gpt和日常我们用的什么最像 我们什么时候才能用上gpt
2023年11月20日 每日一猜答案：。 答案：ABC。 每日一猜答案分析：
gpt,gop,gpt对应什么,gpt特点,gpt 优点"AI 确实可能杀死人类。"
这话并非危言耸听，而是 OpenAI CEO 奥特曼的最新观点。
而这番观点，是奥特曼在与 MIT 研究科学家 Lex Fridman 长达 2 小时的对话中透露。
不仅如此，奥特曼谈及了近期围绕 ChatGPT 产生的诸多问题，坦承就连 OpenAI 团队，也根本没搞懂它是如何" 进化 "的：
从 ChatGPT 开始，AI 出现了推理能力。但没人能解读这种能力出现的原因。
唯一的途径是向 ChatGPT 提问，从它的回答中摸索它的思路。
针对马斯克在推特上的 " 危险论 "，他直言：
马斯克在我心中是英雄，我支持也理解他的担忧。
虽然他在推特上挺混蛋的，但希望马斯克能看到我们在解决 AGI 安全问题上付出了多大的努力。
除此之外，在这场对话过程中，奥特曼还提到了不少刁钻的话题，例如：
ChatGPT、GPT-4 开发的内幕
GPT-4 是人类迄今所实现的最复杂的软件
如何看待大家拿 ChatGPT 越狱
……
在看过这场对话之后，网友直呼：
两位 AI 大佬用大家都能理解的方式聊 AI，多来点这样的访谈。
那么接下来，我们就来一同看下他们这场深度对话。
GPT-4 内幕大曝光
GPT-4 是这场对话中最受关注的部分。
它是如何训练的？如何在训练模型时避免浪费算力？如何解决 AI 回答不同价值观的人的问题？
首先是训练过程，依旧是预训练 +RLHF，不过透露了一点具体细节。
GPT-4 早在去年夏天就已经训练完成，后面一直在进行对齐工作，让它表现得更符合人类需求。
相比预训练数据集，RLHF 所用的数据非常少，但效果是决定性的。
对此，奥特曼透露了一点数据来源，包含一些开源数据集、以及合作商提供的部分数据集。
当然，数据集中也有一点 Reddit 论坛上出现的迷因梗（meme），但不是很多。对此奥特曼遗憾表示：
如果再多点，它的回答可能会更有趣。
即便如此，团队甚至奥特曼自己依旧不能完全解读 GPT-4。
目前对它的解读方式，依旧是通过不断问它问题，通过它的回答来判断它的 " 思路 "。
而就在不断测试中，OpenAI 发现从 ChatGPT 开始，GPT 系列出现了推理能力。
虽然 ChatGPT 绝大部分时候都被当做数据库使用，但它确实也出现了一定的推理能力，至于这种能力具体如何出现的，目前却无人能回答。
但大模型的训练往往意味着大量算力需求。对此奥特曼再次提到了 OpenAI 独特的训练预测方法：
即便模型很大，团队目前也有办法只通过部分训练，预测整个模型的性能，就像是预测一名 1 岁的婴儿能否通过 SAT 考试一样。
关于这一点，在 GPT-4 论文和官方博客中也有更详细介绍。
最后奥特曼承认，GPT-4 确实存在应对不同价值观的人的问题。
临时解决办法就是把更改系统消息（system message）的权限开放给用户，也就是 ChatGPT 中经常见到的那段 " 我只是一个语言模型…… "。
通过改变系统消息，GPT-4 会更容易扮演其中规定的角色，比在对话中提出要求的重视程度更高，如规定 GPT-4 像苏格拉底一样说话，或者只用 JSON 格式回答问题。
所以，对于 GPT 系列来说，谁最可能载入人工智能史册？奥特曼倒不认为是 GPT-4：
从可用性和 RLHF 来看，ChatGPT无疑是最具里程碑的那一个，背后的模型没有产品的实用性重要。
