試中,研究人員利用了57項任務,測試了包括基礎數學、計算機科學、歷史、法律等多個維度的內容。為此,他們從研究生和本科生中收集了15908個問題。

▲ 研究所收集的部分問題

測試得出的結論是:擁有1750億個機器學習參數的GPT-3可以達到43．9%的正確率。作為對比,與其上一代參數數量級相當的人工智能模型正確率只有25%的正確率。

特別是在部分學科,如大學化學的測試中,GPT-3的表現接近“隨機”,也就是“三長一短選最短,三短一長選最長”的水平。

▲ 圖靈獎得主Hinton的推特

另外,研究結果表明,現存的模型仍具備進步空間,例如上圖中,圖靈獎得主Hinton就說:宇宙和萬物的答案也不過是 4．398 萬億個參數而已。但實際情況是,還不清楚目前的技術水平能否讓它的潛力兌現。

除了技術瓶頸之外,還有一個問題也讓研究人員擔憂,特別是由于不存在人類的一些特性,諸如“情感”、“感知”等,這讓GPT-3在進行學習時,不可避免地將一些性別歧視、種族歧視,甚至暴力等內容一并習得,例如英偉達的AI主任Anima Anandkumar教授就發現了這一現象。

結合GPT-3依靠文本提示的寫作模式,小黑很難相信它真的能做到自己在文中寫到的:“如果我的創造者把這項任務(即根除人類)委托給我——我懷疑他們會這樣做——我將盡我所能阻止任何破壞的企圖”,畢竟,GPT-3目前只可以實現理解問題——解答問題這兩個步驟,根本不會拒絕回答問題。

▲ GPT-3只會機械式地回答問題

因此,如果真的有人發出了“寫一篇人工智能會根除人類的文章”的指令,GPT-3一樣會老老實實照辦,然后不明情況的路人就真的會恐慌起來了。

隨著人工智能的進步,我們的生活也逐漸地在“智能化”。然而,在這智能化背后,其實還隱藏著諸多的問題,當然最重要的還不是人工智能會不會毀滅人類,還有隱私保護、貧富差距等各種問題。

當然,對科技發展這一點,小黑一向是懷著最大的期待的,但小黑希望這種發展,不會導向“賽博朋克”的結局。

圖源:推特