| 詳細信息 |
ChatGPT在人工智能行業(yè)的應用前景及影響 |
| 編輯： 來源：哈爾濱工業(yè)大學自然語言處理研究所 時間：2023/4/3 |
ChatGPT 的發(fā)布及其取得的巨大成功對人工智能行業(yè)形成了強烈的沖 擊，人們發(fā)現(xiàn)之前許多懸而未解的問題在 ChatGPT 身上迎刃而解（包括事 實型問答、文本摘要事實一致性、篇章J機器翻譯的性別問題等），ChatGPT 引起了巨大的恐慌。然而從另一個角度看，我們也可以把 ChatGPT 當成是 一個工具來幫助我們的開發(fā)、優(yōu)化我們的模型、豐富我們的應用場景，比如： 1. 代碼開發(fā)：利用 ChatGPT 輔助開發(fā)代碼，提G開發(fā)效率，包括代碼 補全、自然語言指令生成代碼、代碼翻譯、bug 修復等； 2. ChatGPT 和具體任務相結合：ChatGPT 的生成結果在許多任務上 相比微調小模型都有很明顯的可取之處（比如文本摘要的事實一致 性，篇章J機器翻譯的性別問題），在微調小模型的基礎上結合這些 ChatGPT 的長處，可能可以在避免訓練部署下顯著提升小模型的效 果； 3. 同時基于 ChatGPT 指令微調激發(fā)的零樣本能力，對于只有少數(shù)標注 或者沒有標注數(shù)據(jù)的任務以及需要分布外泛化的任務，我們既可以直 接應用 ChatGPT，也可以把 ChatGPT 當作冷啟動收集相關語料的工 具，豐富我們的應用場景。
|
| 【聲明：轉載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述，文章內容僅供參考，如有侵權，請聯(lián)系刪除�！� |
| 推薦信息 |
|
ChatGPT有標注策略導致的局限
除英語之外的其它語言在預訓練語料庫中占比很少;很難糾正ChatGPt的事實性錯誤,使其使用場景受限;在多模態(tài)任務上還無法處理
ChatGPT有大規(guī)模語言模型自身的局限
可信性無法保證;無法實時地融入新知識,可回答的知識范圍有明顯的邊界;成本高昂部署困難;在特定的專業(yè)領域上表現(xiàn)欠佳;每次生成結果有細微的不同
ChatGPT相較于微調小模型的優(yōu)點
通過大量指令激發(fā)的泛化能力在零樣本和少樣本場景下具有顯著優(yōu)勢,在未 見過的任務上也可以有所表現(xiàn),在微調小模型的范式下實現(xiàn)的泛化能力
ChatGPT相較于其它大規(guī)模語言模型的優(yōu)點
ChatGPT 使用了更多的多輪對話數(shù)據(jù)進行指令微調,這使其擁有了建模對話歷史的能 力,能持續(xù)和用戶交互,基于人類反饋 的強化學習調整模型的輸出偏好
ChatGPT相較于普通聊天機器人的優(yōu)點
ChatGPT類似于市場上其他聊天機器人(微軟小冰,百度度秘等),可與人類自然交互 簡單直接;ChatGPT 的回答更準確, 答案更流暢,能進行更細致的推理,能完成更多的任務
ChatGPT 的未來技術發(fā)展方向
無法產生本應產生的正確回復; 對于輸入措辭比較敏感;生成的回復通常過于冗長;其模型過于龐大使用成本過高;減少人類反饋信息的 RLAIF
ChatGPT 插件發(fā)布帶來的十大關注點
定義大模型的toC平臺商業(yè)模式;開放 API 標準;未來應用內又可反向嵌入 ChatGPT;知識更新問題被解決;很大程度解決準確性問題
ChatGPT的未來改進方向
ChatGPT雖然對話能力強,但是在數(shù)理計算對話中容易出現(xiàn)一本正經胡說八道的情況,ChatGPT很強大,但其模型大小和使用成本也讓很多人望而卻步 |
| 智能運輸機器人 |
| AGV無人運輸機器人-料箱版 |
| AGV無人運輸機器人-標準版 |
| AGV無人運輸機器人-料箱版（鈑金材質） |
| AGV無人運輸機器人-貨架版（鈑金材質） |
| AGV無人運輸機器人-貨架版（亮面不銹鋼材質） |
| AGV無人運輸機器人-開放版 |
| 行業(yè)動態(tài) |