最会打太极的 CEO
GPT-4 论文中没有透露参数规模、训练数据集大小等更多细节，还被外界吐槽越来越不 Open 了。
在这次访谈中，面对主持人步步追问，奥特曼依旧守口如瓶。
GPT-4 预训练数据集有多大？奥特曼只是很笼统的介绍了有公开数据集、有来自合作伙伴的内容（如 GitHub 提供的代码）还有来自网络的内容。
活像 ChatGPT 也能写出来的那种赛博八股文，只有在谈到 Reddit 的时候透露了网络梗图在训练数据中占比不大，" 不然 ChatGPT 可能更有趣一些 "。
GPT-4 模型参数量有多大？奥特曼只是说之前疯传的 100 万亿参数是谣言，然后又糊弄过去了。
我认为人们被参数竞赛所吸引，就像过去被 CPU 的主频竞赛所吸引一样。现在人们不再关心手机处理器有多少赫兹了，关心的是这东西能为你做什么。
不过奥特曼对于一种说法是持有肯定态度――"GPT-4 是人类迄今所实现的最复杂的软件 "。
但在主持人 Lex 突然抛出一些时下针对 GPT-4 的尖锐观点时，奥特曼的应对也堪称 "AI 般淡定 "（狗头）。
例如，关于前段时间闹得沸沸扬扬的GPT-4 越狱问题。
一名斯坦福教授仅仅用 30 分钟，就诱导 GPT-4 制定出了越狱计划，并全部展示了出来。
对此奥特曼表示，就如同当年 iPhone 也面临被 " 黑 " 或者说越狱的问题（如当年免费的越狱版 App Store）一样，这并非不能解决的事情。
奥特曼甚至坦承，他当年就把自己的第一台苹果手机越狱了――甚至当时觉得这是个很酷的事情。
但现在已经没有多少人去干苹果越狱的事情了，因为不越狱也足够好用了。
奥特曼表示，OpenAI 的应对思路同样如此，即把功能做的足够强，他甚至表示，愿意在这方面给用户开更多权限，以便了解他们到底想要什么。
除此之外，Lex 还提到了马斯克对于奥特曼的批评。
奥特曼虽然是当年被马斯克一手提拔的人才，但如今马斯克不仅退出了他们联手创办的 OpenAI，还对 OpenAI 现状十分不满，经常在推特上阴阳怪气这家公司。
我捐 1 亿美金成立的非营利组织怎么就变成一个 300 亿市值的营利性公司了呢？如果这是合法的，为什么其他人不这样做？
作为 OpenAI 现任 CEO，奥特曼并未直接回应此事，而是调侃了一下马斯克在航天领域也经常被 " 老前辈 " 们批评的事情。
这一系列采访问答，不禁让人想到在 ChatGPT 发布后，奥特曼对于记者 " 将 ChatGPT 整合进微软必应和 Office" 问题的回应方式：
你知道我不能对此发表评论。我知道你知道我不能对此发表评论。你知道我知道你知道我不能对此发表评论。
既然如此，为什么你还要问它呢？
GPT 的 " 偏见 " 不会消失
GPT 在迭代过程中 " 偏见 " 必然存在，它不可能保持完全中立。
在主持人提到关于 ChatGPT 以及 GPT-4 种存在的偏见问题时，奥特曼这样回应道。
ChatGPT 在推出之初，就不是一个成熟的产品，它需要不断迭代，而在迭代的过程中，仅仅依靠内部的力量是无法完成的。
" 提前 " 推出 ChatGPT 技术，是要借助外部世界的集体智慧和能力，同时也能让全世界参与进 " 塑造 AI" 的过程中。
而不同人对于问题的看法也各不相同，所以在这个过程中，" 偏见 " 问题就不可避免。
甚至奥特曼在话里话外也透露着：在 GPT 中，" 偏见 " 永远不会消失。
他将外部参与建设 GPT 比作 " 公开领域建设的权衡 "。
GPT 生成答案是个性化控制的结果，迭代的过程则是更精准地控制 " 个性化 " 的过程。
