一位是中科深智CEO成維忠，他們公司在做“生成式AI虛擬人”，他提到了一個(gè)公式：
AIGC ≈ 生成式AI + RPA
一些專業(yè)術(shù)語我讓ChatGPT解釋了放在文后。
我個(gè)人理解總結(jié)下：這里的RPA指的是你必須為AIGC產(chǎn)生的內(nèi)容找到直接或者間接的變現(xiàn)方式，單純的AIGC只是在生產(chǎn)無用的垃圾。
一位是大灣區(qū)數(shù)字經(jīng)濟(jì)研究院工程總監(jiān)謝育濤，主題“科研方向的AI工具”。
最近我也有寫論文。關(guān)于論文，文獻(xiàn)閱讀是非常重要的一塊內(nèi)容，也是湊夠字?jǐn)?shù)很必要的一塊，既然ChatGPT已經(jīng)擁有了總結(jié)歸納能力，那么未來的ChatGPT閱讀分析科研論文也是可行的；更進(jìn)一步，是不是未來的AI自身就擁有做科研的能力？要知道，這可是一個(gè)可以7*24搞學(xué)術(shù)的工作狂。
雖然在通用領(lǐng)域小公司干不過大公司，但AI在細(xì)分領(lǐng)域的應(yīng)用，應(yīng)該是值得關(guān)注的地方。
最后一位是硅谷科技投資人，《暗知識(shí)》作者王維嘉，分享主題“GPT：經(jīng)驗(yàn)主義的勝利”，內(nèi)容更是重量級(jí)，有幾頁被主持人直接跳過，很有意思。
一、GPT的適用范圍，可以做什么，不可以做什么
二、對(duì)于CNN實(shí)現(xiàn)自動(dòng)駕駛技術(shù)的不看好：CNN可以做到自動(dòng)駕駛，等于可以教會(huì)大猩猩開車。但如果可以通過一句話把駕駛這件事描述清楚，類似ChatGPT這樣的AI可能對(duì)自動(dòng)駕駛的發(fā)展有巨大推動(dòng)
三、漢語的危機(jī)，中文網(wǎng)絡(luò)語料的匱乏導(dǎo)致中文ChatGPT發(fā)展受限。為啥呢？dddd。
四、GPT智商=人類寫作者智商均值，可以提高人類談吐的平均值，降低思維方差，但缺乏方差，可能讓人變得平庸。解決方案：個(gè)性化GPT
附錄
生成式AI（Generative AI）是指一類人工智能算法和模型，其目的是生成新的數(shù)據(jù)，例如文本、圖像、音頻和視頻等，而不僅僅是根據(jù)現(xiàn)有數(shù)據(jù)進(jìn)行分類或預(yù)測(cè)。這些模型通常使用深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)來學(xué)習(xí)生成新數(shù)據(jù)的模式和規(guī)律。ChatGPT是生成式AI的典型代表。
RPA（機(jī)器人流程自動(dòng)化）是一種自動(dòng)化技術(shù)，它使用軟件機(jī)器人來模擬和執(zhí)行人工操作，以自動(dòng)化常規(guī)性、重復(fù)性的業(yè)務(wù)流程。RPA工具通常使用屏幕抓取技術(shù)來模擬用戶界面上的操作，并且可以與現(xiàn)有的軟件系統(tǒng)集成以完成各種任務(wù)，例如數(shù)據(jù)輸入、數(shù)據(jù)提取、自動(dòng)化決策和通知等。
GPT是Generative Pre-trained Transformer的縮寫，是由OpenAI開發(fā)的一種生成式AI模型。GPT模型是基于神經(jīng)網(wǎng)絡(luò)的模型，其主要應(yīng)用于自然語言處理領(lǐng)域，可以生成人類語言的文本。
GPT模型的核心是Transformer架構(gòu)，該架構(gòu)使用了自注意力機(jī)制（self-attention mechanism），可以在不使用序列式結(jié)構(gòu)的情況下處理序列數(shù)據(jù)，從而大大提高了處理長(zhǎng)文本的效率。GPT使用了Transformer的編碼器部分進(jìn)行訓(xùn)練，并使用了一個(gè)語言模型的目標(biāo)函數(shù)，即讓模型在給定上下文的情況下預(yù)測(cè)下一個(gè)詞。
GPT模型在訓(xùn)練時(shí)使用了大量的文本數(shù)據(jù)，包括維基百科和其他公共數(shù)據(jù)集。這種預(yù)訓(xùn)練的方法可以使模型具有廣泛的知識(shí)，從而在各種自然語言處理任務(wù)上表現(xiàn)出色。通過微調(diào)預(yù)訓(xùn)練的模型，可以為特定的自然語言處理任務(wù)（如問答、文本分類、命名實(shí)體識(shí)別等）獲得更好的結(jié)果。
當(dāng)前，GPT模型已經(jīng)發(fā)展到第3代（GPT-3），擁有1750億個(gè)參數(shù)，是目前最大的自然語言處理模型之一，可以在許多任務(wù)上取得出色的表現(xiàn)。
CNN是卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network）的縮寫，是一種在圖像識(shí)別、計(jì)算機(jī)視覺和語音識(shí)別等領(lǐng)域中廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型。
CNN模型的核心是卷積層（Convolutional Layer），它使用一系列可學(xué)習(xí)的卷積核（Filter）對(duì)輸入數(shù)據(jù)進(jìn)行卷積運(yùn)算，以提取數(shù)據(jù)的特征。卷積運(yùn)算可以有效地處理圖像等數(shù)據(jù)，因?yàn)樗梢岳脠D像中像素之間的空間關(guān)系，而不是將它們視為獨(dú)立的數(shù)據(jù)點(diǎn)。通過對(duì)多個(gè)卷積層進(jìn)行堆疊和池化層（Pooling Layer）的降采樣，可以進(jìn)一步減少特征映射的維數(shù)，從而減少計(jì)算量和內(nèi)存需求。
聯(lián)系客服
