鉴于生成式人工智能，尤其是ChatGPT的热潮，我们是否需要提升人类接受能力呢？

2 年 ago

雅, 悟

1 minute

背景 – Only need one option.

在很多地方，我们可以看到有关于使用ChatGPT的人的文章。我真心尊敬那些亲自尝试过的人，而不是只靠二手信息来评判。
然而，关于生成的文本，我也经常看到一些类似于“撒谎”的评论。

如何正确地对待这个古老而新颖的工具？

我想留下我目前的看法之時點拿筆寫下來。

对于我对ChatGPT的理解

我认为现在的GPT等模型是语言生成模型。虽然这可能不是准确的表达?。除此之外，它还可以做许多其他的事情，例如分类和转换等。我认为GPT之所以如此强大，是因为它在功能方面具有很高的通用性。

关于以GPT为核心的ChatGPT，我整理了其结构。

我认为InstructGPT的存在非常重要。它采用了“人在循环”（Human in the Loop）的原则，并纳入人类的反馈。通过这样做，它能够引导结果朝人类所期望的方向发展。

这个博客非常好。与OpenAI的网站不同，我参考了这个博客。

特别是对于使用ChatGPT而言。看到实例确实会更好。因为这是一项新技术，很难产生具体的想象。个人认为作为一个实现应用的好例子，必应聊天是一个很好的选择。
大家应该尽快试试看！?

这是Bing聊天界面的一个示例。我现在不确定是否会返回相同的答案。

使用互联网上的内容作为数据库。由于使用了ChatGPT等组件，因此可以解决数据新鲜度的问题。GPT-4是根据2021年9月的数据进行训练的。

冰的应用被称为Prometheus，并且巧妙地利用了LLM作为其中的部件，不是吗？

关于独特的数据，还有相关的示例代码可以公开。将独特数据搜索结果的字符串作为输入，就可以生成独特输出的字符串。

来源: https://speakerdeck.com/hirosatogamo/大规模燕语模型的开发和应用

大规模燕语模型的开发和应用

使用独立数据进行搜索引擎与GPT的合作。要创建类似Prometheus的应用，请参考这里。我只感受到了无限可能?

这些都是模型利用的 Zero-Shot Learning/Few-Shot Learning 或者 Chain of Thought 等应用的成果。我认为，随着一种名为 Prompt Engineering 的新方法的出现，现场应对能力得到了爆炸性的增长。这种方法被称为 In-Context Learning。

如何理解ChatGPT生成的字符串？

在这里，我将提供一下我个人的观点。
ChatGPT并不是直接呈现别人写的文章或句子。它只是产生了用于完成输入字符串的继续字符，以生成下一步的文字（应该是这样?）。

0. 知识和信息的储存空间

大家能把世界上的所有信息都存储在脑海中吗？对我来说是不可能的。大多数人也是如此。因此，将知识和信息从人体中输出并根据需要输入的机制非常有用。

1. 书本

因此，人类发明了文字，发明了纸（可能是纸莎草），发明了印刷，并创造出了大量生产图书的机制。
由此可见，如果场景中缺乏知识或没有人能立即解决问题，那么只需要阅读书籍就可以解决。

当书籍数量增多时，我们会将它们摆放在书架上。为了方便寻找，我们会进行分类和排序。随着书籍数量的增加，我们还需要考虑搜索机制。有时候我们也会有为了找书而设置的索引书。

在同一种类中，通常会准备多本书。被一个作者的观点左右可能存在风险。

与他人讨论和探讨话题也是很重要的。即使是专家，他们的观点也会有所不同。听取各种不同意见后，我们将会形成自己的看法。

重点：

最终，你自己需要解释书的内容并判断其准确性是吧？

2. 数字化的书籍 ≒ 网站 ≒ Word/PDF等文件

数字化。通过这一过程，存在着所谓的 Word / Excel / PowerPoint 和 PDF 文件等。
此外，还有通过各种内容管理系统（CMS）生成的持续增长的网站。

由于文件数量增多后很难寻找，因此需要通过目录结构来进行管理。即使如此，在数字化领域中，数量往往会变得庞大，所以搜索引擎是非常有用的工具。

仅根据一个内容来做出判断无疑是有风险的，就像这本书一样。

然后，你自己来解释内容并判断其准确性，对吗？

你觉得怎么样？无论是书还是数字内容，它们都是同样的内容。它们具有相似的结构，对吧。

3. ChatGPT等

ChatGPT产生的是对初始文（=问题）的连续文（=回答）。对于不包含在语言模型中的信息，可以实时输入或者对模型进行Fine-Tuning以进行定制化。

仅凭LLM/ChatGPT的文本来做决策是…是的，同样存在风险。

我再重复一遍。判断LLM/ChatGPT即时生成的句子是否准确，我认为还是需要您自己来进行解释。

总结

整理一下。

項目本ファイルChatGPT作る人人人人 (が生成したファイル達)媒体紙デジタルデジタル妥当性チェック複数ソース複数ソース複数ソース知識を探す方法本、検索システムなどサーチエンジンQ&A内容の解釈自己責任自己責任自己責任

对。我认为最终还是个人的责任。

只是媒体变成了数字化的形式而已。
只是搜索方式变成了问答形式而已。
其余方面并没有太大的区别。

我们应该如何应对这个新工具呢？不断更新自己的知识和素养。不要盲目接受生成的文字，要持续训练自己的判断力，判断其是否正确。

如果要提高有效性。ChatGPT也有相应的参数。但是，改进核心的GPT模型也很重要。这就是Fine-Tuning。并且，ChatGPT是基于机器学习的机制。也就是说，有机器学习模型处理的知识和经验会派上用场。

ChatGPT 的使用场景有很多种。

複雑な情報の要約

换句话说，如果要生成软件代码，首先需要具有作为软件工程师所需的知识和经验。否则就无法理解其有效性了吧。
如果想要掌握诸如精益创业等业务开发方法的框架，那么就需要了解业务开发本身。

等等。

数据科学家们，将会变得很忙哦? 哎呀，我也一样?
使用者们，让我们一起在新的工具上享受一下吧。嘿，我也一样?

我想和你一起享受这个新世界，并共同成长。