Після випуску бета-версії інтерпретатора коду ChatGPT користувачі зможуть використовувати природну мову для видачі інструкцій ChatGPT для виконання складних програмних завдань, навіть якщо вони не є програмістами. Це може мати два основні наслідки: усунення мовного розриву та переформатування галузі.
У майбутньому спостерігатимуться дві тенденції щодо швидкої ітерації великих моделей: по-перше, ChatGPT обов’язково навчатиметься на більш масштабних і різноманітних даних і в той же час поєднуватиме більше професійних даних у приватній сфері для ширшого навчання; По-друге, це збільшить ступінь аналізу даних, що можна вважати певною мірою більш поглибленим навчанням.
Джерело зображення: створено інструментом Unbounded AI
Бета-версія інтерпретатора коду ChatGPT офіційно відкрита для всіх користувачів ChatGPT Plus.Він може використовувати природну мову людини як інструкції для керування великими моделями для виконання математичних операцій, аналізу даних, професійного малювання діаграм і навіть створення відео та аналізу фондового ринку.
«Можливість OpenAI ChatGPT була знову оновлена. Він завершив оновлення від інструменту до помічника, і цього разу він був оновлений зі звичайного помічника до професійного помічника.» 12 липня Сяо Янхуа, професор Університету Фудань і директор Шанхайської ключової лабораторії науки про дані Pengpai Technology (говорить про нещодавній блокбастер OpenAI: інтерпретатор коду ChatGPT (інтерпретатор коду).
9 липня за пекінським часом бета-версію інтерпретатора коду ChatGPT було офіційно відкрито для всіх користувачів ChatGPT Plus. Він може використовувати природну мову людини як інструкції для керування великими моделями для виконання математичних операцій, аналізу даних, професійного малювання діаграм і навіть створювати відеоролики, аналізувати фондовий ринок.
Тобто, навіть якщо користувачі не є програмістами, вони можуть давати інструкції ChatGPT природною мовою для виконання складних програмних завдань. Зовнішній світ оцінює це як «найпотужнішу функцію GPT-4 за всю історію».
«Якщо використовувати невідповідну метафору», — сказав Сяо Янхуа, «можна побачити, що OpenAI слід «планувати надовго». Вони наполегливо працювали над покращенням можливостей мультимодальної взаємодії великих моделей». Мультимодальна взаємодія керується природна мова Можливості мультимодальних завдань, таких як зображення, спеціальні діаграми тощо.
Що означає бути таким професійним помічником? «Це означає, що ChatGPT здатний виконати навіть велику кількість високопрофесійної роботи. Можна сказати, що він може бути компетентним для роботи студентів, які навчаються на відповідних спеціальностях в університетах, наприклад, спеціальності Data Science», — сказав Сяо Янхуа.
"Здатність аналізувати дані визначає можливості, які велика модель може отримати в майбутньому"
Щодо того, чому ChatGPT вирішив оновити цю сферу, Сяо Янхуа вважає, що це пов’язано з поглибленим аналізом і вивченням даних.Такі дані існують широко, і більшість документів по суті включають професійний аналіз даних різних дисциплін. Попередні версії GPT в основному зосереджувалися на ефективному використанні текстових даних, але використання діаграм, сіток і їх відповідності тексту в цих даних є відносно широким і простим. Це оновлення фактично виграло завдяки глибокому аналізу професійної літератури та інших даних, а також встановленню відповідного зв’язку між текстом, діаграмами та формулами, що дозволило GPT отримати можливість керувати діаграмами та таблицями за допомогою взаємодії природної мови.
Завдяки такому відкриттю Сяо Янхуа отримав одкровення в технологічних дослідженнях і розробках: «Така здатність до глибокого аналізу корпусу, ймовірно, буде одним із ключових факторів, які визначають здатність великих моделей. Розробка великих моделей не неважливо, скільки даних Не надто багато».
Для ChatGPT Сяо Янхуа вважає, що зусилля OpenAI спрямовані на пошук більш високоякісних даних і глибокий аналіз існуючих даних, щоб зробити свої можливості все більш потужними. Тому отримання великомасштабних, високоякісних і різноманітних даних, а також поглиблений аналіз цих даних може бути однією з важливих ідей для сприяння розвитку великих моделей. "
"Усунення мовної прогалини"
Дивлячись на оновлення можливостей ChatGPT в цілому, Сяо Янхуа вважає, що є два можливі наслідки, які заслуговують на увагу: по-перше, «усунення мовного розриву»; по-друге, зміна промислової форми.
