بعد إصدار بيتا مترجم الشفرة ChatGPT ، يمكن للمستخدمين استخدام لغة طبيعية لإصدار تعليمات إلى ChatGPT لإكمال مهام البرمجة المعقدة حتى لو لم يكونوا مبرمجين. قد يكون لهذا تأثيران رئيسيان: القضاء على فجوة اللغة وإعادة تشكيل الصناعة.
سيكون هناك اتجاهان في التكرار السريع للنماذج الكبيرة في المستقبل: أولاً ، سيتعلم ChatGPT بالتأكيد من البيانات الأكبر حجمًا والأكثر تنوعًا ، وفي نفس الوقت يجمع المزيد من البيانات الاحترافية في المجال الخاص لإجراء تعلم أوسع ؛ ثانيًا ، سيزيد من درجة تحليل البيانات ، والتي يمكن اعتبارها تعلمًا أكثر تعمقًا إلى حد معين.
* مصدر الصورة: تم إنشاؤه بواسطة أداة Unbounded AI *
النسخة التجريبية لمترجم الشفرات ChatGPT مفتوحة رسميًا لجميع مستخدمي ChatGPT Plus ، ويمكنها استخدام اللغة الطبيعية البشرية كتعليمات لدفع النماذج الكبيرة لإكمال العمليات الحسابية وتحليل البيانات ورسم المخططات الاحترافي وحتى إنشاء مقاطع فيديو وتحليل سوق الأسهم.
"تمت ترقية قدرة OpenAI's ChatGPT مرة أخرى. لقد أكملت الترقية من أداة إلى مساعد ، وهذه المرة تمت ترقيتها من مساعد عادي إلى مساعد محترف." في 12 يوليو ، Xiao Yanghua ، أستاذ في جامعة فودان ومدير مختبر شنغهاي الرئيسي لعلوم البيانات Pengpai Technology (نتحدث عن الإصدار الرائد الأخير لـ OpenAI: مترجم كود ChatGPT (مترجم الشفرة).
في التاسع من يوليو ، بتوقيت بكين ، تم فتح الإصدار التجريبي من مترجم الشفرة ChatGPT رسميًا لجميع مستخدمي ChatGPT Plus ، ويمكنه استخدام اللغة الطبيعية البشرية كتعليمات لدفع النماذج الكبيرة لإكمال العمليات الحسابية ، وتحليل البيانات ، ورسم المخططات الاحترافية ، وحتى إنشاء مقاطع فيديو وتحليل سوق الأوراق المالية.
وهذا يعني أنه حتى لو لم يكن المستخدمون مبرمجين ، فيمكنهم إعطاء تعليمات لـ ChatGPT بلغة طبيعية لإكمال مهام البرمجة المعقدة. تم تقييم هذا من قبل العالم الخارجي على أنه "أقوى وظيفة لـ GPT-4 على الإطلاق".
قال Xiao Yanghua: "لاستخدام استعارة غير مناسبة." لغة طبيعية: قدرات لمهام متعددة الوسائط مثل الصور والرسوم البيانية المتخصصة وما إلى ذلك.
ماذا يعني أن تكون مساعدًا محترفًا؟ "هذا يعني أن ChatGPT قادر على إكمال الكثير من الأعمال الاحترافية للغاية. ويمكن القول أنه يمكن أن يكون مؤهلًا لعمل الطلاب الجامعيين ذوي التخصصات ذات الصلة في الجامعات ، مثل تخصصات علوم البيانات." قال Xiao Yanghua.
** "القدرة على تحليل البيانات تحدد القدرة التي يمكن أن يحصل عليها النموذج الكبير في المستقبل" **
بالنسبة إلى سبب اختيار ChatGPT للترقية في هذا المجال ، يعتقد Xiao Yanghua أن هذا يرجع إلى التحليل المتعمق وتعلم البيانات. هذه البيانات موجودة على نطاق واسع ، وتشمل معظم الأوراق بشكل أساسي تحليل بيانات احترافي لمختلف التخصصات. ركزت الإصدارات السابقة من GPT بشكل أساسي على الاستخدام الفعال للبيانات النصية ، ولكن استخدام المخططات والشبكات وتوافقها مع النص في هذه البيانات واسع نسبيًا وبسيط. استفادت هذه الترقية في الواقع من التحليل المتعمق للأدبيات المهنية والبيانات الأخرى ، وإنشاء العلاقة المقابلة بين النص والمخططات والصيغ ، مما مكّن GPT من اكتساب القدرة على توجيه المخططات والجداول من خلال التفاعل اللغوي الطبيعي.
