省时查报告-专业、及时、全面的行研报告库
省时查方案-专业、及时、全面的营销策划方案库
【免费下载】2023年1月份热门报告合集
ChatGPT的发展历程、原理、技术架构及未来方向
《ChatGPT:真格基金分享.pdf》
2023年AIGC发展趋势报告:人工智能的下一时代
推荐技术在vivo互联网商业化业务中的实践.pdf
推荐系统基本问题及系统优化路径.pdf
大规模推荐类深度学习系统的设计实践.pdf
荣耀推荐算法架构演进实践.pdf
推荐系统在腾讯游戏中的应用实践.pdf
微信视频号实时推荐技术架构分享
推荐系统的变与不变
车万翔博士,哈尔滨工业大学计算学部长聘教授、博士生导师,人工智能研究院副院长,社会计算与信息检索中心副主任。
ChatGPT彻底火了,被认为将对搜索引擎构成巨大的挑战,甚至将取代很多人的工作,更将颠覆很多行业。那么,ChatGPT到底解决了什么本质问题,才能变得如此强大并受到广泛的关注呢?我非常认同一位师兄的观点:ChatGPT是继数据库和搜索引擎之后的新一代知识处理工具。稍加完善,ChatGPT是全新一代的“知识表示和调用方式”。
知识在计算机内的表示是人工智能的核心问题。早期,知识以结构化的方式存储在数据库中,人类需要掌握机器语言,如SQL,才能调用这些知识;后来,随着互联网的诞生,更多文本、图片、视频等非结构化知识存储在互联网中,人类通过关键词的方式调用搜索引擎获取知识;现在,知识以参数的形式存储在大模型中(从2018年开始),ChatGPT主要解决了用自然语言直接调用这些知识的问题,这也是人类获取知识最自然的方式。
如果认识到ChatGPT只是“知识的搬运工”而不是“创造者”,那么我们人类就大可不必这么焦虑了,毕竟只有我们才能探索未知,其他都是工具。
不过,回到自然语言处理(NLP)的研究领域,现状和当年的信息检索也有点儿像,研究方式由单点突破变为了系统级别的研究。在这样的情况下,NLP学术界确实非常危急:
首先,学术界可做的研究将越来越少(对比SIGIR和其他AI会议发表论文的数量),而且越来越偏向非核心方向;
其次,工业界的优势将越来越明显,不但掌握计算资源,而且掌握大量的用户和用户的反馈数据(又称AI正循环、AI飞轮、“涟漪效应”等);
最后,研究任务甚至研究领域间的壁垒被打破,所有问题都转化为了Seq2seq问题,其他领域的研究者会快速侵占过来。
如果不进行系统级的研究,那么将导致NLP未来的研究变得越来越困难:
首先,学术界研究空间被挤压,只能集中在一些相对边缘的研究方向;
其次,在大公司施舍的用户数据上进行实验,不但量小,而且不真实,导致研究结论未必有用和可靠;
最后,通过调用公司提供的API进行研究,导致一旦模型调整,结论有可能改变。
那么我们该如何应对ChatGPT带来的挑战呢?面对一种境遇,无非三种应对方式,激烈对抗、勇于入世、无可奈何:
所谓激烈对抗,就是孤注一掷打造我们自己的ChatGPT;
勇于入世就是融入大模型的生态系统,通过调用API或者直接使用开源模型做研究;
无可奈何也是一种方式,继续做小模型或基于小模型的研究,或者干脆换个研究领域。
如果是你,会做何种选择呢?
「 更多干货,更多收获 」
【免费下载】2023年1月份热门报告合集ChatGPT的发展历程、原理、技术架构及未来方向《ChatGPT:真格基金分享.pdf》2023年AIGC发展趋势报告:人工智能的下一时代推荐系统在腾讯游戏中的应用实践.pdf推荐技术在vivo互联网商业化业务中的实践.pdf2023年,如何科学制定年度规划?《底层逻辑》高清配图