Що таке мовний розрив? З моменту винаходу комп’ютерів люди сподіваються дозволити комп’ютерам виконувати різноманітні завдання відповідно до їхніх власних побажань, що вимагає від професіоналів висловлювати наміри та видавати інструкції за допомогою неприродної мови або формальної мови, такої як рання мова асемблера, а пізніше C++ high мова програмування рівня , мова структурованих запитів, така як SQL тощо. Мовою людського спілкування і спілкування є природна мова.
Відповідно до західних легенд, щоб перешкодити людям побудувати «Вавилонська вежа», яка сягає неба, Бог переплутав людські мови, унеможлививши спілкування та розуміння інших людей. Сяо Янхуа вважає, що така ситуація також існує між машинами та людьми.Принаймні машини не змогли точно зрозуміти людську природну мову, тому насправді люди пристосовувалися до машин і перетворювали їхні наміри на різні формальні мови.
Проте завдання, які комп’ютери повинні виконувати, існують у тисячах галузей промисловості. Сяо Янхуа сказав, що це означає, що для виконання різних завдань професіонали повинні вивчати різні мови, наприклад мови спеціально для дизайну чіпів і мови для автоматизація офісу. Усе це потребує складної підготовки, тому кожне професійне завдання потребує складного вивчення мови, що встановлює високий мовний поріг для людей, щоб зайнятися в певній галузі.
Але тепер, здається, Сяо Янхуа вважає: «Усі ці формальні мови непотрібні, і їх можна в основному замінити природною мовою». Певною мірою можна вважати, що машини «розуміють» природну мову людини і в той же час розуміти Він розробив різні професійні формальні мови, які можуть точно перетворювати людські наміри, виражені різними природними мовами, у відповідні формальні мови, такі як мови програмування та мови дизайну мікросхем.
Це робиться для того, щоб усунути мовну прогалину, і більше немає перешкоди для машин, щоб «розуміти» людей. «Якщо перша версія ChatGPT усунула розрив природної мови між людиною та машиною, то ця функція ChatGPT із інтерпретатором коду усуне розрив професійної мови між людиною та машиною.» Сяо Янхуа вважає, що це матиме дуже далекосяжні наслідки. Вплив — це визначне досягнення.
«Невдовзі великі моделі поступово отримають «мовні» здібності, необхідні людям для виконання дуже професійної роботи, такі як математична мова та фізична мова, а також відповідні здібності до мислення та здатність вирішувати проблеми. Тому що в Аналогічно, математична мова, яка потрібна математикам для проведення дослідницької роботи, є лише формальною мовою.Поки парні дані природної мови та відповідної професійної мови можна отримати, великі моделі мають можливість вивчати.Ці дані широко доступні в дисертації, широко використовуване професійне програмне забезпечення, таке як MATLAB, також можна використовувати для синтезу даних, тим самим ще більше пом’якшуючи проблему дефіциту даних під час навчання широкомасштабних професійних можливостей», – сказав Сяо Янхуа.
**Чи все ще є потреба у професійних посадах? **
Це означає, що в майбутньому більшу частину професійної роботи, яка потребує володіння професійними мовами, можна виконувати якісно, а велика модель зможе її добре виконати. Це також піднімає питання, яке заслуговує на глибокий розгляд.Сяо Янхуа запитав: чи є у нас ще простір для розвитку професіоналів, чи їх робота потрібна?
На думку Сяо Янхуа, із покращенням можливостей великих моделей уся робота, яка виконується за допомогою мови, у майбутньому буде розділена на три етапи: перший крок — підказка (), другий — генерація та третій крок - це оцінка.
«Очевидно, що створені робочі місця, професійні чи непрофесійні, можуть бути передані великій моделі. Але професіонали все ще мають свою цінність, наприклад написання підказок, як підказати професіоналізм, необхідний для створення діаграм великих моделей, і як щоб оцінити та проаналізувати якість отриманих результатів. Люди все ще мають свої переваги в цих аспектах, або в короткостроковій перспективі великі моделі все ще потребують значного вдосконалення, щоб бути компетентними", - сказав Сяо Янхуа, тому це змінить форму галузі.
Крім того, більшість завдань, пов’язаних із створенням вмісту та аналітичною роботою, буде розкладено на багато етапів підрозділів, серед яких повторювані, рутинні та генеративні кроки підрозділів поступово будуть передані великій моделі, а завдання підрозділів, якими є традиційні маленькі моделі які добре вміють, передаються маленьким моделям, а завдання підрозділів, які все ще хороші лише для людей, передаються людям. Сяо Янхуа вважає, що розкладання складних завдань на кілька етапів (декомпозиція), а потім виконання кроків, у яких вони добре вміють (реорганізація), великими моделями, маленькими моделями та людьми — основна тенденція.
