小冰李笛:ChatGPT在向“让你认为它有知识”的方向发展 | MEET 2023

63f13b763f52e6fed936c18cffc90f19.png

来源:量子位
衡宇 整理自 MEET2023

ChatGPT技惊四座,甚至不少人认为它已经能“取代搜索引擎”。

然而就在MEET2023智能未来大会上,却出现了这样一种迥然相异的观点:

未来5年里,大家想要获取知识,最好的方法还是通过搜索引擎

这样的观点,来自小冰公司首席执行官李笛

他认为,之所以大家愿意跟ChatGPT交流,不是因为它“提供了更加准确的知识”,而是因为它“让你认为它具备知识”。

c75336dc95661177af2ce6d78d8bf814.jpeg

这是OpenAI优化ChatGPT的方式,也是AI Being未来发展的“突破口”之一——

让它具备所谓的主体性,也就是自主交流、有目的地进行活动的特性。

近日,小冰公司宣布已经完成了总额10亿元的新融资,用于加速AI Being小冰框架技术研发,以及推动数字员工的普及。

为了完整体现李笛的分享及思考,在不改变原意的基础上,量子位对他的演讲内容进行了编辑整理。

关于MEET智能未来大会:MEET大会是由量子位主办的智能科技领域顶级商业峰会,致力于探讨前沿科技技术的落地与行业应用。今年共有数十家主流媒体及直播平台报道直播了MEET2023大会,吸引了超过300万行业用户线上参会,全网总曝光量累积超过2000万。

演讲要点

  • AI Being和以往的人机交互最重要的一个区别就是前者有主体性

  • ChatGPT不是“向你提供准确知识”的方向优化,而是向“让你认为它有知识”的方向优化。

  • 短时间内,甚至于未来5年左右时间里,大家想要获取知识,最好的方法还是通过搜索引擎

  • 过去是粗放数字化转型过程,AI Being能做到高并发、高转化率

  • AI Being之后在2B和2C之间界限更加模糊

(以下为李笛演讲全文)

让AI Being具有“主体性”

在过去人类科技发展史上,每一次巨大变革都在改变两件事情。

一个是人和世界(知识、内容、服务)之间的关系,另一个是解决人和人之间的新的关联。

先来看人与世界的关联。

4ef8a59cc8838d9913312c4945958a78.jpeg

最开始的Portal时代,我们利用门户网站给人打开一扇新的窗口,在人们面前展现更多的数字化信息。

假设搜索引擎和门户网站是链接人和世界的管道,那么人们就会通过这个管道来获取世界上的信息和内容。

接下来,推荐引擎更进一步,更多不是人从这一端获取,而是信息从另一端推送过来,我们可以称之为“投喂”。

同为中间是管道的架构,不同的管道、不同的技术,让信息能够更好地进行结构化处理,并让人们更好地获得所需要的信息。

AI Being来讲,要解决的也是同样的事情。不光是微软小冰,整个行业都在往这个方向尝试。

e0dfa07a3bf775e2c97c9fe7861228d5.jpeg

这意味着一种新结构的诞生,它头一次把人与世界的连接、以及人与人之间的连接很好地结合在一起,并且用一种更自然的方式使之进行。

这种方式,让人们在和计算机交互时,从关键词的搜索方法,回归到最习惯的自然语言方法

在目前为止,甚至于在很长一段时间里面,如果你想要最高效获取信息,搜索引擎仍然是获取信息最有效的方法,因为对人来讲,这个方式耗费能量更低。

如果人们想要获得自己所喜爱的内容并不断为之调整,让自己可以更好地得到内容,推荐引擎仍然是最好的方式。

最近“跟ChatGPT交流”这件事很火,对此我也有几点想说的。

首先,AI Being最重要的一个特点就是有主体性 (自主、能动、有目的地活动的特性)。

跟人机交互有很大的不同,和AI Being交流的转化率非常高。人机交互如果想要提高转化率,就需要增加人工客服来增加转化率,但无疑增加了巨大的人力成本。

如果AI系统能够达到类似的高转化率,那么就会实现一种以前从未有过的方法。

几年前开始,我们和MSN以及Lawson做了大量实验,实验内容就是让AI Being和人交流,最终目的是把商品准确地推送给人,同时让人能够更愿意接受消费的商品。最终测试表明AI推荐的商品购买率达到68%,与现在绝大多数人类员工推荐的购买率差不多。

