Setelah beta penerjemah kode ChatGPT dirilis, pengguna dapat menggunakan bahasa alami untuk mengeluarkan instruksi ke ChatGPT untuk menyelesaikan tugas pemrograman yang rumit meskipun mereka bukan pemrogram. Ini mungkin memiliki dua dampak besar: menghilangkan kesenjangan bahasa dan membentuk kembali industri.
Akan ada dua tren dalam iterasi cepat model besar di masa mendatang: Pertama, ChatGPT pasti akan belajar dari data berskala lebih besar dan lebih beragam, dan pada saat yang sama menggabungkan lebih banyak data profesional di domain pribadi untuk melakukan pembelajaran yang lebih luas ; Kedua, itu akan meningkatkan derajat analisis data, yang dapat dianggap sebagai pembelajaran yang lebih mendalam sampai batas tertentu.
Sumber gambar: Dihasilkan oleh alat AI Tak Terbatas
Versi beta penerjemah kode ChatGPT secara resmi terbuka untuk semua pengguna ChatGPT Plus. Itu dapat menggunakan bahasa alami manusia sebagai instruksi untuk menggerakkan model besar untuk menyelesaikan operasi matematika, analisis data, gambar bagan profesional, dan bahkan menghasilkan video dan menganalisis pasar saham.
"Kemampuan ChatGPT OpenAI telah ditingkatkan lagi. Itu telah menyelesaikan peningkatan dari alat menjadi asisten, dan kali ini telah ditingkatkan dari asisten biasa menjadi asisten profesional. "Pada 12 Juli, Xiao Yanghua, seorang profesor di Universitas Fudan dan direktur Shanghai Key Laboratory of Data Science Pengpai Technology (berbicara tentang rilis blockbuster OpenAI baru-baru ini: penerjemah kode ChatGPT (Penerjemah kode).
Pada tanggal 9 Juli waktu Beijing, versi beta penerjemah kode ChatGPT secara resmi dibuka untuk semua pengguna ChatGPT Plus, yang dapat menggunakan bahasa alami manusia sebagai instruksi untuk menggerakkan model besar untuk menyelesaikan operasi matematika, analisis data, gambar bagan profesional, dan bahkan menghasilkan video, Menganalisis pasar saham.
Artinya, meskipun pengguna bukan pemrogram, mereka dapat memberikan instruksi kepada ChatGPT dalam bahasa alami untuk menyelesaikan tugas pemrograman yang rumit. Ini dievaluasi oleh dunia luar sebagai "fungsi GPT-4 paling kuat yang pernah ada".
"Untuk menggunakan metafora yang tidak tepat." Xiao Yanghua berkata, "Terlihat bahwa OpenAI harus 'direncanakan untuk waktu yang lama'. Mereka telah bekerja keras untuk meningkatkan kemampuan interaksi multimodal dari model besar." Interaksi multimodal didorong oleh bahasa alami Kemampuan untuk tugas multimodal seperti gambar, diagram khusus, dll.
Apa artinya menjadi penolong profesional? "Artinya ChatGPT mampu menyelesaikan bahkan banyak pekerjaan yang sangat profesional. Bisa dikatakan bisa kompeten untuk pekerjaan sarjana dengan jurusan terkait di universitas, seperti jurusan ilmu data," kata Xiao Yanghua.
"Kemampuan menganalisis data menentukan kemampuan yang dapat diperoleh model besar di masa mendatang"
Adapun mengapa ChatGPT memilih untuk meningkatkan di bidang ini, Xiao Yanghua percaya bahwa ini karena analisis dan pembelajaran data yang mendalam.Data tersebut ada secara luas, dan sebagian besar makalah pada dasarnya mencakup analisis data profesional dari berbagai disiplin ilmu. Versi GPT sebelumnya terutama berfokus pada penggunaan data teks yang efektif, tetapi penggunaan bagan, kisi, dan korespondensinya dengan teks dalam data ini relatif luas dan sederhana. Pembaruan ini benar-benar mendapat manfaat dari analisis mendalam literatur profesional dan data lainnya, dan pembentukan hubungan yang sesuai antara teks, bagan, dan rumus, memungkinkan GPT memperoleh kemampuan untuk mengarahkan bagan dan tabel melalui interaksi bahasa alami.
