前方的路
[美] 斯蒂芬 • 沃尔弗拉姆（Stephen Wolfram）
该思维导图由 AI 生成，仅供参考
机器学习是一种强大的方法，特别是在过去十年中，它取得了一些非凡的成功— ChatGPT 是最新的成功案例。除此之外，还有图像识别、语音转文字、语言翻译……在每个案例中，都会跨越一个门槛—通常是突然之间。一些任务从“基本不可能”变成了“基本可行”。
但结果从来不是“完美”的。也许有的东西能够在 95% 的时间内运作良好。但是不论怎样努力，它的表现在剩下的 5% 时间内仍然难以捉摸。对于某些情况来说，这可能被视为失败。但关键在于，在各种重要的用例中，95% 往往就“足够好了”。原因也许是输出是一种没有“正确答案”的东西，也许是人们只是在试图挖掘一些可能性供人类（或系统算法）选择或改进。
拥有数百亿参数的神经网络一次一个标记地生成文本，能够做到 ChatGPT 所能做的事情，这着实是非同凡响的。鉴于这种戏剧性、意想不到的成功，人们可能会认为，如果能够“训练一个足够大的网络”，就能够用它来做任何事情。但事实并非如此。关于计算的基本事实，尤其是计算不可约的概念，表明它最终是无法做到的。
不过不要紧，重点在于我们在机器学习的实际历史中看到的：会取得（像 ChatGPT 这样的）重大突破，进步不会停止。更重要的是，我们会发现能做之事的成功用例，它们并未因不能做之事受阻。
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
机器学习在过去十年中取得了非凡的成功，如 ChatGPT 等案例展示了其强大的应用潜力。然而，机器学习并非完美，其表现在某些情况下仍然难以捉摸。尽管如此，机器学习的突破和成功用例仍在不断出现，为各种重要的应用场景提供了足够好的解决方案。文章指出，拥有数百亿参数的神经网络能够生成文本，但并非所有事情都能做到。作者强调了将 ChatGPT 连接到 Wolfram|Alpha 的潜力，通过 Wolfram 语言的精确计算能力为 ChatGPT 提供支持。Wolfram 语言被描述为一门全面的计算语言，旨在让人类和计算机能够用计算思维思考事物。作者展望了 ChatGPT 学习 Wolfram 语言的可能性，并探讨了将 Wolfram 语言作为提示为 ChatGPT 编写有意义的“提示”的潜力。总的来说，文章探讨了机器学习和精确计算的结合，展示了 ChatGPT 和 Wolfram 语言的潜在合作可能性。
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
全部留言(1)
- 最新
- 精选
3.141516
在 Wolfram|Alpha 内部，一切都被转换为计算语言，转换为精确的 Wolfram 语言代码。这些代码在某种程度上必须是“完美”的，才能可靠地使用。关键是，ChatGPT 无须生成这些代码。它可以生成自己常用的自然语言，然后由 Wolfram|Alpha 利用其自然语言理解能力转换为精确的 Wolfram 语言。2024-01-16归属地：广东
收起评论