主题：chatGPT是我朝面临的巨大挑战！应鼓励天才和尖子，刻不容 -- 玄铁重剑
家园 有个人测过 人语音的盲分离。chatGPT写了代码，用fastICA算法，并且提醒数据要预处理降噪。
继续问怎么去除飞机的噪音，chatGPT给写了一个滤波程序，并且给出对飞机噪音频率的假设。
这个例子展示了，如果你会“问问题”，把一个大问题化解成小问题，chatGPT就能一步步给你解决。
家园 才3个月时间，GPT-4能力进化很快。 -- 有补充 2个月前，GPT还要靠文字说明来生成程序，现在给张图就可以生成程序了。
GPT-4王者加冕！读图做题性能炸天
https://finance.sina.cn/tech/csj/2023-03-15/detail-imykxazi3575366.d.html
要求GPT-4解出巴黎综合理工的一道物理题，测辐射热计的辐射检测原理。值得注意的是，这还是一道法语题。
GPT-4开始解题：要回答问题 I.1.a，我们需要每个点的温度 T（x），用导电棒的横坐标x表示。
随后解题过程，写公式，全程高能。
Greg直接在纸上画了一个潦草的示意图，拍个照，发给 GPT说，给我按照这个图写代码，就写出来了。
通宝推：exprade,作者 对本帖的 补充(1)家园 值得担心的是AI用于军事，我们没有太多时间可以浪费了 -- 补充帖 现在AI能力进步很快，2月前需要文字仔细说明才能写程序，现在给张框图就可以写程序了。
我们不能忽视AI在军事上的应用，比如说AI用于空战，
一旦成熟，在兵种协同、战术配合、后勤补给上，中间层级指挥调动自动化数字化，无缝衔接，对于不采用这种系统的对手来说，可能会做到碾压态势。
希望国家赶紧理顺科研机制，没有太多的时间可以浪费了。
见前补充 4874036 家园 没事，到时间屎尿往上一泼就失效了
家园 聊天狗屁通就一个市场营销 主要是为了圈钱和为微软的 Office+Bing 续命的。没必要“我陷思”+“定体问”。
类似聊天狗屁通的，中国早就有。“九歌”写的诗词比聊天狗屁通好。“彩云小筑”写的小说比聊天狗屁通好。真用聊天狗屁通来搞科研，可能我们会见证历史上第一位 AI 民科的诞生😁
通宝推：张新泉,大胖子,家园 你们不是搞科研的，根本不知道这玩意有多强 这玩意完全打通了成山成海的论文和科研工作者之间的距离。
我再也不需要去一个个翻文献一篇篇文章读过去了。
只要是人类科研里有过的东西，我只要问他简单的问题，他就可以给出相关的答案附带理论分析附带原始文献。
综述？再也没有什么综述了！
国内再TMD靠综述刷引用的文章都死定了。
再想想人类平时搞科研的数据库都是哪里来的，再想想国内的杰出工作都是在哪些国外期刊上发表的，再想想各种数据的质量对比。
这就是Wikipedia打百度百科
ACS/RSC/爱思唯尔/Springer/Wiley这些出版社打中国知网！
家园 国外期刊中国读不到吗 莫名其妙
家园 只会让科研变得更难 目前这个所谓人工智能好处很多人都是没根据瞎设想，但坏处是明显可见的，其自动化批量拼凑内容，将导致将来要从事科研的人，将花费比之前更大的时间和精力来筛除掉虚假部分，将让科技研究变得极其低效。就如我们今天面对垃圾信息刷搜索引擎排行，导致我们找信息需要消耗极大精力去消除这种影响，现今搜索引擎已经远不如十五年前好用。
至于说现在要相关搜索多难，将来只会更难，现在你只需要面对真实的期刊文章，将来要面对的就是海量虚假信息+现有的期刊文章，为了分辨真假，同样要一篇篇过去。
通宝推：潜望镜,澹泊敬诚,杨微粒,孟词宗,家园 这对美国科研可能影响更大 你说得非常对，GPT将极大地增加科研垃圾的产出。科研本来是一个进入宝库找法宝出来用的事情，现在宝库变成了垃圾堆，你得先进去翻来翻去找出宝贝，然后还得检验一下它是不是宝贝，最后才能拿来用。
但荒谬的是，这事可能对美国的不利影响更大。因为中国科研本来就有一个超级碳基分布式GPT在，大家都习惯了，反而影响不大。中国也有更多的人力去翻垃圾。
历史真是没有终结啊。
通宝推：菜根谭,家园 垃圾更多，相应地精品也更多了 世界发展就是这样。
家园 似乎你说反了 对付虚假信息怎么操作，不是应该考据党么。 这个GTP的最大本事就是信息量大的基础上还会逻辑推理，话说这个能力倒是一个迷还不理解是怎么做到的。能够总结归纳外推反推，加上海量信息，再多的虚假信息也禁不住一个执着的考据党兼具备严谨逻辑能力的GPT。