但是,以前的AI系统或以前的人机交互系统,即使把用户理解做到极致,购买率也没有超过10%。

之前我们说“AI需要情感”,这是一种非常浪漫的说法。因为ego是一种非常理性的能力,让用户更容易接受被推荐的事情。

4f0827c42eda76fdd59733c8e3d6a1a0.jpeg

采用同样的方法,我们做了很多B2C的东西,在AI社交网络上,如今小冰30日的留存率能达到39%,这是一个非常高的数字。

主体性让AI可以更好地处理它跟人之间的关系,这种关系能给它在转化率上带来非常高的提升。

未来5年获取知识仍靠搜索引擎

现在大家都愿意跟ChatGPT交流。

很多人认为把大量数据压缩到这个大模型里面以后,可以利用ChatGPT或者类似方法实现更好的知识系统,通过它获取知识。

但其实如果从搜索引擎角度来讲,要想获取知识,必须确保知识准确性达到非常高的标准,这个数字达到90%都是远远不够的。

而且,从ChatGPT里面能获取到的知识,准确率是达不到90%的。

那么,ChatGPT最大的改进是什么?是behavior

如果用相对不那么客观的方式描述,ChatGPT不是向“给你提供准确知识”的方向优化,而是向“让你认为它有知识”的方向优化。

我认为这不是一个坏案例,它反映了ChatGPT的很多特点。

这里假设我们提出一个问题:如果你是贾宝玉,你会娶谁?

8bf697db0ac8ede9f6700516bda0e8c9.jpeg

如果是搜索引擎,会直接给出结论,但是ChatGPT在给出结论的同时,附带了大量论证过程,甚至有总分总结构,就更像人和人之间的交流。

现今很多人和ChatGPT交流时,是在已经有答案的情况下观察它给出的结论。

如果它的论据是准确的,但结论不准确,人们会认为论据非常好;反之,则认为它有很好的结论。如果二者都准确,人们会认为ChatGPT太强了;二者都不准确,也会认为其是有趣的案例。

从这个角度来讲,它的成功概率很高,但是如果把它视为一个知识系统,那成功概率会大大降低,因为它所给出的整个信息片段中,任何一部分的不正确,都会使得最终答案不正确。

从行为模式判断和从结果判断,就会得到两种截然不同的评价。

某种意义上来讲,ChatGPT这样的技术在未来一段时间里面,会让AI、AI Being等产品变得更加强大。

但是,短时间内,甚至于未来5年左右时间里,大家想要获取知识,最好的方法还是通过搜索引擎。

元宇宙只是AI Being平台之一

以前,AI技术通常是“先射箭再寻找需要命中的靶子”,这也是AI技术难以落地的原因之一。

但是AI Being是被需求推着走的未来发展方向。

很大一个区别在于,过去10年里,全球范围内的数字化转型已经到了一个瓶颈阶段,绝大部分的企业在过去10年里,被推动着做了三件事。

第一件事是上云,第二件事是企业把内外部业务逻辑数字化,第三件事是企业把用户关系变成了线上数字化的关系。

这实际上经过了一个“粗放的”数字化转型过程。

我们有了很高的并发,但并发转化率却没有办法达到很高,因此大家开始认为流量红利消失了。这反而表明转化中是存在浪费的。

f6f226accca532b97cf57c2344dabfd6.jpeg

AI Being的特点,是在原本已经完成数字化的阶段上,基于更好的关系做更好的变化。

即便ChatGPT不能给大家提供准确知识,也至少能够和人建立一种以往没有过的关联,这种关联本身具有非常大的商业价值。

同时,AI Being方向也会引发很多新的变革。

比如说对AI来讲,以前普遍认为它在B2B完成任务,或者是B2C完成陪伴。现在,两者之间的界限会更加模糊

e05d2a6a19549decc7ebfcf4243085a9.jpeg

这就会谈到AI Being的另一个特点,即它不再隶属于某一平台

未来一年大家可能就会看到,跟客服交流时,不必再局限在硬件设施里。最好的办法是这些AI Being可以跨平台存在。

即便是现在大家谈到的元宇宙,元宇宙也只是AI Being存在的平台中的一个。

当我在虚拟世界里碰到一个朋友、一个员工、一个伙伴,我在物理世界里不能同样碰到他们吗?我在开车的时候,回家的时候,不能和同一个AI Being交流吗?

