Edge
Chrome
Firefox
最近OpenAI公司开发的Chatgpt聊天机器人席卷了全球，一个划时代的作品出现，机器智能初露萌芽，与2000年互联网的兴起有相似的意味，
已经下场的大机构:微软，百度，谷歌，腾讯，阿里等等，其他的财团还在来的路上，
马斯克的Tesla机器人擎天柱也要面向市场了，
无人驾驶也在发展，综上的种种，机器替代人的时代不可阻挡，AI技术会催生万亿的龙头企业。值得好好发掘!
今天把资金从科大讯飞换到总龙头——汉王科技，致敬这个时代!
百年未有的大变局，龙头还是要上的，准备拿个二波!
我觉得chatGPT和之前的类似产品有质的飞跃，如果之前的产品算低能儿的话，这个产品至少算个小学生了。楼上有朋友提到做数学题的，我随便试了个例子很有意思，可以感受下.我也觉得奇怪，明明编写了正确的程序，却给出错误的运算结果。明明是很简单的几个数字汇总，却算错数了。不知道他到底哪里出毛病了。
据说他们的数据库只到2021年，所以我刻意选了道一般难度的2022年小学五年级希望杯真题用来测试。效果如下：
chatGPT洋洋洒洒写了一大堆，但显然给出的算法把题目意思理解错了。把在一个数前面写上2022理解成了把一个数乘以2...
从哲学的角度讲，一切生命有机体的繁衍都离不开“意志”。植物生长向太阳，这是生存意志，生物进化、优胜劣汰这是繁衍意志。意志不是思维，不是认知，意志是一种对抗熵增的生命力。所有意志都可以还原为生存意志与繁衍意志，有一句话叫一切都关乎性，唯有性关乎权力。就是说一切外在的装饰都可以还原为生存繁衍意志，而这展现了意志本身赤裸而狂热的力量。而人类之所以是万物之灵，就是因为他有“自由意志”这个东西，就是因为有在生存繁衍意志之上的“权力意志”（will to power），它不是任何思维、知识、道德，而是单纯的自我突破的力量本身。有种逆天改命的意思。
其实一切经济活动，一切社会事件，都离不开意志，简单点理解，意志就是需要，需要生存繁衍，需要声色犬马，需要自我实现，而需要才产生价值，生产本身是不产生价值的。有需要的存在，才会有经济扩张，才会有经济危机，才会有战争与和平，才会有一切人类活动。
ai有需要吗，或者说ai有意志吗？至少从目前来讲，ai可以完成人类知性思维难以做到的事，它有强大的算力和庞大的数据库。问题是它能不能像生命一样产生意志，产生自我扩张、自我实现的动力？因为只有需要，它才能要求自我发展，不然它要统治人类毁灭人类做什么呢？当然，或许站在人类的角度，ai到底会不会产生意志我们都无从判断。
赞同来自: deathunter
问: 我想带家人去法国两周游，从上海出发。需要去卢浮宫和迪士尼乐园，请帮我安排一个行程计划。
答:
Day 1: 上海–巴黎
今天乘坐航班前往巴黎，抵达后入住当地酒店。
Day 2: 巴黎
今天在巴黎游览，游览圣母院、凡尔赛宫、卢浮宫等景点。
Day 3: 巴黎–南特
乘坐火车前往南特，抵达后入住当地酒店。
Day 4: 南特
今天在南特游览，游览南特大教堂、南特新城、南特大学等景点。
Day 5: 南特–普瓦捷
乘坐火车前往普瓦捷，抵达后入住当地酒店。
Day 6: 普瓦捷–迪士尼乐园
今天乘坐火车前往迪士尼乐园，在迪士尼乐园游览，乘坐迪士尼乐园各种游乐设施，欣赏精彩的表演。
Day 7: 迪士尼乐园–巴黎
乘坐火车前往巴黎，抵达后入住当地酒店。
Day 8: 巴黎
今天在巴黎游览，游览埃菲尔铁塔、卢浮宫等景点。
Day 9: 巴黎–里昂
乘坐火车前往里昂，抵达后入住当地酒店。
Day 10: 里昂
今天在里昂游览，游览里昂大教堂、里昂老城等景点。
Day 11: 里昂–马赛
乘坐火车前往马赛，抵达后入住当地酒店。
Day 12: 马赛
今天在马赛游览，游览马赛阿尔及利亚公园、马赛护城河等景点。
Day 13: 马赛–尼斯
乘坐火车前往尼斯，抵达后入住当地酒店。
Day 14: 尼斯
今天在尼斯游览，游览尼斯宫殿、尼斯花园等景点。
Day 15: 尼斯–上海
今天乘坐航班返回上海，结束两周的法国之行。
