日日操夜夜添-日日操影院-日日草夜夜操-日日干干-精品一区二区三区波多野结衣-精品一区二区三区高清免费不卡

公告:魔扣目錄網(wǎng)為廣大站長提供免費收錄網(wǎng)站服務(wù),提交前請做好本站友鏈:【 網(wǎng)站目錄:http://www.ylptlb.cn 】, 免友鏈快審服務(wù)(50元/站),

點擊這里在線咨詢客服
新站提交
  • 網(wǎng)站:51998
  • 待審:31
  • 小程序:12
  • 文章:1030137
  • 會員:747

要說2022年科技最熱的領(lǐng)域方向,生成式AI(AIGC)絕對是繞不開的一個詞。 多名互聯(lián)網(wǎng)大廠員工對《科創(chuàng)板日報》記者表示,已經(jīng)開始嘗試用ChatGPT自動生成業(yè)務(wù)代碼和重構(gòu)代碼。 “親測真的可以,就是要多檢查幾遍。 ”有員工提到。

業(yè)內(nèi)人士告訴記者,“AIGC本質(zhì)上仍沒有產(chǎn)生真正意義上的人類智慧,但未來有望替代大量基礎(chǔ)性工作,從產(chǎn)業(yè)鏈發(fā)展來看,大廠更多在模型層競爭,創(chuàng)業(yè)公司的機會在應(yīng)用端。”

替代大量基礎(chǔ)工作

作為人工智能研究實驗室OpenAI發(fā)布的全新聊天機器人模型,ChatGPT推出后火爆全網(wǎng),網(wǎng)友紛紛做起各類測試,包括讓AI寫周報、預(yù)測世界杯等等。

網(wǎng)友此前讓AI對世界杯比賽結(jié)果進行分析,雖比分有誤差,但卻成功預(yù)測阿根廷在點球大戰(zhàn)中奪冠

多名互聯(lián)網(wǎng)大廠員工表示,已經(jīng)開始用ChatGPT自動生成業(yè)務(wù)代碼和重構(gòu)代碼。

用來寫業(yè)務(wù)代碼確實不錯、重構(gòu)代碼也可以用,親測真的可以。但其他的還不行。以后干基礎(chǔ)活的,都可能下崗。”一位員工說。

前網(wǎng)易網(wǎng)站產(chǎn)品部總監(jiān)郭子威與ChatGPT進行多次測試對話后,分析ChatGPT所扮演的角色,更像是一個 60 分的全知。

“對于任何領(lǐng)域,它只能輸出 60 分及格線的入門內(nèi)容,但它了解任何領(lǐng)域。并且具備 60-70 分的邏輯與表達能力。而這個 60-70 分的邏輯與表達能力,已經(jīng)遠遠超過了人類的平均線。”

郭子威認(rèn)為,未來,將會有大量的 60 分輸出被 AIGC 淘汰。“比如說,游戲里大量的劇情與角色設(shè)定,在我看來都是垃圾話,一定不如 ChatGPT 目前的輸出能力。即便能力相當(dāng),AI 也能節(jié)約人力成本與管理成本。AI 推動的時代,這才剛剛開始。”

小冰公司CEO李笛對《科創(chuàng)板日報》記者表示,ChatGPT嚴(yán)格來說不屬于AIGC,其本質(zhì)是一個語言模型,更貼近交流領(lǐng)域。

“兩者的區(qū)別是,內(nèi)容必須要由某種特定形式來呈現(xiàn),比如一篇文章、一段語音、一張圖片或一支視頻。而交流不需要這些形式就能完成,它呈現(xiàn)的效果,更像是Q&;;;;A問答而非一篇文章。”

李笛介紹,“在技術(shù)上,ChatGPT相較GPT-3使用了一種新的訓(xùn)練方法,能夠使對話的相關(guān)性、邏輯性更好。但同時,這種方法也會使對話的語言風(fēng)格受‘訓(xùn)練人’影響較大。但這不影響ChatGPT給我們帶來的啟發(fā),只是要區(qū)分實驗室技術(shù)與產(chǎn)品化框架之間的巨大區(qū)別。”

大廠競爭底層模型 創(chuàng)業(yè)公司側(cè)重于應(yīng)用

CMC董事總經(jīng)理易然在采訪中指出,目前各個科技巨頭主要在模型層競爭,而創(chuàng)業(yè)公司在應(yīng)用層有更多的機會。

“國外除了OpenAI,谷歌、微軟等也在做大模型,國內(nèi)主要還是阿里、百度大廠在做。在應(yīng)用方面,我相信是百花齊放的,大廠不管是從產(chǎn)品上、行業(yè)的商業(yè)模式上,太難深入到每個領(lǐng)域,會更愿意打造一個開放的生態(tài)。因此,巨頭和初創(chuàng)企業(yè)會是合作的態(tài)勢。”

圖:生成式AI領(lǐng)域產(chǎn)業(yè)與市場格局示意(來源:CMC資本)

