关于chatGPT的一些迷思

2023-02-08 00:36:17 4.2k 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

破除Codex与ChatGPT额度迷思：真实资源调度机制解析大模型API调用中的‘额度’概念常被误解为固定数值配额，实则OpenAI早已转向基于请求复杂度、实时负载与token消耗的动态流控机制。Codex并非独立产品，而是GPT系列在代码场景的专用调用方式，其能力已深度融入gpt-3.5-turbo-instruct与gpt-4-turbo；ChatGPT Plus/Pro/Business的所谓限制，本质是前端流量整形与后端GPU资源排队策略，而非数据库中可查询的剩余额度。技术价值在于提升资源利用率与服务公平性，广泛应用于企业级AI集成、IDE插件开发与自动化运阅读详情

全世界是否只需要一个通用AI就可以，例如openAI做了chatGPT，这个时候谷歌也做了一个Bard，如果他们都学习了最好的高质量语料。同样的问题丢给他们会获得怎样不同的返回呢？
如果聊天机器人返回的答案最好的只有一个，那么是否全世界只需要一个AI对话机器人就可以？因为当你用到了一个不好的对话机器人，你可能不满意，于是你就去找最好的那个，最好的那个AI会赢者通吃。
支持2的一个理由是，chatGPT这类对话机器人，比人类强。人类是没有人能那么「博学多才+理客中」。机器智能表现出的是能获得一个「最佳答案」的效果。这是人做不到的，一千个读者就有一千个哈姆雷图。但是1000个人问同样一个问题，如果输入的文字一样，chatGPT怎样应对？
如果2不成立，那么不同公司制造的超大模型聊天机器人，需要拥有不同的「个性」么？如果这样的话，模型之间将会有各种定制的偏见。对话机器人之间的竞争将会在如何设计对话机器人的「个性」上展开。
数据的重要性会再次被重要的提出来，不同的组织之间，将会不共享各种核心的数据。因为数据的不同，将会导致对话机器人能力的不同。
超大模型的发展，是否会有类似芯片发展的摩尔定律：对话聊天机器人的能力每18个月翻一番，对话聊天机器人的训练成本每18个月减少一倍？
计算机软件的核心是输入和输出。数据库决定了软件增/删/查/改的开发模式，搜索引擎解决了软件数据的查询模式，对话机器人之上软件的开发核心模式是什么？
做互联网用户，合适是解决人与人之间的社交，机器数据被认为是死的，不可交互的的，被无视的，例如知乎的各种私信。但是有了chatGPT这种技术之后，社交网络的发达会直接构架在用户和机器之间的社交之上。
人人都可编程，是指人人都可以用自然语言作为输入，让对话聊天机器人帮助人类将自然语言转换成系统的api组合，系统的api支持组合出来的数据是模糊的查询和修改么？如果是这样的话，软件开发也将会有极大的不同：面向对话聊天机器人编写可组合的管道api，对话聊天机器人将管道api组合后处理数据，直接交给人类。
普通程序员的编程无法实现chatGPT这种能力，是否存在一种编程语言，能让chatGPT的基本机制可编程化，程序员在其中还能发挥作用。（程序员的深度杯具）

...全文