Dari penemuan seperti itu, Xiao Yanghua mendapat wahyu dalam penelitian dan pengembangan teknologi: "Kemampuan analisis mendalam untuk korpus semacam ini kemungkinan besar menjadi salah satu faktor inti yang menentukan kemampuan model besar. Pengembangan model besar tidak peduli berapa banyak data Tidak terlalu banyak."
Untuk ChatGPT, Xiao Yanghua percaya bahwa arah upaya OpenAI adalah mencari lebih banyak data berkualitas tinggi dan menganalisis data yang ada secara mendalam, sehingga kemampuannya semakin kuat. Oleh karena itu, memperoleh data berskala besar, berkualitas tinggi, dan beragam, serta analisis mendalam terhadap data tersebut dapat menjadi salah satu ide penting untuk mempromosikan pengembangan model besar. "
"Menghapus kesenjangan bahasa"
Melihat peningkatan kemampuan ChatGPT secara umum, Xiao Yanghua percaya bahwa ada dua kemungkinan dampak yang patut diperhatikan: pertama, "menghilangkan kesenjangan bahasa"; kedua, membentuk kembali bentuk industri.
Apa itu kesenjangan bahasa? Sejak penemuan komputer, manusia berharap untuk membiarkan komputer menyelesaikan berbagai tugas sesuai dengan keinginan mereka sendiri, yang mengharuskan para profesional untuk mengungkapkan niat dan mengeluarkan instruksi melalui bahasa non-alami atau bahasa formal, seperti bahasa rakitan awal, dan kemudian C++ tinggi. bahasa pemrograman -level , Bahasa kueri terstruktur seperti SQL, dll. Bahasa komunikasi dan komunikasi manusia adalah bahasa alami.
Menurut legenda Barat, untuk mencegah manusia membangun "Menara Babel" yang mencapai langit, Tuhan mengacaukan bahasa manusia, membuat manusia tidak mungkin berkomunikasi dan memahami orang lain. Xiao Yanghua percaya bahwa ada juga situasi seperti itu antara mesin dan manusia, setidaknya mesin belum dapat memahami bahasa alami manusia secara akurat, jadi sebenarnya manusia telah mengakomodasi mesin dan mengubah niatnya menjadi berbagai bahasa formal.
Namun, tugas yang harus diselesaikan komputer ada di ribuan industri.Xiao Yanghua mengatakan bahwa untuk menyelesaikan tugas yang berbeda, para profesional harus mempelajari bahasa yang berbeda, seperti bahasa khusus untuk desain chip dan bahasa untuk otomatisasi kantor. Semua ini membutuhkan pelatihan yang rumit untuk dikuasai, sehingga setiap tugas profesional memerlukan pembelajaran bahasa yang kompleks, yang menetapkan ambang bahasa yang tinggi bagi orang untuk terlibat dalam industri tertentu.
Tapi sekarang tampaknya Xiao Yanghua menilai, "Semua bahasa formal ini tidak diperlukan, dan pada dasarnya dapat diganti dengan bahasa alami." Sampai batas tertentu, dapat dianggap bahwa mesin "memahami" bahasa alami manusia dan pada saat yang sama mengerti Itu telah mengembangkan berbagai bahasa formal profesional, yang secara akurat dapat mengubah niat manusia yang diungkapkan dalam berbagai bahasa alami menjadi bahasa formal yang sesuai, seperti bahasa pemrograman dan bahasa desain chip.
