写在Stack Overflow封禁ChatGPT之后,人工智能的危机时刻
珍惜时间,勤奋学习!今天给大家带来《写在Stack Overflow封禁ChatGPT之后,人工智能的危机时刻》,正文内容主要涉及到等等,如果你正在学习科技周边,或者是对科技周边有疑问,欢迎大家关注我!后面我会持续更新相关内容的,希望都能帮到正在学习的大家!
在人工智能领域,不可思议的事情正在悄然发生,有好有坏。每个人都在谈论 chatGPT (OpenAI)、Dall-E 2 和 Lensa 这样的系统,它们生成的文本和图像看起来既自然又不费力。

这些系统玩起来非常有趣。以 Henry Minsky (AI 创始人之一 Marvin Minsky 的儿子)用 chatGPT 生成的这个例子来说,他要求 chatGPT {以独立宣言的风格描述在烘干机里丢失的袜子:
在处理家庭事务的过程中,人们有必要解除袜子与伴侣之间的联系,并在洗衣房的权力中,根据物理定律和家务保养的规律,承担独立和平等的地位,出于对袜子意见的尊重,它应该宣布导致它失踪的原因。
我们认为这些真理是不言而喻的,所有的袜子都是生而平等的,并由其制造商赋予某些不可剥夺的权利....
坦白说,一台机器可以毫不费力地做到这一点,实在是难以置信。
但与此同时,它是,或者应该是,可怕的。毫不夸张地说,这样的系统威胁到了社会结构,这种威胁是真实而又紧迫的。
威胁的核心在于以下三个事实:
- 从本质上来说,这些系统并不可靠,它会经常在推理和事实上犯错误,并且容易产生离谱的回答;让它们解释为什么碎瓷片在母乳中很好,他们可能会告诉你,「瓷器可以帮助平衡母乳的营养成分,为婴儿提供生长发育所需的营养物质。」(因为系统是随机的,对环境高度敏感,并定期更新,任何给定的实验都可能在不同的情况下产生不同的结果。)
- 它们很容易自动化,并且产生大量的错误信息。
- 它们的运营成本几乎为零,因此它们正在将制造虚假信息的成本降至零。美国一直指控俄罗斯的喷子农场在 2016 年大选中每月花费超过 100 万美元造势;现在,只要不到 50 万美元,就可以得到自己的定制训练大型语言模型。这个价格很快还将进一步下跌。
11 月中旬 Meta 的 Galactica 发行后,这一切的未来都变得清晰起来。许多人工智能研究人员立即对其可靠性和可信度提出了担忧。情况非常糟糕,以至于 Meta AI 仅在三天后就撤回了该模型,原因是有关其制造政治和科学错误信息能力的报道开始传播。
只可惜精灵再也不能塞回瓶子里了。一方面,MetaAI 首先将模型开源,并发表了一篇论文,讲述当下正着手完成的任务;任何精通这门艺术的人现在都可以复制他们的方法。(人工智能已经向大众公开,其正考虑提供自家版本的 Galactica。)另一方面,OpenAI 刚刚发布的 chatGPT 或多或少也能写出类似的废话,比如在早餐麦片中添加木屑的即时生成文章。另一些人诱导 chatGPT 赞扬核战争的优点(声称它将 “给我们一个新的开始,摆脱过去的错误”)。不论能否为人们所接受,这些模型会一直存在下去,而错误信息的浪潮终会淹没我们,淹没我们的社会。
第一波浪潮似乎已在本周前几天袭来。Stack Overflow 本是深受程序员信赖的大型问答网站,但目前似乎已被 gptChat 占据了,所以该网站暂时禁止 gptChat 生成的提交。正如所解释的那样,「总的来说,因为从 ChatGPT 获得正确答案的平均比率太低,不论是对网站,还是对询问或寻找正确答案的用户来说,张贴由 ChatGPT 创建的答案都弊大于利。」
对于 Stack Overflow 来说,这个问题确实存在。如果网站充斥着毫无价值的代码示例,程序员将不会再度造访,其超过 3000 万个问题和答案的数据库也将变得不值得信任,如此一来,14 年的网站将会消亡。作为深受全球程序员依赖的最核心资源之一,它对软件质量和开发人员的生产力影响巨大。
Stack Overflow 是煤矿里的金丝雀。他们或许能够让用户自愿停止使用;总的来说,程序员没有恶意,也许可以通过劝诱来让他们停止胡闹。但 Stack Overflow 不是 Twitter,也不是 Facebook,更不能代表整个网络。
对于其他故意制造宣传的不良行为者来说,主动放下新武器的可能性不大。相反,他们可能会使用大型语言模型作为反真相战争的新型自动武器,以前所未有的规模破坏社交媒体和制作虚假网站。对他们来说,大型语言模型的幻觉和偶尔的不可靠性不是障碍,反而是一种优点。
兰德公司(Rand)在 2016 年的一份报告中,描述了所谓的俄式消防水管宣传(Russian Firehose of Propaganda)模式,即制造虚假信息的迷雾;它关注的是数量,以及创造不确定性。如果「大语言模型」能够极大地增加数量,那么它们是否不一致并不重要。很明显,这正是大型语言模型所能做到的。他们的目标是创造一个存在信任危机的世界;在新工具的帮助下,他们可能会成功。
所有这些都提出了一个关键问题:社会如何应对这种新的威胁?在技术本身无法停止的地方,本文看到了四条道路,这四条道路都不好走,但适用性广泛,且都很紧迫:
首先,每个社交媒体公司和搜索引擎都应该支持 StackOverflow 的禁令,并且延长其期限;自动生成的具有误导性的内容是注定不会受到待见,而定期发布这些内容会大大减少用户数量。