من هذا الاكتشاف ، حصل Xiao Yanghua على اكتشاف في مجال البحث والتطوير التكنولوجي: "من المحتمل أن يكون هذا النوع من القدرة على التحليل المتعمق للمجموعة أحد العوامل الأساسية التي تحدد قدرة النماذج الكبيرة. مهما كمية البيانات ليس كثيرا ".
بالنسبة إلى ChatGPT ، يعتقد Xiao Yanghua أن اتجاه جهود OpenAI كان البحث عن المزيد من البيانات عالية الجودة والتحليل العميق للبيانات الموجودة ، وذلك لجعل قدراتها أكثر قوة. لذلك ، قد يكون الحصول على بيانات واسعة النطاق وعالية الجودة ومتنوعة ، والتحليل المتعمق لهذه البيانات أحد الأفكار المهمة لتعزيز تطوير النماذج الكبيرة. "
** "سد فجوة اللغة" **
بالنظر إلى ترقية قدرة ChatGPT ككل ، يعتقد Xiao Yanghua أن هناك تأثيران محتملان يستحقان الاهتمام: أولاً ، "إزالة فجوة اللغة" ؛ ثانيًا ، إعادة تشكيل الشكل الصناعي.
ما هي فجوة اللغة؟ منذ اختراع أجهزة الكمبيوتر ، يأمل البشر في السماح لأجهزة الكمبيوتر بإكمال مهام مجموعة متنوعة وفقًا لرغباتهم الخاصة ، مما يتطلب من المحترفين التعبير عن نواياهم وإصدار التعليمات من خلال لغة غير طبيعية أو لغة رسمية ، مثل لغة التجميع المبكرة ، ولاحقًا C ++ عالية لغة برمجة ذات مستوى ولغة استعلام منظمة مثل SQL وما إلى ذلك. لغة التواصل والتواصل البشري هي لغة طبيعية.
وفقًا للأساطير الغربية ، من أجل منع البشر من بناء "برج بابل" الذي يصل إلى السماء ، أفسد الله اللغات البشرية ، مما جعل من المستحيل على البشر التواصل وفهم الآخرين. يعتقد Xiao Yanghua أن هناك أيضًا مثل هذا الموقف بين الآلات والبشر ، فعلى الأقل لم تكن الآلات قادرة على فهم اللغة الطبيعية للإنسان بدقة ، لذلك كان البشر في الواقع يستوعبون الآلات ويحولون نواياهم إلى لغات رسمية مختلفة.
ومع ذلك ، فإن المهام التي تحتاج أجهزة الكمبيوتر لإكمالها موجودة في آلاف الصناعات.وقال Xiao Yanghua أن هذا يعني أنه من أجل إكمال المهام المختلفة ، يجب على المحترفين تعلم لغات مختلفة ، مثل اللغات المخصصة لتصميم الشرائح واللغات الخاصة بـ أتمتة المكاتب. كل هذا يتطلب تدريبًا معقدًا لإتقانها ، لذلك تتطلب كل مهمة مهنية تعلم لغة معقدًا ، مما يضع عتبة لغوية عالية للأشخاص للانخراط في صناعة معينة.
ولكن يبدو الآن أن Xiao Yanghua يحكم ، "كل هذه اللغات الرسمية غير ضرورية ، ويمكن استبدالها أساسًا بلغة طبيعية." إلى حد ما ، يمكن اعتبار أن الآلات "تفهم" لغة الإنسان الطبيعية وفي نفس الوقت فهم لقد طور العديد من اللغات الرسمية الاحترافية ، والتي يمكنها تحويل النوايا البشرية بدقة معبرا عنها بلغات طبيعية مختلفة إلى لغات رسمية مقابلة ، مثل لغات البرمجة ولغات تصميم الرقائق.
هذا للقضاء على فجوة اللغة ، ولم يعد هناك عائق أمام الآلات "لفهم" البشر. "إذا قضى الإصدار الأول من ChatGPT على فجوة التعبير اللغوي الطبيعي بين الإنسان والآلة ، فإن ChatGPT مع وظيفة مترجم الشفرة ستقضي على فجوة التعبير اللغوي الاحترافي بين الإنسان والآلة." يعتقد Xiao Yanghua أن هذا سيكون له تأثير بعيد المدى جدًا الأثر هو إنجاز هام.
