对对,会给出一些似是而非的代码,可能是因为它训练的过程中,输入的内容就不是完全正确的。

Reply to this note

Please Login to reply.

Discussion

我现在几乎所有技术问题都问gpt了。尽管有些回答并不完全正确,但根据它提供的线索去搜文档,也比用google搜索->看stackoverflow效率高。

而且对gpt提问我都用完整的问题(which topic does kafka oracle source connector write event to),它会直接针对问题给出答案。比过去“google搜索关键词(kafka oracle source connector topic),打开网页,阅读并理解文档,最后定位到答案”这个过程效率高太多了。

直接描述问题的方式非常方便,对了解一些陌生领域特别有用。也有一些问题不好用关键词去表达,想关键词也是挺累的。

我目前抽样聊过几个行业的,搞硬科技几乎普遍觉得用处有限,他们都是想来应该很好,但具体用到真实工作就开始骂娘。软件的话聊过一个EDA的,也觉得真实工作用处有限,但他觉得如果专门优化了当成EDA工具也许可以。当然这些人都是中层或以上,有片面性。

还有很大的进步空间,不知道是不是和训练内容的来源有关,有很多知识不是互联网上能够获得的。

滑稽的是很多搞AI的除了通过研究间接使用外,平时不直接使用。我曾经认为审核成本是主要问题,现在觉得人机交互才是,包括预期管理,思维适应等等。

大概要等到AI原著民一代长大才能得心应手地使用,干一些很专业很精确的事。现在对于我它更多地像个资料文本助手,以及陪聊伙伴。

也许吧,我倾向于主要是机器这一侧的问题,而不是用户使用习惯或规范的问题,就像闪电网络,需要闪电网络让用户可以使用,而不是教育用户会使用闪电网络。

你一提AI原著民这个词语我就瞬间感觉自己老了,脑子马上出现20年后被一群小屁孩骂老古董的场景

那一天很快就来了😂

是的,现在想来,“想关键词”这个习惯也只是过去nlp技术不发达导致人不得不养成的一个“workaround”。在问题变成关键词这一步,信息已经损失了。现在gpt没有这种信息损失,又能够让人不用去阅读理解文档(也是很慢的步骤),效率自然就高了。

是的,在语法和语义方面进步很多,远古的信息检索还要加布尔逻辑,切词算词频来理解大量文本的意思,现在都不需要了,我更期待的是语用方面的突破,也就是如何更好理解context,现在的chat bot如果这方面能提高一点,要好用很多,微软预告的全家桶就是这个方向,那是真的有个察言观色的助理/保姆了。

同意,特别是码农知识,new bing的搜索效率高于原来手动搜索,其它领域不好说。

难以想象plugin和api正式普及 chatgpt对各个软件领域的冲击之大