有趣的是，期间奥特曼还暗戳戳 " 背刺 " 起了马斯克的推特：
推特摧毁掉的多元性，我们正在将其找回来。
（嗯，奥特曼是懂一些话术的）
当然，谈到 ChatGPT，总绕不开其背后的公司 OpenAI，在成立之初，它就立下了两个 Flag：
1、非营利性
2、通用人工智能（AGI）
如今，已经过去八年之久，这两个 Flag 也是发生了巨大的变化：AGI 的大旗还在高举，而非营利性这面旗则已经摇摇欲坠。
对此，奥特曼也是分别作出了回应。
对于 OpenAI" 非营利性质 " 的逐渐削弱，奥特曼直言：很久之前，就已经意识到非营利性不是长久之计。
仅仅依靠非营利筹集到的资金对 OpenAI 的研究来说远远不够，商业化是必然选择。
但在之后奥特曼也试图 " 找补 " 回一些，称目前的商业化的程度仅止于满足投资者与员工的固定回报，剩余资金还是会流向非营利性组织。
提到 AGI，一开始在 OpenAI 声称要做通用人工智能时，还有一堆人在嘲讽，如今做出 GPT-4 这样的产品，回过头来再看，嘲讽的声音已经越来越少了。
而面对外界询问 "GPT-4 是 AGI 吗 " 这样的问题时，奥特曼则是直接给出了自己理解中的 AGI：
AGI 所掌握的知识应该是要超过人类科学知识总和的，并且具有创造性，能够推动基础科学的发展；
而目前所有 GPT 并不能做到这些，想要达到 AGI 还需要在目前 GPT 的范式上进行拓展，至于如何拓展，正是目前所缺乏的。
值得一提的是，谈到 AGI 时，是奥特曼在访谈中鲜有的 " 两眼放光 " 的时刻。
他抛出了一句极具 " 科研分子理想情怀 " 的金句：
也许 AGI 是永远抵达不了的乌托邦，但这个过程会让人类越来越强大。
但奥特曼并不否认过分强大的 AGI"可能杀死人类" 这一观点：
我必须承认，（AI 杀死人类）有一定可能性。
很多关于 AI 安全和挑战的预测被证明是错误的，我们必须正视这一点，并尽早尝试找到解决问题的方法。
One More Thing
在谈话最后，Lex Fridman 还试图让奥特曼讲一些给年轻人们的建议，奥特曼直接来了个 " 反鸡汤文学 "：
网络上的 " 成* " 帖子太诱人，建议不要听太多建议。
我就是无视建议做到现在这样的。
参考链接：
【【网址】】/watch?v=【【微信】】
如何基于gpt-3构建本地ai chat gpt人工智能
如何基于消费者的自我概念制定营销策略,如何基于消费情境制定营销策略,如何基于情境特征制定营销策略,如何基于浮点网络做定点训练要说最近爆火的话题，除了 ChatGPT ，应该无唯二之选了，尤其是 GPT4 的发布，再次引爆了全网的话题，我也看到不少人在讨论：
ChatGPT 来临，是不是代表部分岗位要被淘汰了？这次 AI 变革，到底是风口还会机遇？AI 真的能彻底取代程序员吗？
虽然说 ChatGPT 的降临确实引发了不小的争议，这同时也标志着人工智能（AI）大模型已成为最新的技术变革方向。
当然，以现在经济和时间条件，从头开始做一个像 ChatGPT 这样的基础大模型显然是不太可能。
但能够预料的是，基于现有大模型，去抢先开发一些重要的应用服务， 发展空间绝对小不了，而且在未来几年 AI 领域的应用开发也将会是就业市场中最火热的岗位。
并且，随着 GPT-3 / 4 等预训练好的大语言模型的出现，一方面能让你我可以在没有机器学习的理论下，就能在短期内快速开发出一个有实用价值的 AI 应用。前段时间，我就在 GitHub 上看到不少开发者只花了 1-2 天时间就做出来了图书翻译、人工智能语音对话等应用，甚至刚上线就已经开始赚钱了。
