要失業了？！美國砸1億打造「超級AI」太強大了

早幾年前AI 技術還處於理論階段的時候，我也和大家一樣，對AI 技術充滿了各種美好的幻想。

“ 改善生活、改變世界、制霸全宇宙，人類要從站起來變成強起來！”

網上搜到五年前的 AI 海報 ▼


不過到現在要是再提AI 的話，恐怕大家只能想到那些“ 抱歉，我聽不懂，你能不能換個說法 ” 的人工智障了。

“ 你這個人類又在說些什麼批話？” ▼


然而上週，科技圈又重新因為AI技術沸騰了。因為美國研究組織“ OpenAI ”  做了一款被稱為能取代人類的AI引擎。

在看完這款名叫“ GPT-3 ”的語義AI引擎展示之後，我的第一反應是，我該不是把書讀到狗身上了吧真正可以輔佐人類的AI終於來了！

稍微熟悉點科技的人可能都聽說過大名鼎鼎的“ 圖靈測試”，也就是通過一連串的問答來看AI 是不是會露餡。

然而在人與GPT-3 的問答中，假如不是我說，大家可能會以為對面坐著一個真實的小孩。回答略顯稚嫩，但絲毫感覺不到以往AI 助手們的那股智障氣息。





不過有小夥伴們可能要說了，這些問題也還好啊，我看之前你們介紹的那個谷歌助理雖然偶爾會犯制杖，但好像也能做個八九不離十。

那接下來我們看點有難度的，能自己讀題做題的AI見過嗎？

給GPT-3 一篇高中英語閱讀題，GPT-3 輕輕鬆鬆就能給你把答案寫出來。


我當年學英語的時候有這種神器，那鐵定是不會掛科的！要是嫌高中閱讀難度不夠的話，我們再來個大學水平的試試。
　　
比方說，把一串晦澀難懂法律條款扔給GPT-3，不出五秒就能輸出“人話”版本的解釋文。

學法律的人來評鑑一下 ▼






本碩博連讀、頭髮都學禿掉的法學生們聽到之後都哭了。

這還不算完，除了聽懂人話、歸納總結之外，GPT-3甚至還能自行創作。
　　
比如給個場景描述，給個開頭，GPT-3 就能寫出個殺生丸和魯魯修的中二小短文。我瞬間就想到了小說代寫，一日百更，徹夜不眠。。。
　　
非加粗部分為 GPT-3 生成 ▼

　　
如果不滿足於短篇的話，還有個老哥拿GPT-3 生成了一篇1112 詞的雞湯文。

想要去拜讀一番的人可以戳這個連結

《 工作效率低下？也許你該試著停止焦慮 》▼


內容有點長，就不給大家全文翻譯了。

總之，這篇文章有開頭、有結尾，有立意、有中心。文章引出了“ 創造性思考” 和“ 過度思考” 兩種思考模式。

文章還通過“ 作者” 的切身經歷，向我們闡述了過度思考的弊端，同時引導我們要進入到創造性思考的正向循環中，為生活創造更多價值。





總之，這篇AI 生成的雞湯文非但沒有露出馬腳，還直接衝上了HackerNews （ 知乎矽谷精英版 ）的熱搜榜首。

看來歪果人也很吃雞湯這一套啊。。。


討論區裡有幾位老哥的表現甚至有些誇張： “  這篇文章振聾發聵，跟前一陣伊森霍克的TED演講有一拼！感謝樓主如此深度好文！ ”

要是伊森霍克知道他的演講被人和一篇AI 生成的文章放到一起品評，不知道是該哭還是該笑。

伊森 · 霍克演講：《 放開手，去創造 》▼


伊森霍克最後是哭是笑我不太清楚，因為此時我已經陷入了深深的沉思：

要是AI再這麼厲害下去，我是不是就不用寫稿失業了。。。

別說，被這個問題困惑的可能不止我，律政精英、公司財務、程序開發，以及公司的油頭UI設計師都在GPT-3的精確打擊範圍內。。。

比如說有人把GPT-3 和表格文件對接到了一起。而我們只需要說類似“ 房租3000 押一付三 ” 、 “ 老闆上星期我花了一萬塊錢 ” 一類的白話， GPT-3 就能自動生成一張非常專業的財務報表。





除了報表， GPT-3 還能夠只依靠幾句話，就幫你弄一個網頁出來。

擁有十年工作經驗的前端人員，哭了 ▼


“ 一個谷歌的Logo，一個搜索框，兩個灰色的按鈕，一個寫' 谷歌搜索 '，一個寫' 手氣不錯'。”
“ 把搜索框再改寬點兒。”
“ 錯啦。兩個按鈕之間要加一點間距，不要黏在一起。”