Дві тенденції швидкої ітерації великих моделей
Щодо того, чи означає це оновлення появу GPT-4.5, Сяо Янхуа вважає, що це не ключ, але це питання привернуло стільки уваги, що насправді відображає занепокоєння людей щодо швидкої ітерації великих моделей і до певною мірою відображає можливий вплив кожного на нього.занепокоєння щодо соціального впливу. На його думку, це занепокоєння не безпідставне: «У випадку його швидкої ітерації, принаймні ми розуміємо, що його швидкість може не встигати за його швидкістю ітерації. Нам навіть потрібно активно натискати кнопку паузи для розробки. великих моделей, добре подумайте, що вона може, а що ні».
Що стосується двох тенденцій швидкої ітерації великих моделей, Сяо Янхуа вважає, що, по-перше, ChatGPT тепер в основному базується на загальнодоступних даних, і він, безумовно, навчатиметься на більш масштабних і різноманітних даних, поєднуючи досвід приватної області та сильніші дані. По-друге, це підвищить ступінь аналізу даних, що можна вважати певною мірою покращенням глибини навчання. Іншими словами, є два виміри: один полягає в тому, щоб вивчати все більше і ширше, а інший полягає в тому, щоб вивчати все більш спеціалізовані та глибші старі дані.
«Це дуже важлива ідея в цій версії. Насправді дуже ймовірно, що дані залишаються тими самими, але вони вивчаються глибше», — продовжив Сяо Янхуа, «якщо великі моделі в кожному полі фрагментовані та неможливо інтегрувати , тоді його здатність все ще може перебувати в контрольованому діапазоні. Однак, якщо ChatGPT має потужні загальні знання та постійно поєднує різні дані приватного домену для навчання, тоді його оновлення можливостей може перевершити наші очікування. Тому просування великі моделі Необхідно і неминуче розвиватися в безпечному та контрольованому напрямку».
Переглянути оригінал
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.
Професор Фудань Сяо Яньхуа: інтерпретатор коду ChatGPT є визначним досягненням
Джерело: The Paper
Репортер Шао Вень
Після випуску бета-версії інтерпретатора коду ChatGPT користувачі зможуть використовувати природну мову для видачі інструкцій ChatGPT для виконання складних програмних завдань, навіть якщо вони не є програмістами. Це може мати два основні наслідки: усунення мовного розриву та переформатування галузі.
У майбутньому спостерігатимуться дві тенденції щодо швидкої ітерації великих моделей: по-перше, ChatGPT обов’язково навчатиметься на більш масштабних і різноманітних даних і в той же час поєднуватиме більше професійних даних у приватній сфері для ширшого навчання; По-друге, це збільшить ступінь аналізу даних, що можна вважати певною мірою більш поглибленим навчанням.
Бета-версія інтерпретатора коду ChatGPT офіційно відкрита для всіх користувачів ChatGPT Plus.Він може використовувати природну мову людини як інструкції для керування великими моделями для виконання математичних операцій, аналізу даних, професійного малювання діаграм і навіть створення відео та аналізу фондового ринку.
«Можливість OpenAI ChatGPT була знову оновлена. Він завершив оновлення від інструменту до помічника, і цього разу він був оновлений зі звичайного помічника до професійного помічника.» 12 липня Сяо Янхуа, професор Університету Фудань і директор Шанхайської ключової лабораторії науки про дані Pengpai Technology (говорить про нещодавній блокбастер OpenAI: інтерпретатор коду ChatGPT (інтерпретатор коду).
9 липня за пекінським часом бета-версію інтерпретатора коду ChatGPT було офіційно відкрито для всіх користувачів ChatGPT Plus. Він може використовувати природну мову людини як інструкції для керування великими моделями для виконання математичних операцій, аналізу даних, професійного малювання діаграм і навіть створювати відеоролики, аналізувати фондовий ринок.
Тобто, навіть якщо користувачі не є програмістами, вони можуть давати інструкції ChatGPT природною мовою для виконання складних програмних завдань. Зовнішній світ оцінює це як «найпотужнішу функцію GPT-4 за всю історію».