"قريبًا ، ستصبح النماذج الكبيرة مؤهلة تدريجيًا للقدرات" اللغوية "المطلوبة للبشر للانخراط في عمل احترافي للغاية ، مثل اللغة الرياضية واللغة المادية ، بالإضافة إلى قدرة التفكير المقابلة والقدرة على حل المشكلات. لأن ، في المبدأ ، هذا بالمثل ، اللغة الرياضية التي يطلبها علماء الرياضيات لإجراء عمل بحثي هي لغة رسمية فقط. وطالما أنه يمكن الحصول على البيانات المزدوجة للغة الطبيعية واللغة المهنية المقابلة ، فإن النماذج الكبيرة لديها الفرصة للتعلم. هذه البيانات على نطاق واسع في الأطروحة ، يمكن أيضًا استخدام البرامج الاحترافية المستخدمة على نطاق واسع ، مثل MATLAB ، لتجميع البيانات ، وبالتالي التخفيف من مشكلة ندرة البيانات في تعلم القدرات المهنية على نطاق واسع. "قال Xiao Yanghua.
** هل ما زالت هناك حاجة لشغل وظائف مهنية؟ **
هذا يعني أنه في المستقبل ، يمكن إنجاز معظم الأعمال المهنية التي تتطلب إتقان اللغات الاحترافية بشكل جيد ، وقد يتمكن النموذج الكبير من إكمالها بشكل جيد. يطرح هذا أيضًا سؤالًا جديرًا بدراسة متعمقة.سأل Xiao Yanghua: هل لا يزال لدينا متسع للمهنيين للتطوير ، أم أن وظيفتهم ضرورية؟
من وجهة نظر Xiao Yanghua ، مع تحسين قدرة النماذج الكبيرة ، سيتم تقسيم جميع الأعمال المنجزة بمساعدة اللغة إلى ثلاث خطوات في المستقبل: الخطوة الأولى هي المطالبة () ، والخطوة الثانية هي الإنشاء ، و الخطوة الثالثة هي التقييم.
"من الواضح أن هذه الوظائف التي تم إنشاؤها ، سواء كانت مهنية أو غير مهنية ، يمكن تسليمها إلى النموذج الكبير. ولكن لا يزال المحترفون يتمتعون بقيمتهم ، مثل كتابة الكلمات السريعة ، وكيفية تعزيز الاحترافية المطلوبة لإنشاء نماذج كبيرة للرسوم البيانية ، وكيف لتقييم وتحليل جودة النتائج التي تم الحصول عليها. لا يزال البشر يتمتعون بمزاياهم في هذه الجوانب ، أو على المدى القصير ، لا تزال النماذج الكبيرة بحاجة إلى مزيد من التحسين لتكون مؤهلة. "
علاوة على ذلك ، سيتم تقسيم معظم المهام المتعلقة بإنشاء المحتوى والعمل التحليلي إلى العديد من خطوات التقسيم الفرعي ، من بينها خطوات التقسيم الفرعي المتكررة والروتينية والتوليدية التي سيتم تسليمها تدريجياً إلى النموذج الكبير ، ومهام التقسيم الفرعي مثل النماذج الصغيرة التقليدية يتم تسليم الجيد في النماذج الصغيرة ، ويتم تسليم مهام التقسيم الفرعي التي لا تزال جيدة فقط في البشر إلى البشر. يعتقد Xiao Yanghua أن تحليل المهام المعقدة إلى خطوات متعددة (التحلل) ، ثم إكمال الخطوات التي يجيدونها (إعادة التنظيم) بواسطة النماذج الكبيرة والنماذج الصغيرة والاتجاه البشري الأساسي.
** اتجاهان للتكرار السريع للنماذج الكبيرة **
فيما يتعلق بما إذا كان هذا التحديث يمثل ظهور GPT-4.5 ، يعتقد Xiao Yanghua أن هذا ليس هو المفتاح ، ولكن هذه القضية جذبت الكثير من الاهتمام ، والتي تعكس في الواقع مخاوف البشر بشأن التكرار السريع للنماذج الكبيرة ، وإلى إلى حد ما يعكس التأثير المحتمل للجميع عليه.المخاوف المتعلقة بالتأثير الاجتماعي. في رأيه ، هذا القلق ليس غير منطقي ، "في حالة التكرار السريع ، على الأقل نفهم أن سرعته قد لا تكون قادرة على مواكبة سرعة التكرار. بل يتعين علينا الضغط بنشاط على زر الإيقاف المؤقت من أجل التطوير من النماذج الكبيرة ، فكر جيدًا في ما يمكنها فعله وما لا يمكنها فعله ".