另一方面，也让对应的技术能在更广泛的范围内应用，几乎未来你遇到的所有问题都有可能通过 AI 来解决优化。
说了这么多，到底该如何快速跟上时代节奏，掌握新一代的 AI 应用开发技术呢？我在网上搜了一圈，也没找到比较系统的内容，正好发现同事最近在看的 bothub 创始人「徐文浩」的极客时间新专栏《AI 大模型之美》，就是讲新一代 AI 应用开发的，我也立马入手看了看。
这真是一个完全走实践路子的专栏！每一节课，文浩老师都提供了可直接运行的代码，来解决一个实际场景问题。据说更新完，能有整整 30 段实用代码，还会告诉你使用 AI 的套路，学完即可放到现有业务中。
相信只要我们能跟着走一遍，利用新一代 AI 强大的能力去开发各种应用都得属于基操。而且他还写了不少对于最新 AI 发展趋势的洞察，丰富技术实力的同时，也拓宽了技术视野。
扫码免费试读
如果你也想以最快的速度跟上 AI 大模型时代潮流，掌握 AI 应用开发最核心的技能，一定不要错过这个专栏。
再跟大家聊聊「徐文浩」
AI 领域的前沿开拓者：这个专栏的作者是徐文浩，他是 bothub.ai 创始人，布奇托网络科技创始人及 CTO，也是国内较早入场 AI 人工智能领域的前辈。
扎实的技术功底：同时也不得不提他的另外两门爆款专栏《深入浅出计算机组成原理》《大数据经典论文解读》，真的「太会讲了」，不管是对底层知识剖析、还是对技术的洞见，都非常深厚。目前这两个专栏已经有超过 80000 人学习了，同样值得你空闲时间去看看。
具体他是怎么带我们实践的？
当然，除了文浩老师的专业程度，专栏还有其他几个比较吸引我的地方：
1.30+ 段实用代码直接运行
每一节课，文浩老师都会带我们运行一个需要解决的实际问题。比如，用户对于商家评论的情感分析、能够记住上下文的聊天机器人、如何通过用户输入的关键词搜索图片等等。而伴随着这个问题的，则是通过几行或者几十行代码解决问题的整个过程。
而且所有的这些代码，基本都可以通过在线的 Notebook 的方式运行，不需要你在自己的电脑上搭建开发环境。即使你是一个产品经理或者业务方，你也可以自己动手体验到新一代的 AI 应用。
2. 全面开花的开源模型 + 语音、视觉产经应用
其次，这门课程不只是对 OpenAI 的 API 讲解，也会去尝试一些开源模型，还会去覆盖语音、视觉的应用场景。让你不仅会使用 OpenAI 的 API 这样便捷的方式，也能在特定场景下选用本地部署的开源模型，甚至是基于你拥有的数据去微调这些模型。
3. 现有业务系统如何 AI 化
这里他不但会让你知道现在 AI 有什么能力，还会教你实际使用 AI 的套路。比如分类、搜索、推荐、问答这些问题，应该如何用现有模型的能力来解决，有什么固定的模式可以解决这些问题。你可以立刻把这些方法和套路放到你现有的业务系统里，通过 AI 给你的应用提升体验与效率。
4. 复杂场景下的 AI 使用
说了这么多，来看目录，我相信它不止是 AI 应用开发领域第一门系统专栏，也会成为一个经典专栏。
专栏上线一个星期，学习人数已经 突破 5000+ 了，不少同学都反馈课程来得太及时了，要抓紧时间拥抱 AI ，如果你还不能熟练地玩转 ChatGPT ，一定要看看。
现在专栏上新优惠
到手 早鸟 + 秒杀
扫码免费试读
虽然说，这场 AI 浪潮对很多人的职业生涯来说，也可能是一场危机。但就像丘吉尔所说的，“不要浪费一场危机”，尽早去拥抱这个变化，你就有机会像在 2008 年 App Store 发布的时候去学习移动 App 开发一样，把握住未来的机会。返回搜狐，查看更多
责任编辑：