用一句話生成出個高仿Ins 的界面也不在話下。


甚至可以通過白話描述，直接用專業的SQL 語言提取數據庫資料。

“ 拉取 25-35 歲員工的薪資詳情” ▼





震驚，工程師一夜之間化身產品經理，竟向電腦提出如此過分要求！

哦我的上帝啊，這哪兒是什麼AI啊。這可真是比小說裡的小祕書、金手指、隨身老爺爺還要神奇啊！


先說明一下，以上這些神奇功能都是從GPT-3 搶鮮體驗資格的研究人員那看到的例子。


然而光是從這些演示上看，我們已經可以發現這個GPT-3 實在是強悍的不太像個AI 了。

所以，什麼事AI 都能幹了，大家是不是混吃等死就好了？以後更不用去上學了？當然不是這樣的。

雖然看到有些人在介紹GPT-3 的時候用了類似這樣的說法（ 順便渲染了一波AI 威脅論 ），但是實際上，這種猜測難以成立。

因為從本質上來看，GPT-3屬於AI理論中的“反應機” （ React Machine ），距離替代人類還遠得很。


現在大家通常把人工智慧分成四個層級：反應機（ 第一層 ）、有限記憶（ 第二層 ）、具有心智（ 第三層 ）、自我意識（ 第四層 ）。

我們現實中最常見的AI 都位於第一層的反應機。比如我們常用的小愛同學、小度小度，以及這次的GPT-3 。（ GPT-3 裡的PT ，實際代表的就是預先訓練 “ Pre-Training ” ）
　　
它們通過“餵養”人工預先收集的大量樣本進行學習訓練，讓AI對某件事情有了認知。之後再根據已有的樣本組織反饋邏輯。這樣的AI沒有自我成長的能力，只能根據已學習的信息進行機械化的反應。





比如說，給AI 灌輸了一堆貓貓的側面照片， AI 下一次再看到一張新的貓貓側面照時，大概率就能認出來這是一隻貓了。但要是我這時候給AI 一張貓貓的正面照，它就很可能把貓貓認成狗。

說白了，反應機做的事情就是照貓畫貓。但凡有哪隻新貓長得和以前見過的差太多，就只能抓蝦了。


但可能有些小夥伴得說了，我們看前面GPT-3 好像什麼都能做，瞬間勝任了無數職業，怎麼還會是把貓當成狗的反應機？


你這說法行不通啊。不是，就像我前面提到的，反應機的原理是所謂的 “ 照貓畫貓 ”。

那隻要我們想辦法把全天下所有的貓給它看一遍，它不就不會翻車了嘛！





這正是GPT-3 幹的事。其實在它之前還有GPT-2 ，當時研究人員使用了100 多億個參數訓練它，得出的結果已經讓它站在世界頂尖AI 的梯隊裡了。

而這一次他們在訓練GPT-3的時候，直接把訓練參數增加了接近20多倍，達到了1750億個參數，素材達到了45 TB！

根據大家的測試結果看，除非你編一些根本不存在的問題給他，不然GPT-3 的翻車概率幾乎不存在。。。


為了能夠讓AI跑的動1750億個參數，贊助商微軟直接給OpenAI劃撥了一臺世界排名前五的超級計算機。

據說，光是裡面裝載的NVIDIA 顯卡和AI 運算卡就接近上億新台幣。史無前例​​的聰明AI，果然也得用史無前例的真金白銀砸出來。


不過即是如此，哪怕GPT-3 再聰明，它也只能融合別人的創造，書寫的別人的觀點。
　　
脫離了訓練使用的樣本庫，它便無法再輸出創意，更沒法自我學習。

所以我覺得，GPT-3（ 以及之後的AI ）能像現在這樣幫助人們高效輸出一些解決方案，從某些繁雜瑣碎的工作中解脫出來。但是它們永遠無法替代人的思想。

And that's what makes us human。

來源:https://mp.weixin.qq.com/s?__biz=MzA5NDc1NzQ4MA==&mid=2653493584&idx=1&sn=187ddd76c0cd530b26dd616b17b7aba0&chksm=8b940e57bce387416e6d318aac37dbfca1e7212a3e106e9c7da0c87ab0da10000735bc9d54c4#wechat_redirect文章轉載自：ck101.com