بالنسبة لاتجاهي التكرار السريع للنماذج الكبيرة ، يعتقد Xiao Yanghua أن ChatGPT ، أولاً ، يعتمد الآن بشكل أساسي على تعلم البيانات العامة ، وسوف يتعلم بالتأكيد من البيانات واسعة النطاق والأكثر تنوعًا ، مع الجمع بين خبرة المجال الخاص بيانات أقوى. ثانيًا ، سيزيد من درجة تحليل البيانات ، والتي يمكن اعتبارها لتحسين عمق التعلم إلى حد معين. بعبارة أخرى ، هناك بعدان ، أحدهما هو التعلم أكثر فأكثر على نطاق واسع ، والآخر هو معرفة المزيد والمزيد من البيانات القديمة المتخصصة والأعمق.
"هذه فكرة مهمة جدًا في هذا الإصدار. في الواقع ، من المحتمل جدًا أن تظل البيانات هي نفس البيانات ، ولكن يتم تعلمها بشكل أعمق." تابع Xiao Yanghua ، "إذا كانت النماذج الكبيرة في كل حقل مجزأة و لا يمكن دمجها ، فقد تظل قدرتها ضمن النطاق الذي يمكن التحكم فيه. ومع ذلك ، إذا كان لدى ChatGPT قدرة معرفة عامة قوية وتجمع باستمرار بيانات المجال الخاص المختلفة للتعلم ، فقد تكون ترقية قدرتها تتجاوز توقعاتنا. لذلك ، فإن الترويج لـ النماذج الكبيرة من الضروري والوشيك التطوير في اتجاه آمن يمكن التحكم فيه ".
شاهد النسخة الأصلية
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
أستاذ فودان Xiao Yanghua: مترجم كود ChatGPT هو إنجاز هام
المصدر: الورقة
المراسل شاو ون
بعد إصدار بيتا مترجم الشفرة ChatGPT ، يمكن للمستخدمين استخدام لغة طبيعية لإصدار تعليمات إلى ChatGPT لإكمال مهام البرمجة المعقدة حتى لو لم يكونوا مبرمجين. قد يكون لهذا تأثيران رئيسيان: القضاء على فجوة اللغة وإعادة تشكيل الصناعة.
سيكون هناك اتجاهان في التكرار السريع للنماذج الكبيرة في المستقبل: أولاً ، سيتعلم ChatGPT بالتأكيد من البيانات الأكبر حجمًا والأكثر تنوعًا ، وفي نفس الوقت يجمع المزيد من البيانات الاحترافية في المجال الخاص لإجراء تعلم أوسع ؛ ثانيًا ، سيزيد من درجة تحليل البيانات ، والتي يمكن اعتبارها تعلمًا أكثر تعمقًا إلى حد معين.
النسخة التجريبية لمترجم الشفرات ChatGPT مفتوحة رسميًا لجميع مستخدمي ChatGPT Plus ، ويمكنها استخدام اللغة الطبيعية البشرية كتعليمات لدفع النماذج الكبيرة لإكمال العمليات الحسابية وتحليل البيانات ورسم المخططات الاحترافي وحتى إنشاء مقاطع فيديو وتحليل سوق الأسهم.
"تمت ترقية قدرة OpenAI's ChatGPT مرة أخرى. لقد أكملت الترقية من أداة إلى مساعد ، وهذه المرة تمت ترقيتها من مساعد عادي إلى مساعد محترف." في 12 يوليو ، Xiao Yanghua ، أستاذ في جامعة فودان ومدير مختبر شنغهاي الرئيسي لعلوم البيانات Pengpai Technology (نتحدث عن الإصدار الرائد الأخير لـ OpenAI: مترجم كود ChatGPT (مترجم الشفرة).