Ini untuk menghilangkan kesenjangan bahasa, dan tidak ada lagi penghalang bagi mesin untuk "memahami" manusia. "Jika versi pertama ChatGPT menghilangkan kesenjangan ekspresi bahasa alami antara manusia dan mesin, ChatGPT dengan fungsi Penerjemah Kode ini akan menghilangkan kesenjangan ekspresi bahasa profesional antara manusia dan mesin." Xiao Yanghua percaya bahwa ini akan memiliki dampak yang sangat luas Dampak adalah tonggak pencapaian.
"Segera, model besar secara bertahap akan kompeten untuk kemampuan 'bahasa' yang dibutuhkan manusia untuk terlibat dalam pekerjaan yang sangat profesional, seperti bahasa matematika dan bahasa fisik, serta kemampuan berpikir dan kemampuan memecahkan masalah yang sesuai. Karena, di prinsipnya, ini Demikian pula, bahasa matematika yang dibutuhkan oleh matematikawan untuk melakukan pekerjaan penelitian hanyalah bahasa formal, selama data pasangan bahasa alami dan bahasa profesional yang sesuai dapat diperoleh, model besar memiliki kesempatan untuk belajar Data ini tersedia secara luas di Dalam tesis, perangkat lunak profesional yang banyak digunakan, seperti MATLAB, juga dapat digunakan untuk sintesis data, sehingga semakin mengurangi masalah kelangkaan data dalam pembelajaran kemampuan profesional skala besar." Kata Xiao Yanghua.
**Apakah masih dibutuhkan posisi profesional? **
Artinya, di masa mendatang, sebagian besar pekerjaan profesional yang membutuhkan penguasaan bahasa profesional dapat dilakukan dengan baik, dan model besar mungkin dapat menyelesaikannya dengan baik. Ini juga menimbulkan pertanyaan yang layak untuk dipertimbangkan secara mendalam.Xiao Yanghua bertanya: Apakah kita masih memiliki ruang bagi para profesional untuk berkembang, atau apakah pekerjaan mereka diperlukan?
Dalam pandangan Xiao Yanghua, dengan peningkatan kemampuan model besar, semua pekerjaan yang dilakukan dengan bantuan bahasa akan dibagi menjadi tiga langkah di masa mendatang: langkah pertama adalah meminta (), langkah kedua adalah menghasilkan, dan langkah ketiga adalah mengevaluasi.
“Jelas, pekerjaan yang dihasilkan ini, baik profesional maupun non-profesional, dapat diserahkan kepada model besar. Tetapi profesional masih memiliki nilai, seperti menulis kata-kata yang cepat, bagaimana mendorong profesionalisme yang dibutuhkan untuk grafik generasi model besar, dan bagaimana untuk mengevaluasi dan menganalisis kualitas hasil yang dihasilkan. Manusia masih memiliki kelebihan dalam aspek ini, atau dalam jangka pendek, model besar masih membutuhkan peningkatan yang lebih besar untuk menjadi kompeten. "Kata Xiao Yanghua, jadi ini akan membentuk kembali bentuk industri.
Selain itu, sebagian besar tugas yang terkait dengan pembuatan konten dan pekerjaan analitis akan didekomposisi menjadi banyak langkah subdivisi, di antaranya langkah subdivisi berulang, rutin, dan generatif akan secara bertahap diserahkan ke model besar, dan tugas subdivisi yang dilakukan oleh model kecil tradisional. ahli diserahkan ke model kecil, dan tugas subdivisi yang masih hanya baik pada manusia diserahkan kepada manusia. Xiao Yanghua percaya bahwa menguraikan tugas kompleks menjadi beberapa langkah (dekomposisi), dan kemudian menyelesaikan langkah-langkah yang mereka kuasai (reorganisasi) oleh model besar, model kecil, dan manusia.
