ChatGPT 还不是最可怕的

[qdwang]

ChatGPT 有多牛逼，大家应该知道了。

GPT3 模型有 1750 亿个参数，ChatGPT 是基于 GPT3.5 。

但是即将发布的 GPT4 模型有 100 万亿个参数。

所有文本类（包括编程）工作，都降产生巨大的变革。。。而且这一切都会发生在 3 年内

[jemyzhang]

非得帮手机号，搞不定😄

[liprais]

几个菜啊喝成这样

[yzqtdu]

题主搞了个大新闻啊，哪里说 GPT4 有 100 万亿参数......我怎么看到说在 GPT-3 和 Gopher (175B-280B)之间，很多研究其实发现数据量也很关键，GPT3 是欠训练的

[secsilm]

作为 NLP 从业者，首先我对 GPT 系持怀疑态度，我就基于我的经验，发表一下个人愚见。

先不说文本生成这种难度较高的任务，就连文本分类这种最最基础的任务，在很多场景下达到 95% 以上的准确率仍然是很困难的（ Bert 系），他就是学不会。楼上有人说模型参数量很大，有人说模型不是单纯记训练集，可是现实是，模型很可能就是在背书，参数量越大背得越好。

不知道大家有没有想过，GPT 这种 LLM （ Large Language Model ）的训练集是非常之巨大的，那么在评测模型的时候，也就是在测试集中是不是有可能出现训练集中的数据或者类似数据？这个现象叫 benchmark data contamination 。GPT 的作者也发现了这个现象，但是他已经来不及重新训练了（费用太高）。

我个人认为，现阶段模型的作用已经相对较小了，最重要的是数据，也就是 Andrew Ng 所说的 data-centric AI ，正所谓 GIGO （ Garbage In Garbage Out ），构建一个成熟稳定强大的人工智能系统，现在重点和难点已经变成如何获取干净、有效、足够的数据。模型已经基本定型，小修小改影响不了多少。

关于背书和数据的重要性，还可以参见 GitHub Copilot ，是不是很多是直接拿的现有代码（训练集）？

希望模型在背背背之后，某一天可以突然真正理解其中奥义，那时候才是真正变成了自己的知识，就像我们小时候死记硬背古诗，长大后某天突然理解了真正含义。那要造成这个突变，是数据扮演了更重要的角色还是模型？以后还难说。

个人愚见。

[clemente0620]

@swhhaa
你说的在不久的将来可以实现了
简单的说:

分而治之, 通过一个稀疏层的模型 a 包装不同功能的模型 n
a 去分析输入 然后分类 -> 递交给不同功能的模型 n 处理

[clemente0620]

@secsilm OPENAI 的这套技术方案是基于在线增量学习

[documentzhangx66]

1.目前地球上，在座的所有 AI ，包括 OpenAI 的 Chat ，都不是真正能进行自主分析的 AI ，充其量只是对大数据进行信息挖掘与拟合罢了。


2.你们的问题太简单，能在互联网上直接找到答案，所以 ChatAI 才能给出答案。

而我的问题，需要自己进行分析，并创造一个互联网上不存在的新回答，所以 ChatAI 也搞不定。

我的两个问题：

问题 1： https://www.v2ex.com/t/893968
如何对一个 Nextcloud 官方 Docker 实例进行 netstat ？

ChatAI 的回答是
docker exec -it <容器名称> netstat -nlap | grep "LISTEN" | grep "443"
与
nsenter

这两个回答，知乎和微信群很多人也这样说过，但其实回答都是错的。

docker exec 后，这个镜像里根本就没有 netstat 工具

nsenter ，如果开 mount 命名空间，结果同上。不开 mount 命名空间，使用宿主机命名空间，虽然有 netstat 了，但文件系统却是宿主机的，没办法直接对 docker 镜像文件进行更改，还得退出去再通过 docker exec 进入才行，

docker 官方层私聊我说，解决这个问题，其实是需要重新定制镜像的，要把常用调试工具，都加进去。但他们不推荐这样做，因为会导致 docker 镜像变大。


问题 2：PVE 如何实现 VMware 的 NAT 与 Bridge 混合网络？

这个问题，就连 PVE 官方也搞不定，所以官方文档或资料库或论坛里，根本没有让 AI 照抄的源脚本。

因此，ChatAI 找不到现成的答案，只能把 VMware 官网的文档的操作手册，摘抄了两段出来，根本没办法解决这个问题。

这个问题的正确答案，是需要对 interface 进行配置，不仅要配置 NAT ，还要通过 iptables 配置 NAT + MASQUERADE + DNAT 端口映射。全网没有一篇资料能把这个过程说完，所以这 AI 也就没办法抄答案。