في التاسع من يوليو ، بتوقيت بكين ، تم فتح الإصدار التجريبي من مترجم الشفرة ChatGPT رسميًا لجميع مستخدمي ChatGPT Plus ، ويمكنه استخدام اللغة الطبيعية البشرية كتعليمات لدفع النماذج الكبيرة لإكمال العمليات الحسابية ، وتحليل البيانات ، ورسم المخططات الاحترافية ، وحتى إنشاء مقاطع فيديو وتحليل سوق الأوراق المالية.
وهذا يعني أنه حتى لو لم يكن المستخدمون مبرمجين ، فيمكنهم إعطاء تعليمات لـ ChatGPT بلغة طبيعية لإكمال مهام البرمجة المعقدة. تم تقييم هذا من قبل العالم الخارجي على أنه "أقوى وظيفة لـ GPT-4 على الإطلاق".
قال Xiao Yanghua: "لاستخدام استعارة غير مناسبة." لغة طبيعية: قدرات لمهام متعددة الوسائط مثل الصور والرسوم البيانية المتخصصة وما إلى ذلك.
ماذا يعني أن تكون مساعدًا محترفًا؟ "هذا يعني أن ChatGPT قادر على إكمال الكثير من الأعمال الاحترافية للغاية. ويمكن القول أنه يمكن أن يكون مؤهلًا لعمل الطلاب الجامعيين ذوي التخصصات ذات الصلة في الجامعات ، مثل تخصصات علوم البيانات." قال Xiao Yanghua.
** "القدرة على تحليل البيانات تحدد القدرة التي يمكن أن يحصل عليها النموذج الكبير في المستقبل" **
بالنسبة إلى سبب اختيار ChatGPT للترقية في هذا المجال ، يعتقد Xiao Yanghua أن هذا يرجع إلى التحليل المتعمق وتعلم البيانات. هذه البيانات موجودة على نطاق واسع ، وتشمل معظم الأوراق بشكل أساسي تحليل بيانات احترافي لمختلف التخصصات. ركزت الإصدارات السابقة من GPT بشكل أساسي على الاستخدام الفعال للبيانات النصية ، ولكن استخدام المخططات والشبكات وتوافقها مع النص في هذه البيانات واسع نسبيًا وبسيط. استفادت هذه الترقية في الواقع من التحليل المتعمق للأدبيات المهنية والبيانات الأخرى ، وإنشاء العلاقة المقابلة بين النص والمخططات والصيغ ، مما مكّن GPT من اكتساب القدرة على توجيه المخططات والجداول من خلال التفاعل اللغوي الطبيعي.
من هذا الاكتشاف ، حصل Xiao Yanghua على اكتشاف في مجال البحث والتطوير التكنولوجي: "من المحتمل أن يكون هذا النوع من القدرة على التحليل المتعمق للمجموعة أحد العوامل الأساسية التي تحدد قدرة النماذج الكبيرة. مهما كمية البيانات ليس كثيرا ".
بالنسبة إلى ChatGPT ، يعتقد Xiao Yanghua أن اتجاه جهود OpenAI كان البحث عن المزيد من البيانات عالية الجودة والتحليل العميق للبيانات الموجودة ، وذلك لجعل قدراتها أكثر قوة. لذلك ، قد يكون الحصول على بيانات واسعة النطاق وعالية الجودة ومتنوعة ، والتحليل المتعمق لهذه البيانات أحد الأفكار المهمة لتعزيز تطوير النماذج الكبيرة. "
** "سد فجوة اللغة" **
بالنظر إلى ترقية قدرة ChatGPT ككل ، يعتقد Xiao Yanghua أن هناك تأثيران محتملان يستحقان الاهتمام: أولاً ، "إزالة فجوة اللغة" ؛ ثانيًا ، إعادة تشكيل الشكل الصناعي.
ما هي فجوة اللغة؟ منذ اختراع أجهزة الكمبيوتر ، يأمل البشر في السماح لأجهزة الكمبيوتر بإكمال مهام مجموعة متنوعة وفقًا لرغباتهم الخاصة ، مما يتطلب من المحترفين التعبير عن نواياهم وإصدار التعليمات من خلال لغة غير طبيعية أو لغة رسمية ، مثل لغة التجميع المبكرة ، ولاحقًا C ++ عالية لغة برمجة ذات مستوى ولغة استعلام منظمة مثل SQL وما إلى ذلك. لغة التواصل والتواصل البشري هي لغة طبيعية.