«Якщо використовувати невідповідну метафору», — сказав Сяо Янхуа, «можна побачити, що OpenAI слід «планувати надовго». Вони наполегливо працювали над покращенням можливостей мультимодальної взаємодії великих моделей». Мультимодальна взаємодія керується природна мова Можливості мультимодальних завдань, таких як зображення, спеціальні діаграми тощо.
Що означає бути таким професійним помічником? «Це означає, що ChatGPT здатний виконати навіть велику кількість високопрофесійної роботи. Можна сказати, що він може бути компетентним для роботи студентів, які навчаються на відповідних спеціальностях в університетах, наприклад, спеціальності Data Science», — сказав Сяо Янхуа.
"Здатність аналізувати дані визначає можливості, які велика модель може отримати в майбутньому"
Щодо того, чому ChatGPT вирішив оновити цю сферу, Сяо Янхуа вважає, що це пов’язано з поглибленим аналізом і вивченням даних.Такі дані існують широко, і більшість документів по суті включають професійний аналіз даних різних дисциплін. Попередні версії GPT в основному зосереджувалися на ефективному використанні текстових даних, але використання діаграм, сіток і їх відповідності тексту в цих даних є відносно широким і простим. Це оновлення фактично виграло завдяки глибокому аналізу професійної літератури та інших даних, а також встановленню відповідного зв’язку між текстом, діаграмами та формулами, що дозволило GPT отримати можливість керувати діаграмами та таблицями за допомогою взаємодії природної мови.
Завдяки такому відкриттю Сяо Янхуа отримав одкровення в технологічних дослідженнях і розробках: «Така здатність до глибокого аналізу корпусу, ймовірно, буде одним із ключових факторів, які визначають здатність великих моделей. Розробка великих моделей не неважливо, скільки даних Не надто багато».
Для ChatGPT Сяо Янхуа вважає, що зусилля OpenAI спрямовані на пошук більш високоякісних даних і глибокий аналіз існуючих даних, щоб зробити свої можливості все більш потужними. Тому отримання великомасштабних, високоякісних і різноманітних даних, а також поглиблений аналіз цих даних може бути однією з важливих ідей для сприяння розвитку великих моделей. "
"Усунення мовної прогалини"
Дивлячись на оновлення можливостей ChatGPT в цілому, Сяо Янхуа вважає, що є два можливі наслідки, які заслуговують на увагу: по-перше, «усунення мовного розриву»; по-друге, зміна промислової форми.
Що таке мовний розрив? З моменту винаходу комп’ютерів люди сподіваються дозволити комп’ютерам виконувати різноманітні завдання відповідно до їхніх власних побажань, що вимагає від професіоналів висловлювати наміри та видавати інструкції за допомогою неприродної мови або формальної мови, такої як рання мова асемблера, а пізніше C++ high мова програмування рівня , мова структурованих запитів, така як SQL тощо. Мовою людського спілкування і спілкування є природна мова.
Відповідно до західних легенд, щоб перешкодити людям побудувати «Вавилонська вежа», яка сягає неба, Бог переплутав людські мови, унеможлививши спілкування та розуміння інших людей. Сяо Янхуа вважає, що така ситуація також існує між машинами та людьми.Принаймні машини не змогли точно зрозуміти людську природну мову, тому насправді люди пристосовувалися до машин і перетворювали їхні наміри на різні формальні мови.
Проте завдання, які комп’ютери повинні виконувати, існують у тисячах галузей промисловості. Сяо Янхуа сказав, що це означає, що для виконання різних завдань професіонали повинні вивчати різні мови, наприклад мови спеціально для дизайну чіпів і мови для автоматизація офісу. Усе це потребує складної підготовки, тому кожне професійне завдання потребує складного вивчення мови, що встановлює високий мовний поріг для людей, щоб зайнятися в певній галузі.
Але тепер, здається, Сяо Янхуа вважає: «Усі ці формальні мови непотрібні, і їх можна в основному замінити природною мовою». Певною мірою можна вважати, що машини «розуміють» природну мову людини і в той же час розуміти Він розробив різні професійні формальні мови, які можуть точно перетворювати людські наміри, виражені різними природними мовами, у відповідні формальні мови, такі як мови програмування та мови дизайну мікросхем.
Це робиться для того, щоб усунути мовну прогалину, і більше немає перешкоди для машин, щоб «розуміти» людей. «Якщо перша версія ChatGPT усунула розрив природної мови між людиною та машиною, то ця функція ChatGPT із інтерпретатором коду усуне розрив професійної мови між людиною та машиною.» Сяо Янхуа вважає, що це матиме дуже далекосяжні наслідки. Вплив — це визначне досягнення.