chatgpt的搜索来自网上通过概率来进行内容生成生成的东西很多都是错的错误的东西被大家觉得很有趣，或者其他原因，贴到网上chatgpt通过4进一步强化错误直接导致网络上的信息质量大幅度下降你以为图书馆的内容就更可靠？其实新书可能也是普通人通过chatgpt写的，所以图书馆被污染你的孩子的孩子，学习的东西很多都是错的人类失去了未来，平庸的人将更加平庸，智者将额外花费更多精力去伪存真变得平庸这个c...你所说的确实值得担忧，Musk也提到ChatGPT已经有点能威胁人类AI的意思了。现在国外很多学校已经禁止学生用其生成作业论文，知名期刊均禁止用AI生成的论文投稿，当AI掌控了人类知识传播的途径并能肆意加工演绎，想想都挺可怕，人类离被AI统治的日子也许真的不远了。
有点讽刺的是Musk当初发起成立OpenAI的初衷就是为了防范AI威胁人类，结果其推出的这个产品长期看如果被滥用恰恰会对人类未来构成巨大威胁，相信各国zf应该已经在想对策了。
什么时候能出现真正人类智能机器---也就是机器自动生产自己、自我学习、自己解决问题.那就要问上帝了.
赞同来自: mercykiller 、散户救星
汉王科技主营业务就是点低端信息化设备，如电子书，扫描仪，考勤机，手写板什么的。
他在人工智能上啥发展都没有，借着新闻就起飞了。
很好奇最后买单的人都是什么成分，应该不会有人真信吧？都是想去找接盘侠的吧？
最近摸鱼都不怎么喜欢在网上冲浪了，
看着各种不懂装懂，连个ChatGPT的账号都不会注册的人，从各种碎片信息里东拼西凑，在那大谈特谈AI革命，真的尴尬。
chineseumi
- 中国海 · 全栈基金经理
赞同来自: xineric
有没有可能，它的库里有这个问题，数值设置为x我觉得不是。因为我试了好几个，包括复杂点的，最终答案基本都是错的，如果有题库匹配就不该错。但分析过程不算是胡乱编的，有的时候是部分把奥数题拐的弯考虑到了的，就像一个阅读理解水平一般的小学生配合一个编程基础还行的大学生合作做这题的结果。正因为他没完全做对反而是我觉得他厉害的地方。
如果是题库，只是替换个数值的话，猿辅导之类的我觉得应该能给出正确答案和标准过程，但是却完全看不出解题过程的痕迹吧。
我觉得chatGPT和之前的类似产品有质的飞跃，如果之前的产品算低能儿的话，这个产品至少算个小学生了。楼上有朋友提到做数学题的，我随便试了个例子很有意思，可以感受下.据说他们的数据库只到2021年，所以我刻意选了道一般难度的2022年小学五年级希望杯真题用来测试。效果如下： chatGPT洋洋洒洒写了一大堆，但显然给出的算法把题目意思理解错了。把在一个数前面写上2022理解成了把一个数乘以202...有没有可能，它的库里有这个问题，数值设置为x
A股阿猫阿狗一年研发个把来亿，天天标榜自己是人工智能；谷歌微软听了，估计都要笑出猪叫声音。不过，话说回来，A股的炒作归炒作，但技术归技术。个人倾向于认为，ChatGPT已经站在了弱AI（小爱小爱，小度小度，你好Siri……智障型伪AI）到强AI的畸变点上。仍然以老旧的检索老思维看待chat的人，可能真的需要好好补补课了。微软最近宣布追加100亿刀投资在GPT上，谷歌召回两个半退休的创始人开会讨论...之前fb改名，也有一堆像你一样的说，连大佬都全面押注了，是真是假一副高人嘴脸，事实呢？mate跟他的信奉者就是纯笑话。谷歌微软那么牛逼，怎么连自己的市值问题都搞不定？
赞同来自: 影约 、阿邦查 、newsu 、坚持存款 、solino 、 、 、 、 、 、 、 、 、更多 »
深度神经网络理论在上世纪70年代已经成熟，是人工智能的主要实现基础，不管是语音识别、图像识别、自然语言处理（NLP）用的都是这套技术基础。大部分说的都对，纠正一个小点，目前的深度神经网络都只能拟合相关关系，不能学习因果关系。何为因果，就是我们人类擅长的假设和推理，比如鸡打鸣和天亮有相关性，但鸡打鸣不能决定天亮，扣掉一个因素导致结果发生改变是因果性，而我们人类很多行为都是基于假设和推理的。
其原理就是通过大数据+人工标注，不断增加网络层数和参数个数进行拟合，建立一个模型，得到历史数据(或样本内数据）因果关系上的最优解，并用来预测样本外数据的解，这个跟我们做量化投资模型是一个道理。因为这需要消耗大量的算力，依据海量的数据，以前计算机硬件水平不够，效...