وفقًا للأساطير الغربية ، من أجل منع البشر من بناء "برج بابل" الذي يصل إلى السماء ، أفسد الله اللغات البشرية ، مما جعل من المستحيل على البشر التواصل وفهم الآخرين. يعتقد Xiao Yanghua أن هناك أيضًا مثل هذا الموقف بين الآلات والبشر ، فعلى الأقل لم تكن الآلات قادرة على فهم اللغة الطبيعية للإنسان بدقة ، لذلك كان البشر في الواقع يستوعبون الآلات ويحولون نواياهم إلى لغات رسمية مختلفة.
ومع ذلك ، فإن المهام التي تحتاج أجهزة الكمبيوتر لإكمالها موجودة في آلاف الصناعات.وقال Xiao Yanghua أن هذا يعني أنه من أجل إكمال المهام المختلفة ، يجب على المحترفين تعلم لغات مختلفة ، مثل اللغات المخصصة لتصميم الشرائح واللغات الخاصة بـ أتمتة المكاتب. كل هذا يتطلب تدريبًا معقدًا لإتقانها ، لذلك تتطلب كل مهمة مهنية تعلم لغة معقدًا ، مما يضع عتبة لغوية عالية للأشخاص للانخراط في صناعة معينة.
ولكن يبدو الآن أن Xiao Yanghua يحكم ، "كل هذه اللغات الرسمية غير ضرورية ، ويمكن استبدالها أساسًا بلغة طبيعية." إلى حد ما ، يمكن اعتبار أن الآلات "تفهم" لغة الإنسان الطبيعية وفي نفس الوقت فهم لقد طور العديد من اللغات الرسمية الاحترافية ، والتي يمكنها تحويل النوايا البشرية بدقة معبرا عنها بلغات طبيعية مختلفة إلى لغات رسمية مقابلة ، مثل لغات البرمجة ولغات تصميم الرقائق.
هذا للقضاء على فجوة اللغة ، ولم يعد هناك عائق أمام الآلات "لفهم" البشر. "إذا قضى الإصدار الأول من ChatGPT على فجوة التعبير اللغوي الطبيعي بين الإنسان والآلة ، فإن ChatGPT مع وظيفة مترجم الشفرة ستقضي على فجوة التعبير اللغوي الاحترافي بين الإنسان والآلة." يعتقد Xiao Yanghua أن هذا سيكون له تأثير بعيد المدى جدًا الأثر هو إنجاز هام.
"قريبًا ، ستصبح النماذج الكبيرة مؤهلة تدريجيًا للقدرات" اللغوية "المطلوبة للبشر للانخراط في عمل احترافي للغاية ، مثل اللغة الرياضية واللغة المادية ، بالإضافة إلى قدرة التفكير المقابلة والقدرة على حل المشكلات. لأن ، في المبدأ ، هذا بالمثل ، اللغة الرياضية التي يطلبها علماء الرياضيات لإجراء عمل بحثي هي لغة رسمية فقط. وطالما أنه يمكن الحصول على البيانات المزدوجة للغة الطبيعية واللغة المهنية المقابلة ، فإن النماذج الكبيرة لديها الفرصة للتعلم. هذه البيانات على نطاق واسع في الأطروحة ، يمكن أيضًا استخدام البرامج الاحترافية المستخدمة على نطاق واسع ، مثل MATLAB ، لتجميع البيانات ، وبالتالي التخفيف من مشكلة ندرة البيانات في تعلم القدرات المهنية على نطاق واسع. "قال Xiao Yanghua.
** هل ما زالت هناك حاجة لشغل وظائف مهنية؟ **
هذا يعني أنه في المستقبل ، يمكن إنجاز معظم الأعمال المهنية التي تتطلب إتقان اللغات الاحترافية بشكل جيد ، وقد يتمكن النموذج الكبير من إكمالها بشكل جيد. يطرح هذا أيضًا سؤالًا جديرًا بدراسة متعمقة.سأل Xiao Yanghua: هل لا يزال لدينا متسع للمهنيين للتطوير ، أم أن وظيفتهم ضرورية؟
من وجهة نظر Xiao Yanghua ، مع تحسين قدرة النماذج الكبيرة ، سيتم تقسيم جميع الأعمال المنجزة بمساعدة اللغة إلى ثلاث خطوات في المستقبل: الخطوة الأولى هي المطالبة () ، والخطوة الثانية هي الإنشاء ، و الخطوة الثالثة هي التقييم.
