這一波是十年前的AlexNet才開始讓ML實用化 以往都只是研究
AlexNet橫空出世 GPU+大型CNN 辨識率高
忽然讓一堆人想到 啊幹 原來GPU能幹那麼複雜的事情
所以從2012年之後 ML/AI的研究如同雨後春筍呈現爆炸性的增長
ML從事的人多 想法就多 推出的模型多 成功的總會有幾個
GPT這種transformer類的模型 也是在2012年之後才出現的
而GPT的參數越來越大 精確度越來越高 直到前幾個月 開放公測讓大家玩個爽
才會有那種忽然紅的感覺
你玩過ChatGPT也知道 還是會丟一些錯誤的訊息 而且你馬上能看出來
所以整個產業目前還是把AI當作生產力工具 當作copilot 由人類最後來把關
不能完全相信ChatGPT給的東西
不管GPT還是CNN 他們的本質就是一堆工程數學的運算
他們最多就是給你機率最高的答案 這個答案不一定是對的
ChatGPT的出現有點像是核融合輸出能量大於輸入能量的那一刻
但是能不能廣泛商用 真的很難講
是比核融合機會大多了
GPT要普及到人類社會當中 一定要往更少的參數 更低的prompt成本來走
GPT3到GPT4目前看起來還是在堆參數 而且訓練成本天價
有點變成晶圓代工的味道
不往更精簡的模型 更低的prompt成本走
可能只有少數幾個公司能玩得起這種大型模型
OpenAI的本質就是普及AI 他們在堆參數追求高準確性的同時
一定也會想到怎麼讓模型更精簡還能同時達到一定的準確性
就跟當初CNN怎麼最後被搬到消費型電子用品上頭
GPT的目標也是
※ 引述《koiopolo2 (K)》之銘言：
: AI人工智慧是至少20年以前就在討論的東西
: 也許多人開發研究
: 那時候的聊天機器人很呆
: 沒辦法承先啟後完整的聊天
: 還會不小心就被玩壞調教成髒話智慧
: 但為什麼到今年就突然什麼都有了
: 究竟是你我長期流竄在網上的大數據水庫
: 在疫情時代有更多人的投入使其更加完善
: 還是外星科技在擠牙膏想說該給猴子來點革命了
: 卦 ？
: 然後google引擎媽的智障幹你娘比20年前還爛