互联网风云变幻，最近网上的壮士们经过不懈努力，成功揪出作家莫言为一害，微博上的壮士们给出的理由是“如果莫言是个好人，会给他发诺贝尔文学奖？”
此风波的始作俑者来自某大V，他信誓旦旦要起诉莫言老师，他的诉讼请求，首先是代表“15亿中国人”要莫言道歉，然后再代表“15亿中国人”向莫言索赔。
我认为，你个人想整坏水就自己整，不要上升到中国人的高度，也不要代表其他人。这样的跳梁小丑，你不配，没资格。
对于网上的除害呼声，我特别凑了三个，与热映大片《周处除三害》相应景。
1、英语：一直在铲除，一直在努力，最多就一纸行政命令的事儿。
2、谷歌：铲除不了，那就雪藏，2014年已经这样干了。
3、ChatGPT：铲除不了，作法同谷歌，但效率更高。该产品发布当天，其官网已无法直接访问。
这三害，是某些人的毒草，但却是更多人的益生菌。
这两天“知识大航海”群里的姐姐分享了关于ChatGPT的学习心得。
我读了受益匪浅，摘录整理如下。
LLM(大语言模型）内部运行是这样的，首先把提示词切分成一个个小的token，接着转为向量，再接着用训练好的神经网络去算和它相关的第一个token（有时也不一定选最相关的，可有一定随机性），然后把生成的第一个token返输入大模型，计算第二个token，如此反复。
gpt之所以能够看似”创造性“地使用人类语言来完成任务，是因为人类的语言并不是像先前看似的那么”难以计算“。
gpt说到底，就是一个神经网络，它用了很多层”神经元"进行层层计算，最后得到一个结果（对gpt而言，就是得到一个token)。
但其本质还是“计算”，也就是说只能处理能够被计算的问题。而有些问题，在数学上被称为“不可计算约简性问题”，这类问题是不能由简单的计算就能得到结果的问题，比如生物学上很多问题，因为系统实在太过复杂。
目前看，只能用“模拟”它的步骤来得到一个近似结果，而非计算。
这些问题就是神经网络的局限。
另外，大语言模型真正有用的地方就是它比人类科学家学习的内容多，即使再天才的科学家也是人，人不可能穷尽某个领域的所有知识，所以科学家们每年都会到处开会，去看看别人在干嘛，怎么干的。
这样的话，大语言模型能帮助到人更快了解到他的研究领域内其他人干的事儿，从而帮助到工作。
只有好的数据，才能训练出好的模型。目前各家公司都没有把微调过程的数据公开，数据，算力，这些都决定了大语言模型的好坏。
我于是下载了Stephen Wolfram写的科普书《这就是ChatGPT》，166页，内容不多。书里没有长篇大论的数字符号，都是通俗的语言解释了ChatGPT的运行原理。
ChatGPT产品的公司老大为此书特别写了书评：这是我见过的对ChatGPT原理最佳的解释。
书籍已经传到了百度网盘，大家订图片右下角，输入暗号“大模型”，就可以有书了。
我只花两个多小时就翻完了，今天姐妹们半天假，可以看看这书，在放松自己的同时，获得了知识，是不是一举两得呀。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