"من الواضح أن هذه الوظائف التي تم إنشاؤها ، سواء كانت مهنية أو غير مهنية ، يمكن تسليمها إلى النموذج الكبير. ولكن لا يزال المحترفون يتمتعون بقيمتهم ، مثل كتابة الكلمات السريعة ، وكيفية تعزيز الاحترافية المطلوبة لإنشاء نماذج كبيرة للرسوم البيانية ، وكيف لتقييم وتحليل جودة النتائج التي تم الحصول عليها. لا يزال البشر يتمتعون بمزاياهم في هذه الجوانب ، أو على المدى القصير ، لا تزال النماذج الكبيرة بحاجة إلى مزيد من التحسين لتكون مؤهلة. "
علاوة على ذلك ، سيتم تقسيم معظم المهام المتعلقة بإنشاء المحتوى والعمل التحليلي إلى العديد من خطوات التقسيم الفرعي ، من بينها خطوات التقسيم الفرعي المتكررة والروتينية والتوليدية التي سيتم تسليمها تدريجياً إلى النموذج الكبير ، ومهام التقسيم الفرعي مثل النماذج الصغيرة التقليدية يتم تسليم الجيد في النماذج الصغيرة ، ويتم تسليم مهام التقسيم الفرعي التي لا تزال جيدة فقط في البشر إلى البشر. يعتقد Xiao Yanghua أن تحليل المهام المعقدة إلى خطوات متعددة (التحلل) ، ثم إكمال الخطوات التي يجيدونها (إعادة التنظيم) بواسطة النماذج الكبيرة والنماذج الصغيرة والاتجاه البشري الأساسي.
** اتجاهان للتكرار السريع للنماذج الكبيرة **
فيما يتعلق بما إذا كان هذا التحديث يمثل ظهور GPT-4.5 ، يعتقد Xiao Yanghua أن هذا ليس هو المفتاح ، ولكن هذه القضية جذبت الكثير من الاهتمام ، والتي تعكس في الواقع مخاوف البشر بشأن التكرار السريع للنماذج الكبيرة ، وإلى إلى حد ما يعكس التأثير المحتمل للجميع عليه.المخاوف المتعلقة بالتأثير الاجتماعي. في رأيه ، هذا القلق ليس غير منطقي ، "في حالة التكرار السريع ، على الأقل نفهم أن سرعته قد لا تكون قادرة على مواكبة سرعة التكرار. بل يتعين علينا الضغط بنشاط على زر الإيقاف المؤقت من أجل التطوير من النماذج الكبيرة ، فكر جيدًا في ما يمكنها فعله وما لا يمكنها فعله ".
بالنسبة لاتجاهي التكرار السريع للنماذج الكبيرة ، يعتقد Xiao Yanghua أن ChatGPT ، أولاً ، يعتمد الآن بشكل أساسي على تعلم البيانات العامة ، وسوف يتعلم بالتأكيد من البيانات واسعة النطاق والأكثر تنوعًا ، مع الجمع بين خبرة المجال الخاص بيانات أقوى. ثانيًا ، سيزيد من درجة تحليل البيانات ، والتي يمكن اعتبارها لتحسين عمق التعلم إلى حد معين. بعبارة أخرى ، هناك بعدان ، أحدهما هو التعلم أكثر فأكثر على نطاق واسع ، والآخر هو معرفة المزيد والمزيد من البيانات القديمة المتخصصة والأعمق.
"هذه فكرة مهمة جدًا في هذا الإصدار. في الواقع ، من المحتمل جدًا أن تظل البيانات هي نفس البيانات ، ولكن يتم تعلمها بشكل أعمق." تابع Xiao Yanghua ، "إذا كانت النماذج الكبيرة في كل حقل مجزأة و لا يمكن دمجها ، فقد تظل قدرتها ضمن النطاق الذي يمكن التحكم فيه. ومع ذلك ، إذا كان لدى ChatGPT قدرة معرفة عامة قوية وتجمع باستمرار بيانات المجال الخاص المختلفة للتعلم ، فقد تكون ترقية قدرتها تتجاوز توقعاتنا. لذلك ، فإن الترويج لـ النماذج الكبيرة من الضروري والوشيك التطوير في اتجاه آمن يمكن التحكم فيه ".