Dua tren iterasi cepat model besar
Adapun apakah pembaruan ini mewakili munculnya GPT-4.5, Xiao Yanghua percaya bahwa ini bukan kuncinya, tetapi masalah ini telah menarik begitu banyak perhatian, yang sebenarnya mencerminkan kekhawatiran manusia tentang iterasi yang cepat dari model besar, dan untuk a batas tertentu mencerminkan kemungkinan dampak dari setiap orang di dalamnya.kekhawatiran tentang dampak sosial. Menurutnya, kekhawatiran ini tidak beralasan, “Dalam hal iterasinya yang cepat, setidaknya kami memahami bahwa kecepatannya mungkin tidak dapat mengimbangi kecepatan iterasinya. Bahkan kami harus aktif menekan tombol pause untuk pengembangannya model besar , pikirkan baik-baik tentang apa yang bisa dan tidak bisa dilakukannya.
Untuk dua tren iterasi cepat model besar, Xiao Yanghua percaya bahwa, pertama, ChatGPT sekarang terutama didasarkan pada pembelajaran data publik, dan pasti akan belajar dari data berskala lebih besar dan lebih beragam, sambil menggabungkan keahlian domain pribadi Data yang lebih kuat. Kedua, itu akan meningkatkan derajat analisis data, yang dapat dianggap meningkatkan kedalaman pembelajaran sampai batas tertentu. Dengan kata lain, ada dua dimensi, satu adalah mempelajari lebih banyak dan lebih luas, dan yang lainnya adalah mempelajari data lama yang lebih terspesialisasi dan lebih dalam.
"Ini adalah ide yang sangat penting dalam versi ini. Faktanya, sangat mungkin datanya masih merupakan data yang sama, tetapi dipelajari lebih dalam. Xiao Yanghua melanjutkan," Jika model besar di setiap bidang terfragmentasi dan tidak dapat diintegrasikan, maka kemampuannya mungkin masih dalam jangkauan yang dapat dikontrol. Namun, jika ChatGPT memiliki kemampuan pengetahuan umum yang kuat dan terus menggabungkan berbagai data domain pribadi untuk pembelajaran, maka peningkatan kemampuannya mungkin di luar harapan kami. Oleh karena itu, promosi model besar Sangat penting dan segera untuk berkembang ke arah yang aman dan terkendali.”
Lihat Asli
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.
Profesor Fudan Xiao Yanghua: Penerjemah kode ChatGPT adalah pencapaian penting
Sumber: Makalah
Reporter Shao Wen
Setelah beta penerjemah kode ChatGPT dirilis, pengguna dapat menggunakan bahasa alami untuk mengeluarkan instruksi ke ChatGPT untuk menyelesaikan tugas pemrograman yang rumit meskipun mereka bukan pemrogram. Ini mungkin memiliki dua dampak besar: menghilangkan kesenjangan bahasa dan membentuk kembali industri.
Akan ada dua tren dalam iterasi cepat model besar di masa mendatang: Pertama, ChatGPT pasti akan belajar dari data berskala lebih besar dan lebih beragam, dan pada saat yang sama menggabungkan lebih banyak data profesional di domain pribadi untuk melakukan pembelajaran yang lebih luas ; Kedua, itu akan meningkatkan derajat analisis data, yang dapat dianggap sebagai pembelajaran yang lebih mendalam sampai batas tertentu.
Versi beta penerjemah kode ChatGPT secara resmi terbuka untuk semua pengguna ChatGPT Plus. Itu dapat menggunakan bahasa alami manusia sebagai instruksi untuk menggerakkan model besar untuk menyelesaikan operasi matematika, analisis data, gambar bagan profesional, dan bahkan menghasilkan video dan menganalisis pasar saham.
"Kemampuan ChatGPT OpenAI telah ditingkatkan lagi. Itu telah menyelesaikan peningkatan dari alat menjadi asisten, dan kali ini telah ditingkatkan dari asisten biasa menjadi asisten profesional. "Pada 12 Juli, Xiao Yanghua, seorang profesor di Universitas Fudan dan direktur Shanghai Key Laboratory of Data Science Pengpai Technology (berbicara tentang rilis blockbuster OpenAI baru-baru ini: penerjemah kode ChatGPT (Penerjemah kode).
