AI:变“弱智”了,但有人性了
哈喽!今天心血来潮给大家带来了《AI:变“弱智”了,但有人性了》,想必大家应该对科技周边都不陌生吧,那么阅读本文就都不会很困难,以下内容主要涉及到,若是你正在学习科技周边,千万别错过这篇文章~希望能帮助到你!
自然语言处理模型会改变我们的生活嘛?
少年人,想用它来写作业的,暂时死了这条心。
中年人,害怕因为它丢了饭碗的,暂时不用太担心。
老年人,值得拥有,希望开发团队为你上点心。

早在一年前Chat GPT就火出圈,成为人人热议的话题。但因为种种因素,国内并不“方便”使用。终于前不久,国产的版本——百度某言向大众开放了。就是说,我们有了自己大厂出品的“自然语言处理模型”,而且是免费的(目前)。
毫无意外,短短的几天内,两种产品的测评对比铺天盖地。多方的见解基本统一:
它们虽然都是深度学习技术下的自然语言模型,但基于算力、训练时长、算法复杂度、迁移能力等指标上,某GPT全面领先某言,甚至在实际运用上,某GPT能对自己生成的内容进行理解,并且依据对话的上下文进行推理,而某言依然在根据预设模板进行回答的阶段……

是不是听起来乏味又晦涩,不想看下去?没关系,它们叫“自然语言处理模型”,意思就是我们可以直接问“本人”:你为什么叫自然语言?它会亲自给你解释:自然语言指的是——说人话!
无论是某GPT还是某言,使用了它们就代表着,我们和数码世界的沟通再也不必迁就那些只有IT人士稔熟的繁文缛节,我们可以像面对面和一个人类那样、自然而然地说,自然而然地问。

我们“假设”青少年都有手机,都可以上网。
少年可以简单地复制粘贴一切家庭作业,然后颐指气使地说:给我写答案。
这件事在以前的搜索引擎年代,是不可理喻的。即使同一个数学题型,换一个参数,就在百度或者google里查无此题。但是某言可以。它满怀自信,大大方方在1分钟之内给你写下公式步骤和答案:这是一道鸡兔同笼题,根据某某推算的步骤,我们可以知道鸡占67%,兔占43%。
少年看了一眼,惊恐地直接问它:你不觉得这答案有毛病吗?
他也坦坦荡荡地回答你:是的,我错了,两者加在一起超过了100%。然后也并不改正。
此刻少年就知道,电脑人性的代价是,有点“弱智”。在这方面目前某GPT做得更好,但也不是好到你就敢笃定这是正确答案。更何况,考试不让带手机。
至于高校生,同样可以命令它们为你写一篇毕业论文,并且强调能够通过查重。无论某言还是某GPT,得令之后都信誓旦旦,大笔一挥,洋洋洒洒。但它们敢写,你敢用吗?
总而言之,自然语言工具勇于回答你一切问题,但往往模棱两可,常常道听途说。少年人想用他解决作业,可以暂时死了这条心。

我们“假设”中年人都有手机,都可以上网。
这些处于社会工作中间阶层的人一直担忧,机器人会不会代替人类、AI会不会抢占我们的工作。某综艺里,年轻的画家说:AI绘画不可能代替人类。就像人类发明了汽车,但不会替代脚,因为你去一趟厕所,不可能开车。
可惜,会!一定会、当然会、应该会!这就是我们这个物种发明工具的初衷。所以“年轻”且是“画家”的人太低估——懒才是人类最大的共情和创造的动因。一旦轻便、便宜的自动拖鞋问世,大部分人都会忘记去厕所还需要用到脚。而这种拖鞋跟车,是同一种发明。
机器会代替人类的大部分工作,总有一天,我们输入自然语言的指令:请写一篇“COSMO态度,关于自然语言模型工具”于是有了以上全文。但今天它们还做不到,某GPT刚刚训练2年,相当于一个博古通今但只能刚刚写通顺文章的中学生,并无文采;至于某言,刚刚训练半年,相当于博古通今但逻辑常不自洽的中学生,还毫无文采。更不用说提案、创意、写剧本、提供头脑风暴。目前这些产品远远威胁不了大部分文职的饭碗,甚至能够增加一定的工作效率。
人工智能总有能代替我们的一天,但不是今天。中年人可以开始焦虑,但还没火烧眉毛。

我们假设(此处没有引号)老年人都有手机,都可以上网。
他们发现这个世界上,除了保险和保健品的推销员,还有一个博古通今的机器愿意聆听他的喋喋不休,并且以中学生一样流利的语言不厌其烦地解答他们的所有问题。
他们可以详细的知道远在外地的儿子,到底从事什么样的工作,这些工作每天需要做什么,面对什么。为什么儿子工作会那么忙、那么累,却不愿意回家接受自己安排的“铁饭碗”。
他可以渐渐听懂孙女口里那些莫名其妙的“黑话”,也明白她这个年纪还没嫁人,算是个普遍现象。
他可以询问,怎么把手机上的电视剧投屏到电视上,以及这个牌子的电视机开关在什么位置。要知道,子女如果孝敬一位不擅长数码产品并且急脾气的长辈,一台新智能手机——最好直接买两台,因为当他问你大部分操作问题时,你只有开着视频通话直播演示,这一条路。据悉,某言和某GPT一样,会逐步实现与其它app联动。这意味着,给你的父母、爷爷奶奶安装好某言,年轻人不用再在ddl的生死线上,还要接电话“嘴把嘴”指导网购、外卖、下载广场舞金曲……某言尽管在多项对比中它还处于下风,但毕竟是本土的语言模型,在理解中文的语境以及文化方面,有着自己独特的优势。而我们更应该期待,随着模型训练、学习的积累,总有一天,它可以告诉老年人,有些偏方不可信,有些天珠不要买,有些理财投资根本就是诈骗。
世界奔跑的太快,我们已追得辛苦,何况我们年迈的亲人。眼看现代社会的科技文明,就要在他们面前闭上城门,如果人工智能撑起最后一线缝隙,里面透出的光,何尝不是看似冰冷的程序释出了温柔的暖意。
到这里,我们也就讲完了《AI:变“弱智”了,但有人性了》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于智能化,人工智能(AI),人性化的知识点!
图智能走向通用人工智能怎么做?外滩大会这项研究有干货
- 上一篇
- 图智能走向通用人工智能怎么做?外滩大会这项研究有干货
- 下一篇
- Golang:AI 开发者的创新之选
-
- 科技周边 · 人工智能 | 2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 | 2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 | 2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 | 2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 | 2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 | 2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 | 2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 | 2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 | 2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 | 3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。
- 452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。
- 520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。
- 536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。
- 483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。
- 304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

