当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 微软Copilot好比早期特斯拉造车 生产速度一流但品控一言难尽

微软Copilot好比早期特斯拉造车 生产速度一流但品控一言难尽

来源:51CTO.COM 2023-04-25 17:42:22 0浏览 收藏

哈喽!大家好,很高兴又见面了,我是golang学习网的一名作者,今天由我给大家带来一篇《微软Copilot好比早期特斯拉造车 生产速度一流但品控一言难尽》,本文主要会讲到等等知识点,希望大家一起学习进步,也欢迎大家关注、点赞、收藏、转发! 下面就一起来看看吧!

Copilot工具的最大优势在于“数量”,也就是说完成任务的时间会大大缩短,就业、绩效、工作流程可能都会被它改变。当然Copilot也能提升“质量”,只是目前生成式AI还不够成熟,在质量提升方面还远远不够出色。

类比的话微软Copilot好比早期造车的特斯拉,生产汽车的速度很快但质量一般。对于追求“速度”的员工来说,生成式AI工具很有吸引力,但同时还是要注意不能忽视质量。

QQ截图20230320171148.jpg

从特斯拉看生成式AI

我们其实可以类比特斯拉。当特斯拉杀入汽车市场时,它顶着“科技公司”的光环,高度重视自动化和机器人技术。当时的特斯拉对于如何制造汽车理解并不深刻,但最终特斯拉还是造出了价格足够便宜的电动汽车。

尽管特斯拉汽车受到追捧,但质量问题频频出现。因为特斯拉高度关注速度、成本,它所使用的机器人、自动化技术提高了生产速度,但并没有改进质量,这和生成式AI目前的表现是一样的。

再看看捷豹,当初它在新的自化工厂生产F-Type,工厂专业人员是从奔驰请来的。F-Type的产量并不高,但质量却出类拔萃,因为运营工厂的专业人士带来了高质量管理经验,所以生产的汽车问题很少。

机器人、AI技术无疑可以大幅提升生产速度,当生产中好的部分提速时,坏的部分也同样在提速,因为技术本身无法区分好坏。当然,你可以训练AI,告诉它“好”与“坏”的区别,但AI仍然无法理解如何达到高质量。

AI也没有创造能力。内容生成式AI也是一样的,只有当使用者知道如何创造“高质量”,AI才能发挥作用,真正帮人类打造出高质量产品。如果使用者牺牲质量追求数量,AI仍然只能协助生产出质量低劣的产品。

随着时间的推移,特斯拉汽车的质量不断改进,但最初它所获得的优势也在削弱。早先购买特斯拉电动汽车的可能是保时捷车主,他们十分关注汽车质量,特斯拉早期声誉不佳会影响购车者态度。

面向PowerPoint的Copilot

当我们使用Copilot时,一方面要关注Copilot如何提高生产力,另一方面还要关注它如何提高“质量”。在PowerPoint中使用Copilot给我们带来了有趣的体验,值得仔细探索。

许多人会在演讲笔记中使用PowerPoint,但从来没有考虑用PowerPoint传递视觉信息。Copilot带来了变化,它能帮我们制作更加视觉化的媒介内容。以前使用PowerPoint时用户可能追求的是制作更棒的“演示文稿”,现在可以添加丰富的“视觉化元素”。

如果你很会讲故事,Copilot能让你如虎添翼。Copilot可以为文档、图书制作图片,用视觉元素讲述各种概念,让沟通变得更直观。如果你不会讲故事,即使有了Copilot也还是会陷入困境。

掌握生成式AI需要时间,需要学习。当你深入学习并掌控生成式自动化AI工具,工作速度会大幅提升。和任何自动化工具一样,如果从一开始你就努力消除缺陷,未来缺陷就能得到更好的控制。如果你一开始就放纵,不注意消除缺陷,未来就要投入更多时间调整修正。

生成式AI工具仍处在进化初期,毫无疑问,未来掌握此技术的人将会淘汰没有掌控者,正如掌控电脑的人淘汰使用打字机和计算器的人。

到底生成式AI会带来怎样的变革我们不得而知。不过美国不断优化生产工具,提升生产力,这一研发方向还是值得我们的企业好好学习的。(小刀)

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。

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
如何在 Windows 11 中创建自己的日志文件?如何在 Windows 11 中创建自己的日志文件?
上一篇
如何在 Windows 11 中创建自己的日志文件?
功能安全机制:内存分区与实现
下一篇
功能安全机制:内存分区与实现
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    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。
    570次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    614次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    641次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    601次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    419次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码