Pada tanggal 9 Juli waktu Beijing, versi beta penerjemah kode ChatGPT secara resmi dibuka untuk semua pengguna ChatGPT Plus, yang dapat menggunakan bahasa alami manusia sebagai instruksi untuk menggerakkan model besar untuk menyelesaikan operasi matematika, analisis data, gambar bagan profesional, dan bahkan menghasilkan video, Menganalisis pasar saham.
Artinya, meskipun pengguna bukan pemrogram, mereka dapat memberikan instruksi kepada ChatGPT dalam bahasa alami untuk menyelesaikan tugas pemrograman yang rumit. Ini dievaluasi oleh dunia luar sebagai "fungsi GPT-4 paling kuat yang pernah ada".
"Untuk menggunakan metafora yang tidak tepat." Xiao Yanghua berkata, "Terlihat bahwa OpenAI harus 'direncanakan untuk waktu yang lama'. Mereka telah bekerja keras untuk meningkatkan kemampuan interaksi multimodal dari model besar." Interaksi multimodal didorong oleh bahasa alami Kemampuan untuk tugas multimodal seperti gambar, diagram khusus, dll.
Apa artinya menjadi penolong profesional? "Artinya ChatGPT mampu menyelesaikan bahkan banyak pekerjaan yang sangat profesional. Bisa dikatakan bisa kompeten untuk pekerjaan sarjana dengan jurusan terkait di universitas, seperti jurusan ilmu data," kata Xiao Yanghua.
"Kemampuan menganalisis data menentukan kemampuan yang dapat diperoleh model besar di masa mendatang"
Adapun mengapa ChatGPT memilih untuk meningkatkan di bidang ini, Xiao Yanghua percaya bahwa ini karena analisis dan pembelajaran data yang mendalam.Data tersebut ada secara luas, dan sebagian besar makalah pada dasarnya mencakup analisis data profesional dari berbagai disiplin ilmu. Versi GPT sebelumnya terutama berfokus pada penggunaan data teks yang efektif, tetapi penggunaan bagan, kisi, dan korespondensinya dengan teks dalam data ini relatif luas dan sederhana. Pembaruan ini benar-benar mendapat manfaat dari analisis mendalam literatur profesional dan data lainnya, dan pembentukan hubungan yang sesuai antara teks, bagan, dan rumus, memungkinkan GPT memperoleh kemampuan untuk mengarahkan bagan dan tabel melalui interaksi bahasa alami.
Dari penemuan seperti itu, Xiao Yanghua mendapat wahyu dalam penelitian dan pengembangan teknologi: "Kemampuan analisis mendalam untuk korpus semacam ini kemungkinan besar menjadi salah satu faktor inti yang menentukan kemampuan model besar. Pengembangan model besar tidak peduli berapa banyak data Tidak terlalu banyak."
Untuk ChatGPT, Xiao Yanghua percaya bahwa arah upaya OpenAI adalah mencari lebih banyak data berkualitas tinggi dan menganalisis data yang ada secara mendalam, sehingga kemampuannya semakin kuat. Oleh karena itu, memperoleh data berskala besar, berkualitas tinggi, dan beragam, serta analisis mendalam terhadap data tersebut dapat menjadi salah satu ide penting untuk mempromosikan pengembangan model besar. "
"Menghapus kesenjangan bahasa"
Melihat peningkatan kemampuan ChatGPT secara umum, Xiao Yanghua percaya bahwa ada dua kemungkinan dampak yang patut diperhatikan: pertama, "menghilangkan kesenjangan bahasa"; kedua, membentuk kembali bentuk industri.
Apa itu kesenjangan bahasa? Sejak penemuan komputer, manusia berharap untuk membiarkan komputer menyelesaikan berbagai tugas sesuai dengan keinginan mereka sendiri, yang mengharuskan para profesional untuk mengungkapkan niat dan mengeluarkan instruksi melalui bahasa non-alami atau bahasa formal, seperti bahasa rakitan awal, dan kemudian C++ tinggi. bahasa pemrograman -level , Bahasa kueri terstruktur seperti SQL, dll. Bahasa komunikasi dan komunikasi manusia adalah bahasa alami.