从这个角度来讲,我们能够体验到24小时更加无缝、持续连贯的服务

同时,也能够建立一个更好的反馈入口,通过这种方式推动系统得到发展。

在未来的一年时间里,会看到至少在中国、在日本、在亚洲、在欧洲,会有很多新的AI Being诞生,其价值可能会百倍、千倍于大家现在看到的数字人的虚拟偶像价值。

今年,AI还是一个非常原始的状态,我们也在不停地获取一些新的知识。所有这些新知识的重要性在于,它们能够迅速改变日常生活。

那些我们今天所讨论的,经常被人们所关注的、能够改变生活的,其实离我们都很远。

但是那些已经潜移默化改变了生活的,往往被大家所忽视

今天,AI对整个人类社会最大的影响其实就在手机里,在计算、摄影这些功能中——它早就已经改变了我们的生活。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

908adff62da6f7f72e3b930e797648cf.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481240.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

从前,有只小仙女叫...

从前,有只小仙女叫小音✧٩(ˊωˋ*)و✧这一篇真的不是小夕萌的技术文啦( ̄∇ ̄)今天小夕给大家推送一点好玩的东西~毕竟高中老师说过,不能只学不玩嘛( ̄∇ ̄)虽然小夕以萌著称\(//∇//)\,但是在da…

DeepMind新研究:AI也懂合纵连横

摘要人类文明的成功,植根于我们通过沟通和制定共同计划进行合作的能力。人工智能主体面临着与人类类似的问题。最近,人工智能公司 DeepMind 展示了AI如何利用沟通在桌游“强权外交”中更好地合作。研究发现,沟通主体容易受到背叛协议者的负面…

从逻辑回归到神经网络

回顾小夕在文章《逻辑回归》中详细讲解了逻辑回归模型,又在《Sigmoid与Softmax》中详细讲解了Sigmoid的实际意义(代表二类分类问题中,其中一个类别的后验概率)。至此,我们已经比较透彻的理解了逻辑回归模型假设函数(也…

华为2019年校招(20届实习)机考题python版解答与思路(2019-3-13软件题)

试题为今天考试时记下,记于此仅做学习分享。侵删。 答案思路仅供参考,肯定有更优的办法!第三题没解出来,欢迎大家评论提点! 第一题: 这道题对输入做切分(调用split()方法)后&#xf…

语言模型生成了自然界不存在的蛋白质,图灵奖得主LeCun:蛋白质编程来了

来源:药学前沿进展Meta:设计蛋白质这件事,语言模型就能干。用机器学习去研究蛋白质结构预测,吸引了众多科技大厂、科研机构的目光纷纷投入其中,这期间,他们也产出了重要成果。如在 2021 年 《Science》的十…

神经网络中的偏置项b到底是什么?

前言很多人不明白为什么要在神经网络、逻辑回归中要在样本X的最前面加一个1,使得 X[x1,x2,…,xn] 变成 X[1,x1,x2,…,xn] 。因此可能会犯各种错误,比如漏了这个1,或者错误的将这个1加到WX的结果上,导致模型出各种bug甚至无法收敛。…

【重版】朴素贝叶斯与拣鱼的故事

重版公告由于小夕之后要讲的好几篇文章要基于这一篇的知识,但是以前写的的这篇文章对朴素贝叶斯的讨论不够深入,又不值得再额外写一篇朴素贝叶斯啦,因此本文重版了以前的文章《朴素贝叶斯》。与旧版相比,新版对基础知识的讲解进行…

2022,这些国之重器让人眼前一亮!