当然，如果控制GPT的人故意制造虚假信息，比如在复杂推理过程中使用错误逻辑，人类则更较难防范，毕竟以前对手是人，现在是人与GPT，鉴别对方虚假信息能力高下立分。 所以你的结论需要看对象，对于GPT支持的科研是如虎添翼，对于GPT反对的科研则事倍功半，这是一个很可怕的前景。
GPT必须要有对应级别的对手来维持恐怖平衡。
- 复 似乎你说反了
家园 gpt并不会逻辑推理 他的思路和stable diffusion非常像，都是抠掉一部分信息让AI来猜。
GPT的预训练过程是通过训练大量文本数据来实现的，它使用了一种叫做masked language model（MLM）的技术，即在训练过程中，模型会被要求预测一些被mask掉的词，从而学习到文本的语义特征。在训练完成后，模型就可以用来处理文本，如文本分类、问答等。
让他做个鸡兔同笼，可能就瞎做。
通宝推：唐家山, - 复 似乎你说反了
家园 人工智能判断的标准恰恰是可以杜撰的 人工智能的判断标准，开始是人为判断的，就是最古老的搜索引擎，只要关键字对，就全给上，不管是否真的有关。
接着，就是新型的搜索引擎，典型的是谷歌，利用关联连接，这和学术文论的引用率是一致的，使得信息的关联度大涨，信息正确率大幅提升。然而，后来的搜索引擎优化技术，使得这个方法也失效了，就是海量的无关垃圾信息，靠人造的关联度，使其占据了主要的搜索位置。
现在，基于新一代人工智能出来的这个，是可以学习进化的，除了原先的自带模式，也可根据多个行为关联而学习。这也是有漏洞的，就是反复错误学习，可以令其失能。而这用机器自动批量做，比人类强得太多了。
就比如中文论坛里出现的海量1450，其只是几个关键词触发的批量处理程序，就已经造成了整个中文互联网海量信息失衡，舆论方向乱窜，比如去年河里的新冠讨论，自动处理程序不间断发帖回帖，全是一个讨论各种角度反复说，让真人辩论得不亦疲惫乎。如果其再加入学习进化模式，那原先反复刷固定文本片段的行为，将进化为自动演进文本，到时人类和人工智能辩论，绝对可以被气死。
考据？你要考据过就知道寻找一条谣言的信息来源有多难了，何况人工智能加了几道弯，相当于加了密。
换到学术领域，同理。现在的人为制造的垃圾引用关联，已经造成了很大的精力浪费了。楼上那位从事学术的，说他只需提交需求描述，人工智能就能给他提供有效的建议，这是 幸存者偏差，他刚好遇到几个他平时没注意的情况，他是如何判断是有效的？当然是平时自己的经验积累，其实他用原来的搜索引擎用合适关键词也是能做到的。但如果是一个学业未精的呢？其如何判断人工智能提供的意外建议是有启发性还是虚假的？实际上还是要经常遍历论文，积累到足够的经验了，才能做到楼上所说的效果，但当经验积累够的时候，有时候仅凭片段描述或者无关的一些信息，也能获得巨大的提示，这是人的能力提升，不是人工智能的能力提升。
另外，围棋人工智能，上个月就被一个业余棋手用不断下无理手的办法，14：1，给干翻了。
对其模式的优点和缺陷足够了解，才能知道其能力有多强，而不是瞎激动。
通宝推：方平,心远地自偏,脑袋,青青的蓝,青青的蓝,唐家山,桥上,孟词宗,家园 有这回事？ 围棋人工智能，上个月就被一个业余棋手用不断下无理手的办法，14：1，给干翻了
是谷歌的alfa？还是腾讯的绝艺？
- 复 有这回事？
家园 AI:KataGo 只要对人工智能有充足了解，就知道这不是什么意外，只是有没人闲得无聊去真的这么做而已。
报道时间：20230220
基于AlphaGO和AlphaZero，由哈佛大学AI研究员David J. Wu开发的顶级开源围棋AI:KataGo。
在实际对局上，Pelrin 通过时不时将棋子落在棋盘其他角落的方式，成功分散了 AI 的注意力，让它忽略了越来越危险的局势，最终输掉比赛。
在2016年李世石唯一赢下AlphaGo的一局棋，就向人们揭示了AI棋手的弱点。
在那场对局中，李世石在第78手走了一步超出AlphaGo计算的棋，这似乎导致了AI出现Bug，在之后频繁失误，最终输掉比赛。
而从后来AI研究人员的研究来看，寻找AI棋手的盲点，通过针对性的战术将其击败确实是一个行之有效，并能够复现的策略。
但讽刺的是，这一战术可以击败顶尖的围棋AI，但却无法击败任何一名有一定经验的业余棋手。