Menurut legenda Barat, untuk mencegah manusia membangun "Menara Babel" yang mencapai langit, Tuhan mengacaukan bahasa manusia, membuat manusia tidak mungkin berkomunikasi dan memahami orang lain. Xiao Yanghua percaya bahwa ada juga situasi seperti itu antara mesin dan manusia, setidaknya mesin belum dapat memahami bahasa alami manusia secara akurat, jadi sebenarnya manusia telah mengakomodasi mesin dan mengubah niatnya menjadi berbagai bahasa formal.
Namun, tugas yang harus diselesaikan komputer ada di ribuan industri.Xiao Yanghua mengatakan bahwa untuk menyelesaikan tugas yang berbeda, para profesional harus mempelajari bahasa yang berbeda, seperti bahasa khusus untuk desain chip dan bahasa untuk otomatisasi kantor. Semua ini membutuhkan pelatihan yang rumit untuk dikuasai, sehingga setiap tugas profesional memerlukan pembelajaran bahasa yang kompleks, yang menetapkan ambang bahasa yang tinggi bagi orang untuk terlibat dalam industri tertentu.
Tapi sekarang tampaknya Xiao Yanghua menilai, "Semua bahasa formal ini tidak diperlukan, dan pada dasarnya dapat diganti dengan bahasa alami." Sampai batas tertentu, dapat dianggap bahwa mesin "memahami" bahasa alami manusia dan pada saat yang sama mengerti Itu telah mengembangkan berbagai bahasa formal profesional, yang secara akurat dapat mengubah niat manusia yang diungkapkan dalam berbagai bahasa alami menjadi bahasa formal yang sesuai, seperti bahasa pemrograman dan bahasa desain chip.
Ini untuk menghilangkan kesenjangan bahasa, dan tidak ada lagi penghalang bagi mesin untuk "memahami" manusia. "Jika versi pertama ChatGPT menghilangkan kesenjangan ekspresi bahasa alami antara manusia dan mesin, ChatGPT dengan fungsi Penerjemah Kode ini akan menghilangkan kesenjangan ekspresi bahasa profesional antara manusia dan mesin." Xiao Yanghua percaya bahwa ini akan memiliki dampak yang sangat luas Dampak adalah tonggak pencapaian.
"Segera, model besar secara bertahap akan kompeten untuk kemampuan 'bahasa' yang dibutuhkan manusia untuk terlibat dalam pekerjaan yang sangat profesional, seperti bahasa matematika dan bahasa fisik, serta kemampuan berpikir dan kemampuan memecahkan masalah yang sesuai. Karena, di prinsipnya, ini Demikian pula, bahasa matematika yang dibutuhkan oleh matematikawan untuk melakukan pekerjaan penelitian hanyalah bahasa formal, selama data pasangan bahasa alami dan bahasa profesional yang sesuai dapat diperoleh, model besar memiliki kesempatan untuk belajar Data ini tersedia secara luas di Dalam tesis, perangkat lunak profesional yang banyak digunakan, seperti MATLAB, juga dapat digunakan untuk sintesis data, sehingga semakin mengurangi masalah kelangkaan data dalam pembelajaran kemampuan profesional skala besar." Kata Xiao Yanghua.
**Apakah masih dibutuhkan posisi profesional? **
Artinya, di masa mendatang, sebagian besar pekerjaan profesional yang membutuhkan penguasaan bahasa profesional dapat dilakukan dengan baik, dan model besar mungkin dapat menyelesaikannya dengan baik. Ini juga menimbulkan pertanyaan yang layak untuk dipertimbangkan secara mendalam.Xiao Yanghua bertanya: Apakah kita masih memiliki ruang bagi para profesional untuk berkembang, atau apakah pekerjaan mereka diperlukan?