来源:新华社2022即将收官这一年我们有许多难忘的回忆回顾,是为了更好出发我们将这一年各领域走过的壮阔征程制作成了精美的系列海报第一期让我们来看看那些让人眼前一亮的国之重器它们——上天入海!乘风破浪!贯通聚能!…

逻辑回归与朴素贝叶斯的战争

0一起走过的首先,小夕带领大家回顾一下文章《逻辑回归》、《Sigmoid与Softmax》、《朴素贝叶斯》中的几点内容,这几点内容也是本文的前置知识:1. 逻辑回归模型的表达式(假设函数):,其中。2. 逻辑回归模型本质上是二类分…

OpenAI年底上新,单卡1分钟生成3D点云,text-to 3D告别高算力消耗时代

来源:大数据文摘授权转载自HyperAI超神经作者:三羊OpenAI 年底冲业绩,半个多月前发布的 ChatGPT 广大网友还没玩明白,近日又悄么发布了另一利器--可以依据文本提示,直接生成 3D 点云的 PointE。text-to-3D:…

机器学习相关从业者如何兼顾理论与工程能力

理论与工程首先,小夕说一下自己目前对理论与工程的理解吧,这也是小夕当前研究理论和熟练工程时主要的出发点。(仅为个人思考,请勿当成真理理论注重的是学科中各个知识点的大一统,将各种散乱的算法、现象、技巧来归结到…

万字拆解!追溯ChatGPT各项能力的起源

导语一篇十分深度剖析GPT系列模型的文章,作者翻译成了中文,在这里分享给大家。来源:李rumor作者:符尧, yao.fued.ac.uk,爱丁堡大学 (University of Edinburgh) 博士生,本科毕业于北京大学与 彭昊&#xff0…

用excel做数据分析

我们先来看看某公司全国产品销售的报表(截取了部分) 某公司全国产品销售的报表通过货品销售数据案例,需反映如下结果: 货品销售情况货品交货情况销售货品结构构成货品销售区域构成货品按时交货与合格品综合评价 我们使用 excel 进…

消失了一周的小夕在玩什么啦?

啊,你们的小夕回来啦~有没有被吓到( ̄∇ ̄)0小夕在玩什么小夕,终于,在今天,把,各种deadline,完成了(Д )首先,小夕要像大家深深的说一声谢谢啦。好多天没有打开订阅号的后台…

第四届泰迪杯数据挖掘大赛

<script src"//g.alicdn.com/aliyun/goldeneye-deploy/0.0.1/static/goldeneye.js"></script> <link rel"stylesheet" href"//at.alicdn.com/t/font_422887_vrqbpml6oos.css"><!--top-header begin-->云栖社区博客问答聚…

一般化机器学习与神经网络

0前言机器学习的初学者很容易被各种模型搞得晕头转向。如果扎进各种模型的细节无法自拔的话&#xff0c;可能很难发现一般化的框架。如果你觉得神经网络是非常不同的机器学习模型&#xff0c;如果你觉得神经网络的各种新名词让你觉得这完全就是一片新天地&#xff0c;那么可能你…

扩散模型再发力!图灵奖得主Hinton团队提出:图像和视频全景分割新框架

来源&#xff1a;机器之心作者&#xff1a;Ting Chen 等 编辑&#xff1a;赵阳本文的创新点一方面在于能够在大型全景掩码上训练扩散模型&#xff0c;一方面在于可以同时适配图片和流媒体场景。全景分割是一项基本的视觉任务&#xff0c;该任务旨在为图像的每个像素指定语义标…

经典的K-means聚类算法

原理部分主要来自大牛zouxy09和trnadomeet两个人的博客&#xff1b;后面的代码详细讲解为自己精心编写 一、概述 非监督学习的一般流程是&#xff1a;先从一组无标签数据中学习特征&#xff0c;然后用学习到的特征提取函数去提取有标签数据特征&#xff0c;然后再进行分类器的训…

《Cell》发现免疫系统的“武器研发实验室”

来源&#xff1a;生物通如果B细胞是免疫系统的兵工厂&#xff0c;制造抗体来中和有害的病原体&#xff0c;那么被称为生发中心的微小生物结构就是它的武器开发设施。.淋巴结的生发中心簇充满了成熟的B细胞(红色)&#xff0c;点缀着进化程度较低的B细胞(绿色)。 如果B细胞是免…

机器学习从理论到工程的第一步-编程语言篇

前言在文章《机器学习从业者如何兼顾理论与工程》中&#xff0c;小夕对编程语言的选择进行了小小建议。鉴于有些同学对小夕建议的“主python&#xff0c;辅C&#xff0c;备用matlab和java”疑问较大&#xff0c;小夕在此详细解释一下&#xff0c;也欢迎大家补充新观点哦。为什么…