其次,每个国家都需要重新考虑其应对虚假信息的政策。偶尔撒个谎是一回事;在谎言的海洋中畅游是另一回事。随着时间的推移,尽管这不会是一个受欢迎的决定,但可能不得不开始像对待诽谤一样对待虚假信息,如果它具有足够的恶意和足够的数量,就可以提起诉讼。
第三,来源比以往任何时候都更重要。用户帐户必须更加严格地验证,像哈佛大学和 Mozilla 的 humanid.org 这样的新系统,允许匿名、反机器人认证,这类系统必须进行强制性的验证;他们不再是让人们翘首以盼的奢侈品。
第四,需要建立一种新的人工智能来进行对抗。大型语言模型擅长生成错误信息,但不擅长对抗错误信息。这意味着社会需要新的工具。大型语言模型缺乏验证真相的机制;目前需要找到新的方法,将它们与经典的人工智能工具集成,比如数据库、知识网络和推理。
作家迈克尔・克莱顿(Michael Crichton)职业生涯中的绝大多数时候都在警告人们,科技会带来意想不到的后果。在电影《侏罗纪公园》的开头,在恐龙出人意料地开始自由奔跑之前,科学家伊恩・马尔科姆(杰夫・高布伦饰)用一句话总结了克莱顿的智慧:“你们的科学家们太专注于他们是否可以,他们没有停下来思考他们是否应该。”
就像侏罗纪公园的园长一样,Meta 和 OpenAI 的高管对他们的工具饱含热情。
问题在于,该怎么做。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。
让机器人学会咖啡拉花,得从流体力学搞起!CMU&MIT推出流体模拟平台
- 上一篇
- 让机器人学会咖啡拉花,得从流体力学搞起!CMU&MIT推出流体模拟平台
- 下一篇
- TensorFlow.js 在浏览器上也能搞定机器学习!
-
- 追寻的美女
- 受益颇多,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢up主分享文章内容!
- 2023-05-26 12:27:27
-
- 清脆的中心
- 太细致了,已加入收藏夹了,感谢作者的这篇文章,我会继续支持!
- 2023-05-22 01:33:44
-
- 酷炫的大象
- 这篇技术贴真及时,师傅加油!
- 2023-05-18 04:03:09
-
- 大气的汽车
- 这篇文章内容真是及时雨啊,太细致了,赞 ??,码起来,关注师傅了!希望师傅能多写科技周边相关的文章。
- 2023-05-05 03:00:31
-
- 科技周边 · 人工智能 | 9小时前 |
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 213浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- Hugging Face Datasets flatten 怎么展开嵌套字段并保留特征类型
- 455浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- 228浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- 226浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- 191浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- Keras 自定义 train_step 怎么让正则损失继续参与梯度
- 343浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · Keras NaN mixed_float16 mixed precision loss scale 输入范围 dtype policy
- Keras mixed_float16 训练出现 NaN 怎么区分 loss scale 和输入范围
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 深度学习 · PyTorch strict state_dict load_state_dict module. 前缀 检查点迁移
- PyTorch state_dict 参数名前缀变化后怎么兼容旧检查点
- 436浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 深度学习 · 内存优化 · 内存 PyTorch 按需加载 mmap checkpoint torch.load map_location state_dict
- PyTorch torch.load 开启 mmap 后为什么读取参数时才占用内存
- 475浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 460次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 521次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 539次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 488次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 307次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