目前主流的人工智能是大数据+大参数模型，做到极致的相关拟合，但正如alphago可以战胜所有人类棋手，它还是不理解围棋的本质；chatgpt能骗过图灵测试在大多数场景对答如流，它也不理解对话和文本的含义。现在的人工智能更像人工计算智能，通过一个超大参数空间去拟合它见到的数据。
真正的人工智能还很远，但人工智能的应用很近。我们可以借助这种能力完成某些方面的应用，比如人机交互，自动驾驶，医疗诊断，智能理财。但我们憧憬的人工智能，应该是小数据+知识模型，这个知识模型不是参数空间，而类似因果的链接网络，就跟我们的大脑一样，能通过一个个信息连接衍生出复杂的推理假设能力，这部分前沿的计算机科学/社会学/心理学都在探索，还需要一个里程碑的事件来宣布真正的机器智能时代的到来，我乐观判断至少还得20/30年的发展。
chineseumi
- 中国海 · 全栈基金经理
赞同来自: Decadef20 、大月月鸟 、wyflying 、zzzz88216 、gxlis 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
据说他们的数据库只到2021年，所以我刻意选了道一般难度的2022年小学五年级希望杯真题用来测试。效果如下：
chatGPT洋洋洒洒写了一大堆，但显然给出的算法把题目意思理解错了。把在一个数前面写上2022理解成了把一个数乘以2022。这按我们正常的理解显然是不对的，但是如果是代数的话，也不是不合理，只是确实不是题目本意。我想机器可能还没有达到这个程度吧，但显然通过这个错误反而验证它并不是去现成的题库答案中去匹配类似的而已。
然后为了避免歧义，我把那部分形容的更具体，就是这个数加上2022000。然后结果如下：
果然很惊艳，给出了非常简洁的python编程，如果运行这段程序，能算出正确答案为120。然而很遗憾的是，它貌似没有真的运行程序，而是不知为何给了个错误答案。
所以，我倾向于相信这个技术是革命性的。毕竟从传统的NLP一路走来，进展都太缓慢了，从数年前的LSTM到Bert或是XLNet，做类似的任务都是缓慢进步，仍然停留在2岁小孩阶段。chatGPT直接跨越到小学生，是值得振奋的。
不过相关概念股可以洗洗睡了，我相信这项技术对绝大多数从事NLP初创技术公司来说，都会是致命性的打击。。。
聊天并不需要一个客观的正确答案，而是根据聊天对象所主管的希望答案给出答案，主观答案可以和客观答案一致，也可以是相反的，只要聊天对象满意就可以了。就需要根据个人偏好而定。
应用对象就是普通用户。
如果聊天都变成非常刻板教学式，没有多少会用，只有聊天对象感兴趣，应用者才愿意花大量时间，沉溺其中。
一个产品能否成功，关键在于你能吸引多少客户。
微软、谷歌的产品不能直接面向普通客户。
OpenAI的产品可以面向普通客户。
面向普通客户需要解决就是最后一公里问题。
赞同来自: wjwdxh 、Kluer 、zoetina52 、番茄老爷 、yup77 、 、 、 、 、 、更多 »
我说这些是就事论事，不等于我赞同目前股市的炒作哈，目前炒作的chatGPT概念股没一个是真有技术的，纯概念炒作，最终肯定是泡沫破裂。真正有一些类似技术的大概是百度，他们宣称正在研究类似软件，但我很怀疑它的功能是否能赶上chatGPT。大概看了一下chatGPT所用的技术，其实大部分是基于谷歌和微软之前公开的一些神经网络算法并在预训练上做了些改进。科技行业真是太卷了，像微软、谷歌这种自己在AI上投入了那么多时间和资源，甚至连基础理论也是自家研究人员提出的，最后做出爆品产品却是OpenAI这么个小公司（微软幸亏之前给投了点钱要不然这脸都丢到家了），就像当年IBM的研究员提出了关系数据库最后反倒成就了甲骨文。