Dalam pandangan Xiao Yanghua, dengan peningkatan kemampuan model besar, semua pekerjaan yang dilakukan dengan bantuan bahasa akan dibagi menjadi tiga langkah di masa mendatang: langkah pertama adalah meminta (), langkah kedua adalah menghasilkan, dan langkah ketiga adalah mengevaluasi.
“Jelas, pekerjaan yang dihasilkan ini, baik profesional maupun non-profesional, dapat diserahkan kepada model besar. Tetapi profesional masih memiliki nilai, seperti menulis kata-kata yang cepat, bagaimana mendorong profesionalisme yang dibutuhkan untuk grafik generasi model besar, dan bagaimana untuk mengevaluasi dan menganalisis kualitas hasil yang dihasilkan. Manusia masih memiliki kelebihan dalam aspek ini, atau dalam jangka pendek, model besar masih membutuhkan peningkatan yang lebih besar untuk menjadi kompeten. "Kata Xiao Yanghua, jadi ini akan membentuk kembali bentuk industri.
Selain itu, sebagian besar tugas yang terkait dengan pembuatan konten dan pekerjaan analitis akan didekomposisi menjadi banyak langkah subdivisi, di antaranya langkah subdivisi berulang, rutin, dan generatif akan secara bertahap diserahkan ke model besar, dan tugas subdivisi yang dilakukan oleh model kecil tradisional. ahli diserahkan ke model kecil, dan tugas subdivisi yang masih hanya baik pada manusia diserahkan kepada manusia. Xiao Yanghua percaya bahwa menguraikan tugas kompleks menjadi beberapa langkah (dekomposisi), dan kemudian menyelesaikan langkah-langkah yang mereka kuasai (reorganisasi) oleh model besar, model kecil, dan manusia.
Dua tren iterasi cepat model besar
Adapun apakah pembaruan ini mewakili munculnya GPT-4.5, Xiao Yanghua percaya bahwa ini bukan kuncinya, tetapi masalah ini telah menarik begitu banyak perhatian, yang sebenarnya mencerminkan kekhawatiran manusia tentang iterasi yang cepat dari model besar, dan untuk a batas tertentu mencerminkan kemungkinan dampak dari setiap orang di dalamnya.kekhawatiran tentang dampak sosial. Menurutnya, kekhawatiran ini tidak beralasan, “Dalam hal iterasinya yang cepat, setidaknya kami memahami bahwa kecepatannya mungkin tidak dapat mengimbangi kecepatan iterasinya. Bahkan kami harus aktif menekan tombol pause untuk pengembangannya model besar , pikirkan baik-baik tentang apa yang bisa dan tidak bisa dilakukannya.
Untuk dua tren iterasi cepat model besar, Xiao Yanghua percaya bahwa, pertama, ChatGPT sekarang terutama didasarkan pada pembelajaran data publik, dan pasti akan belajar dari data berskala lebih besar dan lebih beragam, sambil menggabungkan keahlian domain pribadi Data yang lebih kuat. Kedua, itu akan meningkatkan derajat analisis data, yang dapat dianggap meningkatkan kedalaman pembelajaran sampai batas tertentu. Dengan kata lain, ada dua dimensi, satu adalah mempelajari lebih banyak dan lebih luas, dan yang lainnya adalah mempelajari data lama yang lebih terspesialisasi dan lebih dalam.
"Ini adalah ide yang sangat penting dalam versi ini. Faktanya, sangat mungkin datanya masih merupakan data yang sama, tetapi dipelajari lebih dalam. Xiao Yanghua melanjutkan," Jika model besar di setiap bidang terfragmentasi dan tidak dapat diintegrasikan, maka kemampuannya mungkin masih dalam jangkauan yang dapat dikontrol. Namun, jika ChatGPT memiliki kemampuan pengetahuan umum yang kuat dan terus menggabungkan berbagai data domain pribadi untuk pembelajaran, maka peningkatan kemampuannya mungkin di luar harapan kami. Oleh karena itu, promosi model besar Sangat penting dan segera untuk berkembang ke arah yang aman dan terkendali.”