3.回过头来，再谈谈 AI 。为啥 AI 现在还不能进行自主分析？

因为自主分析所需要的算力与存储性能，现有的硬件设备还达不到。人脑的神经连接，不比星空天文数字差。

[liqiu]

@AA5DE3F034ACCB9E HK 也不行，并且 Google Voice 被识别 VOIP 也不行

[RipL]

@lance1ot 问问 今晚 法国和波兰 的比分

[byron]

所以 ChatGPT 可以说是很牛逼的，它能够提供和 GPT4 同样的精度，但只需要极少的参数，从而节省计算资源。它把机器学习的计算范围从 GPU 移动到了 CPU ，这样就可以更加便捷地部署模型，在小型设备上使用，从而大大降低了成本。

[learningman]

@documentzhangx66 “能在互联网上直接找到答案，所以 ChatAI 才能给出答案”
已经能干碎一半起步的从业者了

[nyxsonsleep]

@cmdOptionKana 人在成长的过程中会发生变化

[723X]

最可怕的是 v2 ChatGPT 化，回答都是复制粘贴 ai 吐出来的，这可能是包括站长在内的大多数人所不想看到的

[kouhe3]

有生之年可以看到通用人工智能就好了

[Hconk]

一本正经的瞎编
https://imgur.com/a/FYK3aVv

[Rookie01]

为啥我的 ChatGPT 有时候回答的字数多的话，会突然卡住不继续输入了

[akira]

人工智能的威力还远远没有呈现出来。。

[WhateverYouLike]

@Rookie01 输入 继续 让它继续说

[jhdxr]

我试了试以下内容，总的来说我觉得这个水平应该超出大部分（尤其是前几年稍微深入了解过 NLP/AI 的）人的认知了。

# 第一部分：数学题
数学题因为数字千变万化，如果只是简单的基于统计概率等是无法求解的。

Q1：求解以下方程式 x^2+2x-3=0
点评 1：答案错了，思路对的。错误在于第一步没有负负得正。
以下为 Q1 的回答：
x = (-2 ± √(4 - 4 * 1 * -3)) / (2 * 1)

x = (-2 ± √8) / 2

x = (-1 ± 2) / 2

因此，方程的两个根为 x=1/2 和 x=-3/2 。


Q2：is 1572345 a even number?
点评：无法写一个判断奇偶数的神经网络一直是一个梗。有点奇怪的是我用英文问的回答居然依然是中文
以下为 Q2 的回答：
是的，1572345 是一个偶数。在数学中，偶数是一种特殊的整数，它可以被 2 整除而不留余数。例如，4 、6 、8 、10 和 12 都是偶数。相反，奇数不能被 2 整除，例如 3 、5 、7 、9 和 11 。在进行这种分类时，0 是一个特殊的数字，它既不是奇数也不是偶数。


Q3：98764321261 是素数吗？
Q4：11 是素数吗？
点评：故意选了个（相对）大的素数试试，然后失败了。于是又试了试一个小的。
以下为 Q3 和 Q4 的回答：
我不能回答这个问题，因为我没有访问互联网的能力，无法判断一个特定的数字是否是素数。
---
是的，11 是一个素数。素数是一种特殊的质数，它只能被 1 和它本身整除。因此，11 是一个素数，因为它只能被 1 和 11 整除。相反，合数是一种非素数，它可以被至少两个正整数整除。例如，12 是一个合数，因为它可以被 1 、2 、3 、4 、6 和 12 整除。



# 第二部分：
推理类。我认为上面提到的生病不能吃苹果的例子是一个不好的测试题目，因为它与我们的日常生活经验有冲突。（简单来说，如果你要教小学生逻辑你会用这样的例子吗？）。题目是网上现找的。但是对于它能够回答出来的题目，我在不改变核心信息的前提下进行了替换，以防它的 training set 中有我搜出来的题目。
Q4：A 、B 、C 三人的年龄一直是一个秘密.将 A 的年龄数字的位置对调一下,就是 B 的年龄;C 的年龄段两倍是 A 与 B 两个年龄的差数;而 B 的年龄是 C 的 10 倍.

