黄仁勋:GPT-4在哪些内容上比GPT-3做出了更多的进步,可以举个例子吗?
伊尔亚-苏茨克维:比如说在一些数学竞赛上(像高中数学竞赛),很多问题是需要图表来解答的 。GPT-3.5对于图表的解读做得特别差,而GPT-4只需要文本就可以解读,准确率有很哒的提升 。
黄仁勋:你之前提到,AI能够生成各种不同的文本来去训练另外一个AI 。比如说,在所有的语言之中一共有20万亿不同的语言计数单位去培训语言模型,那么这个语言模型的培训到底是什么样的?AI是否可生成出只属于AI的数据来去自我培训?这样的形式看起来是一个闭环的模型,就像我们人类通过自己不断地去学习外部的世界、通过自我反思、通过解决问题来去训练我们自己的大脑 。你怎么看这样一个合成生成过程,以及AI的自我学习和自我培训呢?
伊尔亚-苏茨克维:我不会低估这个部分已经存在的数据,甚至我认为这里面存在的数据要比我们意识到的数据更多 。
黄仁勋:是的,这也是我们在不断展望的未来中去思考的事情,相信总有一天,AI能够自己去生成内容、进行自我学习,并且可以自我改善 。你是否可以总结一下我们现在处于什么样的发展阶段?以及在不远的将来,我们的生成式AI能够达到什么样的情况?对于大语言模型,它的未来是什么?
伊尔亚-苏茨克维:对我来说,预测未来是很困难的 。我们能做的就是把这件事,持续做下去,我们将会让大家看到更多令人感到惊艳版本的系统 。我们希望能够去提高数据的可靠度,让系统真正能够获得人们的信任 。如果让生成式的AI去总结某一些文本,然后得出一个结论 。目前AI在解读这个文本过程中,还没有完全去验证文本的真实性以及文本所说的信息的来源,这一点是很重要的 。接下来我们对于未来的展望,就是让神经网络必须要意识到所有数据来源的真实性,让神经网络意识到用户每一步的需求 。
黄仁勋:这种技术希望能够展现给人们更多的可靠性 。我还有最后一个问题,你觉得第一次使用ChatGPT-4的时候,有哪些性能让你觉得是很令人惊艳和震惊的?
伊尔亚-苏茨克维:对比之前的ChatGPT版本,神经网络只会回答问题,有的时候也会误解问题,回答上很不理想 。但是GPT-4基本没有再误解问题,会以更快的方式去难题,能够去处理复杂的艰难的任务,这个对我来说特别有意义 。举例子来看,很多人意识到ChatGPT能够写诗,比如说它可以写押头韵的诗,也能够写押尾韵的诗 。并且它能够去解释笑话,能明白这个笑话背后到底是什么样的意义 。其实简而言之,就是它的可靠性更好了 。
我在这个行业从业差不多二十多年了,让我认为“惊艳”的特点,就是它本身存在的意义,是可以给人类带来帮助的 。它从最开始毫不起眼的工作领域慢慢成长,变得越来越强 。同样的一个神经网络,通过两种不同的方式来培训,能够变得越来越强大 。我也经常会发出疑问和感叹:这些神经网络是如何去成长如此之迅速的?我们是不是需要更多的培训?它是不是会像人脑一样不断成长?这让我感觉到它的伟大,或者说让人感到特别惊讶的方面 。
黄仁勋:回想过去我们也认识很长的时间了,你将整个职业生涯都奉献给了这个事业,看到你在GPT和AI方面有所建树 。今天跟你交流让我更清楚地了解了ChatGPT工作的逻辑,这是对于ChatGPT和Open AI最为深入、最为艺术的一种解释 。今天很高兴能够再次跟你交流,谢谢!
推荐阅读
- 这些人或失业?以ChatGPT为代表的人工智能将改变职场
- 李彦宏:中国基本不会再出一个OpenAI,创业公司重做ChatGPT没多大意义
- 下雪的歌曲有哪些?关于雪的歌?
- 关于云计算应用安全性的五大误解
- 在 MacBook Pro M1 上搭建 Chatgpt 自定义AI助手教程
- 大裁员和ChatGPT来袭,IT行业员工如何"活下去"
- ChatGPT将彻底改变人们的工作方式
- 病娇什么意思(关于病娇的真实案例)
- nylon是什么面料(viscose面料优缺点)
- 蜉蝣为什么只能活一天(关于蜉蝣的经典句子)