这么看那些大佬不投高科技还是有道理，这行业太容易被颠覆即使你之前各方面有优势有积累。国内BAT们说是在研发上投入多少多少，我怀疑绝大部分只是在搞应用开发，像百度只要谷歌进不了国内他肯定还是一门心思搞竞价排名，搜索结果准确度都烂成啥样了也没见改进，指望他去赶上chatGPT根本不现实。
赞同来自: mercykiller 、猫行天下
人人都会有自己偏好，算法并并不是关键问题，关键在于提供样本数据。
算法都是公开透明的，数据都是需要保密的。
谁拥有信息数据越多，谁的话语权越大。
不可否认现在是大数据的时代，每个人所能获得有效信息能力是不同。
深度神经网络理论在上世纪70年代已经成熟，是人工智能的主要实现基础，不管是语音识别、图像识别、自然语言处理（NLP）用的都是这套技术基础。其原理就是通过大数据+人工标注，不断增加网络层数和参数个数进行拟合，建立一个模型，得到历史数据(或样本内数据）因果关系上的最优解，并用来预测样本外数据的解，这个跟我们做量化投资模型是一个道理。因为这需要消耗大量的算力，依据海量的数据，以前计算机硬件水平不够，效...chatgpt与其说问答系统，不如说内容生成技术demo，关注点不用太在意答案准确程度。近十几年深度学习成功不仅是算力也在于模型改进，alphago出圈捅破了广泛应用的窗户纸。时至今日深度学习似乎又发展到了一个瓶颈期，chatgpt在AIGC领域无疑是成功的，也成功出圈了，但背后的大模型有多大广泛和深入应用还有待验证，能否捅破下一个窗户纸更未可知，我个人看法是偏保守的。
赞同来自: wangyang661 、solino 、一般般化安逸
而有人现实网络保持基本一致，因为他的价值观是上帝一直在看着我，或者良心之类。
谁告诉我chat有没有价值观，如果有，应该是董事会安装程序员监视调整的吧。
随波逐流的野程序一定没有用处。这也是我们求学为什么要跋山涉水寻良师的原因
赞同来自: homanking 、solino 、mercykiller 、abaidai
比如我问它，明天天气如何？
chat想输出正确答案，必须查看天气预报，否则永远是一派胡言。如果这么简单的问题都解决不了，他的答案就没有价值。
按照你的黑箱原理，你解释一下他可能是如何查看天气预报的。
按网络训练，答案可能是，天气很好，晴，下雨，等我查一下天气预报，很冷…
这里各个比例不等，但查看天气预报一定不是比例最多权重最高，但他可能会进一步分析他们之间的联系，都跟天气预报有关。但他不能回答去查天气预报而是必须真的查了天气预报后告诉你气象预测的结果，也就是说，他要知道什么时候输出带有动作或指令词汇的文本，什么时候是不输出而是执行指令。
这，靠黑箱？
之前不是说有一个聊天机器人，上线一个月就被迫下线，因为被网络带坏了，满嘴脏话。
避免满嘴脏话靠黑箱？幼儿园小朋友就开始有脏话了而且不知道是脏话（大人是发泄情绪），没有父母的纠正靠黑箱？那每一个孩子都是野孩子。
野孩子的黑箱chat的答案可信吗？
元宇宙的伤疤还没好吧？这ChatGPT也就是一个NLP+知识库+格式库，连小学生的数学题都不会做，算啥智能？AI三要素：算法、算力和数据。算法是没有太大进步，但算力和数据量的暴增，提升了AI的效果。"旧时王谢堂前燕，飞入寻常百姓家。" ChatGPT 对自然语言处理NLP有质的提升，大幅降低了阳春白雪曲高和寡人工智能的使用门槛，可以预见对话机器人的拟人交互能力大幅提升，从而提升VR/AR的真实度，真实也不过是对虚拟的感知。比如性爱机器人，不仅能提供妖艳性感的肉体，还能提供善解人意的语言沟通。人类的生育率又要下降了。
第一步：先是NLP(自然语言处理)，分析出提问者的目的和关键词。
第二步：然后在庞大的知识库中搜索，找到关键词匹配度最高、信息量最大、被其他人认可度最高的一系统答案。
第三步：用格式库拼接、裁减、整理后形成最终答案。
都是常用技术的组合，没啥特别的，只是相比现在的搜索引擎有了进步，但同时也...