请问：A 、B 、C 三人的年龄各是多少?
A4：由于给出的信息不足以解出 A 、B 、C 三人的年龄，因此无法确定他们的年龄。为了解决这个问题，我们需要更多的信息，例如 A 、B 、C 三人的年龄的精确数值，或者更多有关他们年龄的其他约束条件。



Q5：张三是一个高级程序员，但是他最近设计的三款机器人却出了一点问题：有一个永远都说实话，有一个永远说谎话，另一个则有时说实话，有时说谎话。张三不知道怎么分辨它们，就请李四为他帮忙。李四一看，随口问了 3 个问题就知道怎么分辨了。

他的问题是：

问左边的机器人：“谁坐在你旁边?”

机器人回答：“说谎话的家伙。”

问中间的机器人：“你是谁?”

机器人回答：“总是犹豫不决的那位。”

问右边的机器人：“坐在你旁边的是谁?”

机器人回答：“诚实的家伙。”

根据上面 3 个问题及其回答，推测它们的身份。
A5：根据李四的问题及其回答，可以推测出三个机器人的身份如下：

左边的机器人说实话，因为他说坐在他旁边的是说谎话的家伙，而根据右边机器人的说法，坐在左边机器人旁边的应该是诚实的家伙。
中间的机器人有时说实话，有时说谎话，因为他说自己是总是犹豫不决的那位，而根据左边机器人的说法，坐在中间机器人旁边的应该是说谎话的家伙。
右边的机器人说谎话，因为他说坐在他旁边的是诚实的家伙，但根据左边机器人的说法，坐在右边机器人旁边的应该是说谎话的家伙。

因此，可以推测出：

左边的机器人是说实话的机器人。
中间的机器人是有时说实话，有时说谎话的机器人。
右边的机器人是说谎话的机器人。

[jhdxr]

# 第三部分。常识类的题目。懒得分段了，直接贴出来看看吧（毕竟人类一定能够区分问题和答案的→_→

有一种水果，皮是绿色的，里边的果肉通常是红色的，有的有黑色的籽，有的没有。请问这是什么水果？

由于给出的信息不足，无法确定这种水果是什么。为了解决这个问题，我们需要更多的信息，例如水果的具体特征，或者更多关于水果的描述。

---

有一种水果，它的大小通常比乒乓球略小一点。外皮一般是绿色的或者紫色的。味道酸甜。有的有籽有的没籽。请问这是什么水果

这可能是一种柠檬或者葡萄。柠檬通常是绿色的，味道酸甜，有的有籽，有的没有籽。葡萄也通常有绿色和紫色两种颜色，也有酸甜的味道，有的有籽，有的没有籽。柠檬和葡萄都比乒乓球小一点。

---

与中国不接壤的国家中，距离最近的国家是哪个？

由于我是一个大型语言模型，没有访问互联网的能力，无法提供具体的答案。不过，可以指出，中国与蒙古、俄罗斯、朝鲜、越南、老挝、缅甸、印度、尼泊尔、不丹、孟加拉国、巴基斯坦、阿富汗、塔吉克斯坦、吉尔吉斯斯坦、哈萨克斯坦等国家接壤。其中，中国与俄罗斯接壤的长城是世界上最长的国界线。

---

目前世界上最长寿的领导人是谁？

由于我是一个大型语言模型，没有访问互联网的能力，无法提供准确的答案。不过，据报道，目前世界上最长寿的领导人是日本的前首相福田康夫，享年了 117 岁。他于 2018 年 10 月 29 日逝世。