«Невдовзі великі моделі поступово отримають «мовні» здібності, необхідні людям для виконання дуже професійної роботи, такі як математична мова та фізична мова, а також відповідні здібності до мислення та здатність вирішувати проблеми. Тому що в Аналогічно, математична мова, яка потрібна математикам для проведення дослідницької роботи, є лише формальною мовою.Поки парні дані природної мови та відповідної професійної мови можна отримати, великі моделі мають можливість вивчати.Ці дані широко доступні в дисертації, широко використовуване професійне програмне забезпечення, таке як MATLAB, також можна використовувати для синтезу даних, тим самим ще більше пом’якшуючи проблему дефіциту даних під час навчання широкомасштабних професійних можливостей», – сказав Сяо Янхуа.
**Чи все ще є потреба у професійних посадах? **
Це означає, що в майбутньому більшу частину професійної роботи, яка потребує володіння професійними мовами, можна виконувати якісно, а велика модель зможе її добре виконати. Це також піднімає питання, яке заслуговує на глибокий розгляд.Сяо Янхуа запитав: чи є у нас ще простір для розвитку професіоналів, чи їх робота потрібна?
На думку Сяо Янхуа, із покращенням можливостей великих моделей уся робота, яка виконується за допомогою мови, у майбутньому буде розділена на три етапи: перший крок — підказка (), другий — генерація та третій крок - це оцінка.
«Очевидно, що створені робочі місця, професійні чи непрофесійні, можуть бути передані великій моделі. Але професіонали все ще мають свою цінність, наприклад написання підказок, як підказати професіоналізм, необхідний для створення діаграм великих моделей, і як щоб оцінити та проаналізувати якість отриманих результатів. Люди все ще мають свої переваги в цих аспектах, або в короткостроковій перспективі великі моделі все ще потребують значного вдосконалення, щоб бути компетентними", - сказав Сяо Янхуа, тому це змінить форму галузі.
Крім того, більшість завдань, пов’язаних із створенням вмісту та аналітичною роботою, буде розкладено на багато етапів підрозділів, серед яких повторювані, рутинні та генеративні кроки підрозділів поступово будуть передані великій моделі, а завдання підрозділів, якими є традиційні маленькі моделі які добре вміють, передаються маленьким моделям, а завдання підрозділів, які все ще хороші лише для людей, передаються людям. Сяо Янхуа вважає, що розкладання складних завдань на кілька етапів (декомпозиція), а потім виконання кроків, у яких вони добре вміють (реорганізація), великими моделями, маленькими моделями та людьми — основна тенденція.
Дві тенденції швидкої ітерації великих моделей
Щодо того, чи означає це оновлення появу GPT-4.5, Сяо Янхуа вважає, що це не ключ, але це питання привернуло стільки уваги, що насправді відображає занепокоєння людей щодо швидкої ітерації великих моделей і до певною мірою відображає можливий вплив кожного на нього.занепокоєння щодо соціального впливу. На його думку, це занепокоєння не безпідставне: «У випадку його швидкої ітерації, принаймні ми розуміємо, що його швидкість може не встигати за його швидкістю ітерації. Нам навіть потрібно активно натискати кнопку паузи для розробки. великих моделей, добре подумайте, що вона може, а що ні».
Що стосується двох тенденцій швидкої ітерації великих моделей, Сяо Янхуа вважає, що, по-перше, ChatGPT тепер в основному базується на загальнодоступних даних, і він, безумовно, навчатиметься на більш масштабних і різноманітних даних, поєднуючи досвід приватної області та сильніші дані. По-друге, це підвищить ступінь аналізу даних, що можна вважати певною мірою покращенням глибини навчання. Іншими словами, є два виміри: один полягає в тому, щоб вивчати все більше і ширше, а інший полягає в тому, щоб вивчати все більш спеціалізовані та глибші старі дані.
«Це дуже важлива ідея в цій версії. Насправді дуже ймовірно, що дані залишаються тими самими, але вони вивчаються глибше», — продовжив Сяо Янхуа, «якщо великі моделі в кожному полі фрагментовані та неможливо інтегрувати , тоді його здатність все ще може перебувати в контрольованому діапазоні. Однак, якщо ChatGPT має потужні загальні знання та постійно поєднує різні дані приватного домену для навчання, тоді його оновлення можливостей може перевершити наші очікування. Тому просування великі моделі Необхідно і неминуче розвиватися в безпечному та контрольованому напрямку».