一个简单的例子
[美] 斯蒂芬 • 沃尔弗拉姆（Stephen Wolfram）
该思维导图由 AI 生成，仅供参考
ChatGPT 本质上是一种生成语言输出的系统，其输出遵循来自互联网和书籍等的训练材料中的“模式”。令人惊奇的是，输出的类人特征不仅体现在小范围内，而且在整个文章中都很明显。它可以表达连贯的内容，通常以有趣和出人意料的方式包含它所学的概念。产生的内容始终是“在统计学上合理”的，至少是在语言层面上合理的。尽管它的表现非常出色，但这并不意味着它自信给出的所有事实和计算都一定是正确的。
下面是我刚刚注意到的一个例子（ChatGPT 具有内在的随机性，因此如果你尝试问相同的问题，可能会得到不同的答案）。
听起来相当有说服力。但是事实证明它是错误的，因为 Wolfram|Alpha 可以告诉我们如下答案。
当然，这显得不太公平，因为这个问题正是 Wolfram|Alpha 擅长的问题类型：可以基于其结构化、有条理的知识进行精确计算。
有趣之处是，我们可以想象让 Wolfram|Alpha 自动帮助 ChatGPT。可以通过编程向 Wolfram|Alpha 提问（也可以使用 Web API 等）。
现在再次向 ChatGPT 提问，并附上此结果。
ChatGPT 非常礼貌地接受了更正。如果你再次提出该问题，它会给出正确的答案。显然，可以用一种更精简的方式处理与 Wolfram|Alpha 的交流，但是看到这种非常简单的纯自然语言方法已经基本奏效也很令人高兴。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
ChatGPT 是一种生成语言输出的系统，其输出体现了类人特征，能够以有趣和出人意料的方式表达内容。尽管其表现出色，但并不意味着所有输出都一定正确。文章以一个例子展示了 ChatGPT 的内在随机性，以及其与 Wolfram|Alpha 的交互。作者指出，ChatGPT 在某些问题上可能出现错误，因为它需要更多的实际计算算法，而 Wolfram|Alpha 则能够基于结构化的知识进行精确计算。作者提出了让 Wolfram|Alpha 自动帮助 ChatGPT 的想法，展示了两者的不同处理方式。文章强调了 Wolfram|Alpha 拥有大量内置的计算知识，构建了一整套连贯的计算语言。这篇文章通过对 ChatGPT 和 Wolfram|Alpha 的比较，展示了它们在处理自然语言和计算方面的不同特点，为读者提供了对这两种系统的简要了解。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《这就是 ChatGPT》
《这就是 ChatGPT》
立即购买
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论