Wolfram|Alpha是为ChatGPT带来计算知识超能力的方式(下)
2023-02-03 11:10阅读：
未来的道路
机器学习是一种强大的方法，尤其是在过去十年中，它取得了一些非凡的成功——ChatGPT是最新的成功案例。 图像识别。 语音转文字。 语言翻译。 在这些案例中的每一个以及更多案例中，都跨越了一个门槛——通常是突然之间。 有些任务从“基本不可能”变成了“基本可行”。
但结果基本上从来没有'完美'。也许有些东西在95%的时间里效果不错。但无论如何尝试，另外的5%仍然难以捉摸。对于某些目的，人们可能认为这是一个失败。但关键的一点是，往往有各种重要的用例，对于这些用例来说，95%是'足够好'的。也许这是因为输出的东西无论如何都没有一个真正的'正确答案'。也许这是因为我们只是试图浮现出一些可能性，然后由人类或系统化的算法来挑选或改进。
一个每次生成文本的几千亿个参数的神经网络能够做到ChatGPT所能做到的各种事情，这完全是了不起的。鉴于这种戏剧性的、出乎意料的成功，人们可能会认为，如果人们能够继续下去，'训练一个足够大的网络'，就能用它做任何事情。但这是不可能的。关于计算的基本事实--尤其是计算的不可重复性的概念--清楚地表明它最终不能。但更重要的是我们在机器学习的实际历史中所看到的。会有一个大的突破（如ChatGPT）。而改进是不会停止的。 但更重要的是，会有一些用例被发现，这些用例在可以做的事情上是成功的，而不是被不能做的事情所阻挡。
是的，在很多情况下，'原始ChatGPT '可以帮助人们写作，提出建议，或生成对各种文件或互动有用的文本。但是，当涉及到设置必须是完美的东西时，机器学习并不是做这件事的方法--就像人类也不是。
而这正是我们在上面的例子中看到的。ChatGPT在'类似人类的部分'做得很好，那里没有一个精确的'正确答案'。但是当它被'放在现场'做一些精确的事情时，它往往会
机器学习是一种强大的方法，尤其是在过去十年中，它取得了一些非凡的成功——ChatGPT是最新的成功案例。 图像识别。 语音转文字。 语言翻译。 在这些案例中的每一个以及更多案例中，都跨越了一个门槛——通常是突然之间。 有些任务从“基本不可能”变成了“基本可行”。
但结果基本上从来没有'完美'。也许有些东西在95%的时间里效果不错。但无论如何尝试，另外的5%仍然难以捉摸。对于某些目的，人们可能认为这是一个失败。但关键的一点是，往往有各种重要的用例，对于这些用例来说，95%是'足够好'的。也许这是因为输出的东西无论如何都没有一个真正的'正确答案'。也许这是因为我们只是试图浮现出一些可能性，然后由人类或系统化的算法来挑选或改进。
一个每次生成文本的几千亿个参数的神经网络能够做到ChatGPT所能做到的各种事情，这完全是了不起的。鉴于这种戏剧性的、出乎意料的成功，人们可能会认为，如果人们能够继续下去，'训练一个足够大的网络'，就能用它做任何事情。但这是不可能的。关于计算的基本事实--尤其是计算的不可重复性的概念--清楚地表明它最终不能。但更重要的是我们在机器学习的实际历史中所看到的。会有一个大的突破（如ChatGPT）。而改进是不会停止的。 但更重要的是，会有一些用例被发现，这些用例在可以做的事情上是成功的，而不是被不能做的事情所阻挡。
是的，在很多情况下，'原始ChatGPT '可以帮助人们写作，提出建议，或生成对各种文件或互动有用的文本。但是，当涉及到设置必须是完美的东西时，机器学习并不是做这件事的方法--就像人类也不是。
而这正是我们在上面的例子中看到的。ChatGPT在'类似人类的部分'做得很好，那里没有一个精确的'正确答案'。但是当它被'放在现场'做一些精确的事情时，它往往会