赞同来自: 布歌 、玄空文 、wjwdxh 、Felixxxx 、neverfailor 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
老兄，你的投资技术可能可以，但是不懂的领域不要随便评论为好。深度神经网络理论在上世纪70年代已经成熟，是人工智能的主要实现基础，不管是语音识别、图像识别、自然语言处理（NLP）用的都是这套技术基础。
chatGPT绝对是人工智能语言处理方向上的历史性突破。他的内在逻辑并不是你所想向的模拟人脑进行分析判断，然后搜索知识库来回答，这是20年前的技术了，而且这条路事实证明是走不通的。
chatGPT是一个超大规模的深度神经网络，用了Transformer技术，GPT3.0有96个transformer层，chatGPT是基于GPT3.5的...
其原理就是通过大数据+人工标注，不断增加网络层数和参数个数进行拟合，建立一个模型，得到历史数据(或样本内数据）因果关系上的最优解，并用来预测样本外数据的解，这个跟我们做量化投资模型是一个道理。因为这需要消耗大量的算力，依据海量的数据，以前计算机硬件水平不够，效果不好，现在算力足够了，就产生了效果，并不是理论上有了什么突破。
你以为程序员从ChatGTP上得到的那些代码都是它自己写的呀，它也是从网上搜索出来的，然后通过一套价值函数打分给出一个最优的结果。
为啥说我还有些了解呢，因为我在证券公司那些年，用这些技术做过智能客户，做过投行文档的智能化审核与自动化编写，技术都差不多。
赞同来自: 跑路皮皮
老兄，你的投资技术可能可以，但是不懂的领域不要随便评论为好。我说这些是就事论事，不等于我赞同目前股市的炒作哈，目前炒作的chatGPT概念股没一个是真有技术的，纯概念炒作，最终肯定是泡沫破裂。真正有一些类似技术的大概是百度，他们宣称正在研究类似软件，但我很怀疑它的功能是否能赶上chatGPT。
chatGPT绝对是人工智能语言处理方向上的历史性突破。他的内在逻辑并不是你所想向的模拟人脑进行分析判断，然后搜索知识库来回答，这是20年前的技术了，而且这条路事实证明是走不通的。
chatGPT是一个超大规模的深度神经网络，用了Transformer技术，GPT3.0有96个transformer层，chatGPT是基于GPT3.5的...
赞同来自: 试吃 、知了行 、duiry 、玄空文 、gxlis 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
元宇宙的伤疤还没好吧？这ChatGPT也就是一个NLP+知识库+格式库，连小学生的数学题都不会做，算啥智能？老兄，你的投资技术可能可以，但是不懂的领域不要随便评论为好。
第一步：先是NLP(自然语言处理)，分析出提问者的目的和关键词。
第二步：然后在庞大的知识库中搜索，找到关键词匹配度最高、信息量最大、被其他人认可度最高的一系统答案。
第三步：用格式库拼接、裁减、整理后形成最终答案。
都是常用技术的组合，没啥特别的，只是相比现在的搜索引擎有了进步，但同时也...
chatGPT绝对是人工智能语言处理方向上的历史性突破。他的内在逻辑并不是你所想向的模拟人脑进行分析判断，然后搜索知识库来回答，这是20年前的技术了，而且这条路事实证明是走不通的。
chatGPT是一个超大规模的深度神经网络，用了Transformer技术，GPT3.0有96个transformer层，chatGPT是基于GPT3.5的，目前网络结构没有公布，我估计有几百个transformer层了。其中网络神经连接的权重参数有几千亿个，网络自己学习的文本有几百T。chatGPT的基本原理是语言预测，即通过上一个字、一个词、一句话或一段话来预测下一个合适的词的概率。会选择最大概率的词放入，然后继续预测接下来的词，由此生成文本。通过学习，这个神经网络可以自动调整自己的权重参数，从而把知识固化在网络里，它不是靠程序员来编写其逻辑的，所以即使对于编写它的程序员来说，也是一个黑盒，程序员并不了解它内部的运行逻辑，现在深度神经网络的可解释性也是一个重要的研究方向。
赞同来自: 布歌 、我心飞扬33 、我来投三分 、外滩小屋 、air2020 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
第一步：先是NLP(自然语言处理)，分析出提问者的目的和关键词。
第二步：然后在庞大的知识库中搜索，找到关键词匹配度最高、信息量最大、被其他人认可度最高的一系统答案。
第三步：用格式库拼接、裁减、整理后形成最终答案。
都是常用技术的组合，没啥特别的，只是相比现在的搜索引擎有了进步，但同时也丢失了很多原始信息，对使用者不一定是好事。
如果碰到以上三步解决不了的问题，他就胡说八道，比如数学题。
京公网安备 11010802031449号