當(dāng)下ChatGPT背后的 GPT-3 模型炙手可熱。除了百度、阿里等大廠外,北京智源人工智能研究院研究院(BAAI)也著手相關(guān)研發(fā),其開發(fā)的悟道模型有1.75 萬億個參數(shù),是 GPT-3 參數(shù)的十倍。而之前的記錄是谷歌 Switch Transformers 模型(1.6 萬億個參數(shù))所創(chuàng)造。

“北京智源研究院是在科技部和北京市支持下,聯(lián)合人工智能領(lǐng)域的專家共建,他們做了一個很好的大模型。” 易然評價。

在應(yīng)用層面,國內(nèi)外均處于剛起步的階段。易然透露,據(jù)不完全統(tǒng)計,海外可能已經(jīng)至少有200多家創(chuàng)業(yè)公司專注于生成式AI的方向,同時在國內(nèi)已經(jīng)有小幾十家新創(chuàng)公司投身于這一熱潮當(dāng)中

從應(yīng)用突破性角度,易然認(rèn)為,初創(chuàng)企業(yè)可從以下幾個角度進行探索和驗證:

首先,在創(chuàng)意領(lǐng)域中可尋找高重復(fù)性、高人力消耗的任務(wù)。

“可能的方向包括:大批量文本、圖像、視頻、音頻等的編輯、風(fēng)格化、再創(chuàng)作等;虛擬世界中大規(guī)模的資產(chǎn)(尤其是3D模型)、人物、設(shè)定與對話的生成;大規(guī)模的個性化銷售郵件和客服;(對效果要求不高的)簡介/宣傳短片/廣告等視頻制作”

其次,在“反人性”的任務(wù)上提供協(xié)助。“這類產(chǎn)品門檻較低,也是目前最為常見的AIGC應(yīng)用或者以工具插件方式出現(xiàn),但需注意的是,這一方向尤其容易面臨著更同質(zhì)化的競爭以及來自于該領(lǐng)域領(lǐng)先平臺的直接威脅,比如Adobe/Figma, Microsoft/Github, Canva, Notion等。”

易然指出,值得關(guān)注的方向包括:代碼與開發(fā)(包括前端設(shè)計),各類文章、營銷素材、演示材料撰寫,設(shè)計創(chuàng)作的靈感激發(fā),知識庫/內(nèi)容庫的搜索和總結(jié)。

第三,實現(xiàn)以前人工不易完成的任務(wù)。

比如,生成沒有版權(quán)成本和潛在糾紛的圖片、音樂、音效等,以及聲音模擬等多模態(tài)任務(wù),優(yōu)化seo/推薦效果的文字、廣告物料,對3D模型壓縮、圖像還原和清晰度提升。

AI仍未擁有人類智慧

雖然AIGC備受熱捧,但亦有AI從業(yè)者指出,AIGC完全沒有原創(chuàng)性,根本沒有真正的創(chuàng)作力。

“即便是未來算法更加強大,喂上成千上萬的大師繪畫作品,AI也只會用梵高的筆觸畫出一幅風(fēng)景,而不會演變出另一個獨具風(fēng)格、富有靈魂的達芬奇、拉斐爾、倫勃朗、莫奈、或者塞尚。”有從業(yè)者說。

小i機器人創(chuàng)始人袁輝認(rèn)為,目前不管是面向文本的ChatGPT,還是AI作畫背后的Diffusion 模型,其背后的核心問題在于,依然是利用大量的算力、數(shù)據(jù),在關(guān)聯(lián)場景進行了最終的計算。

“對AI訓(xùn)練100萬貓的圖片后,計算機雖然能做到所謂地識別這是貓,但在本質(zhì)上,計算機仍然并不知道這是一只貓。包括現(xiàn)在像ChatGPT的對話,雖然從人類視角,感覺是有思想的。但其本質(zhì)仍然沒有思想,只是通過大量的計算訓(xùn)練,獲得了結(jié)論。”

當(dāng)然,袁輝強調(diào),這對于人類依然有非常大的意義。“很多重復(fù)性的基礎(chǔ)工作,甚至一些人類認(rèn)為很高級的工作,通過這些大模型的方式,已經(jīng)能夠極大地提升效率了。”

來源:財聯(lián)社

分享到:
標(biāo)簽:程序員
用戶無頭像

網(wǎng)友整理

注冊時間:

網(wǎng)站:5 個   小程序:0 個  文章:12 篇

  • 51998

    網(wǎng)站

  • 12

    小程序

  • 1030137

    文章

  • 747

    會員

趕快注冊賬號,推廣您的網(wǎng)站吧!
最新入駐小程序

數(shù)獨大挑戰(zhàn)2018-06-03

數(shù)獨一種數(shù)學(xué)游戲,玩家需要根據(jù)9

答題星2018-06-03

您可以通過答題星輕松地創(chuàng)建試卷

全階人生考試2018-06-03

各種考試題,題庫,初中,高中,大學(xué)四六

運動步數(shù)有氧達人2018-06-03

記錄運動步數(shù),積累氧氣值。還可偷

每日養(yǎng)生app2018-06-03

每日養(yǎng)生,天天健康

體育訓(xùn)練成績評定2018-06-03

通用課目體育訓(xùn)練成績評定