火爆ChatGPT背后别忘了AI的本质 - 老年从业者吃瓜想法

helloterran 发表于 2023-02-13 11:10:09
说起来这个fewshot和转移学习的区别到底在哪呢？

Transfer learning一般是通过fine tuning实现的。fewshot属于meta learning，即model通过少量样本，不需要更新weight就可以学习。

少拍点脑袋 多看点paper 从业个几年跑过几个模型就觉得自己是懂哥了 lecun咋了 meta自己才挂了一篇paper出来 https://arxiv.org/pdf/2302.04761.pdf 这些大佬推特发的言论看看开心就好 这年头人人都喜欢claim自己搞明白了本质 说白了还是想吹自己那一套 学术本来就是百家争鸣的 马毅还天天sell自己那套sparse coding 前馈网络。。是骡子是马拿出来溜溜，只要效果好，能力强，谁管你怎么实现的呢。。飞机都有那么多种造法，跟鸟长得不一样就不叫飞机了吗？？要不是二战美国赢了现在说不定还是德国的科技流。

匿名用户 发表于 2023-2-13 14:39
曾经的计算机是很善于解决非常复杂的问题（比如快速求解旅行商 最短路径等等），但是不会直觉问题（比如人 ...

现在也不会吧，感觉是用暴力遍历。

量变到质变。。。。。。。。质量互变规律是唯物辩证法的基本规律之二。它揭示了事物发展量变和质变的两种状态，以及由于事物内部矛盾所决定的由量变到质变，再到新的量变的发展过程。

楼主这篇文章我仔细看了两遍，恕我愚钝，楼主说了半天专业名词，但我真的不知道楼主想表达什么观点？

如果是标红的这个“没有智能”是楼主的观点，坦白说楼主并不能证明这个观点，因为一个最简单的问题就是“什么是智能”，这个实际上并没有一个很好的定义，知道3+5=8是智能？还得是能推导出e=mc2是智能 ？如果是前者，都不用现在的chatgpt，四十年前的计算器就能完成了；如果是后者，那么是不是楼主想说所有看到这个帖子的人都没有智能？

楼主一个显而易见的假设是人都有智能，但是去看看现实社会，很多很多人的工作实际上是可以被不需要智能的机器来替代的，所以楼主缘木求鱼地去讨论有没有智能并没有什么现实意义；有现实意义的是这个chatgpt能够帮我们做什么，我早上帮我女儿写一封请假信，让chatgpt帮我润色一下，效果相当不错，那么对我来说，他有没有智能这个问题并没有意义，只要他确实能润色好信；退一步讲，在这个事情上，他不是比拥有智能的我们强么？

flyingforce 发表于 2023-2-13 15:29
楼主这篇文章我仔细看了两遍，恕我愚钝，楼主说了半天专业名词，但我真的不知道楼主想表达什么观点？

如 ...

你觉得效果不错，其实是因为这种事情在美国其实没人认真看，另外一个角度来说，你不润色也不会请不了假。

有好多人觉得用了ChatGPT帮娃应付一堆学校的东西觉得很high，其实这只能说明老师就是拿个工资，至于你娃学到了什么别人懒得管而已。ChatGPT的唯一作用是告诉你的钱白花了，但是对于很多人来说这个作用也是没有的。

nevarofred 发表于 2023-02-13 11:09:49
. From 1point 3acres bbs你这不就类似于仓库机器人么？这种确实简单太多，闭环系统。

是啊。我觉得自动驾驶公司都太好高骛远了，能把我说的这个场景好好落地就能赚大把钞票了

匿名用户 发表于 2023-2-13 02:54
楼主把人类的智能想的太复杂了。人从读书到现在花了十几年，长期吸收信息，执行，反馈，然后学习。当然不能 ...

. check 1point3acres for more.这个回答有点意思，比起楼上有些回答更值得回复， 我举个例子不一定对哈，但是我说的统计学本质，是这样一回事：

有两个feature AB，数值是0和1, 还有一个label， 最简单的supervised learning对吧，其实数据量少的话，是不是根本不用train model， 按排列组合00 | 01 | 10 | 11 算对应的概率weights，就能人工做到最好的预测？

那么问题来了，你有没有发现，所有的supervised learning model，是不是都能通过这样的穷举法， 得出最优的结果？ 那为什么我们还有那么多种ML/DL model呢？ 归根到底，还是我们算力有限，穷举的complexity太巨大，现在的算力穷举不了，所以才出现了各种各样的ML算法，DL的各种结构也是一样，所谓foward / back propagation 也是其中一种节省计算成本快速找到最优组合的算法，目标就是找到尽可能跟穷举法一样的结果， 这个找到结果的速度和准确度，就是区分各种算法优势劣势的指标。 这就是我认为现在各种AI model的本质，所以要是你说算力有一天无穷大，那其实我们啥算法也不需要，只需要直接穷举计算所有feature combination的weights 就得了。

这点我其实怀疑很多AI从业者做了那么多年的model不知道有没有体会，楼上有帖子说自己是穷举排的其实我觉得也是觉得这个思路。最大问题是，这些算法的本质就是跟穷举直接算的结果一样的，找出最优排列组合，如果有无穷算力，你的计算公式就是固定的，跟直接按计算器，计算机帮你算1+1差不多，可以说是一种program好的方法，是可以算得比人类快，但是这真等于人工智能吗？ 没人会说买菜计算器有人工智能吧。

楼上也有杠的人说怎么定义人工智能，其实大家日常感觉大致应该差不多，在业界对弱人工智能和强人工智能是有定义的，google搜一下就出来了。 结论还是这种穷举法结果，可以说是弱人工智能，只能做一些特定的任务，但是和强人工智能完全不沾边，例如大家整天制造恐慌的AI取代人类之类的，因为这种学习方法注定穷举出来的结果无法保证正确，也没有人类的推理和情感能力，也不会撒谎等等。 没说Chatgpt完全没用，但是我的观点还是作用比较有限，跟大家普世意义中想象的“智能”（强人工智能）真的完全不沾边。你说的这些函数、计算，怎么才能教会模型撒谎呢？这个可能高级点，换别的正常点的图灵测试肯定也是fail的，只要你多认真看看结果肯定能发现，而且正是模型本身的特质证明模型本身是不可能对结果准确度负责的，恰恰其实加一套rule based system的话，答案会更贴近人脑的判断lol

helloterran 发表于 2023-2-13 14:19
针对你的回帖单独反驳两句：

1 中小学教育的主要内容正是大量structured knowledge， 是rule based而 ...

您说LLM单独没有推理能力是对的 但是工程结合针对特定领域 效果也不差https://news.mit.edu/2022/machine-learning-university-math-0803

去年有个neuroAI 的白皮书，导致了twitter上一堆大佬的讨论。知乎有个回答整理了一些看法，计算神经科学能否成为未来人工智能的发展方向？ - 周鹏程的回答 - 知乎
https://www.zhihu.com/question/304574109/answer/2728729351— 里面关于智能的想法有和大家重合的，有趣的side read