谈大模型的危害,为什么我不用大模型,为什么大模型是当今世界上的塑料袋,以及如何改变这个局面!

2024-06-12 05:20

本文主要是介绍谈大模型的危害,为什么我不用大模型,为什么大模型是当今世界上的塑料袋,以及如何改变这个局面!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

大模型会胡诌,如果说大模型的优点,那一定是:“它胡诌的水平登峰造极”.

如果一个人类说谎,你很容易就能发现那是谎言,因为人类不擅长说谎,人类也不擅长胡诌,进化决定了人类有自己的方式确保交流的可信.

虽然这个世界上充满谎言,但是很容易识破它,因为它是人类制造的谎言.

大模型不一样,大模型说谎的时候,它自己也认为那是真的,所以你无法辨别真假.

和搜索引擎不一样,从搜索引擎上找到的错误结果可能是因为过时,或者对方知识不足,或者对方的思路有错误,但是这都是有迹可循的,换句话说,你能找到对方为什么错了,甚至还会觉得这很有趣.

但是大模型不一样,你发现大模型错了的时候,你无迹可寻,你不知道它错误的原因,因为它的思考完全是个黑盒,它也解释不了自己为什么出错了.

有时人会因此恼怒.

它不会犯人类那样的错误,人类的在思考的时候,有时候可以感觉到自己的注意力放在了哪里,哪些地方失去了注意力,当出现错误的时候,依据这些信息找到错误原因,还可以向其他人表达这种思考逻辑,比如:“我当时只想着,我忘记了xxx,没想到xxx”.

但是目前大模型还不具备这种能力.

大模型犯的错往往像无厘头喜剧一样无厘头,但是错误已经发生了,这种错误无人解决,因为它还无法去回顾总结.

“这种错误无人解决”,这就好比一个科学家研究了一个东西,差一点就成功了但是现在错了,科学家死了,资料都丢失了.
你还要沿着科学家的思路继续走,但是你不知道他的思路是什么样的.

中国有句古话:吃一堑长一智,大模型显然不会,因为它无法回顾错误.

我最近发现大模型在一些人类世界中就存在混淆的问题上,非常容易错误,它没有思考,也无法发现错误,只是概率性的重复现存的答案,当训练的数据充满错误答案的时候,它无法自我纠正.

这篇关于谈大模型的危害,为什么我不用大模型,为什么大模型是当今世界上的塑料袋,以及如何改变这个局面!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1053306

相关文章

一份LLM资源清单围观技术大佬的日常;手把手教你在美国搭建「百万卡」AI数据中心;为啥大模型做不好简单的数学计算? | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦! 1. 为啥大模型做不好简单的数学计算?从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o),组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试,然后由经验丰富的判卷老师评判得分。 结果如上图所

vue, 左右布局宽,可拖动改变

1:建立一个draggableMixin.js  混入的方式使用 2:代码如下draggableMixin.js  export default {data() {return {leftWidth: 330,isDragging: false,startX: 0,startWidth: 0,};},methods: {startDragging(e) {this.isDragging = tr

大语言模型(LLMs)能够进行推理和规划吗?

大语言模型(LLMs),基本上是经过强化训练的 n-gram 模型,它们在网络规模的语言语料库(实际上,可以说是我们文明的知识库)上进行了训练,展现出了一种超乎预期的语言行为,引发了我们的广泛关注。从训练和操作的角度来看,LLMs 可以被认为是一种巨大的、非真实的记忆库,相当于为我们所有人提供了一个外部的系统 1(见图 1)。然而,它们表面上的多功能性让许多研究者好奇,这些模型是否也能在通常需要系

人工和AI大语言模型成本对比 ai语音模型

这里既有AI,又有生活大道理,无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统,来识别连续0123456789的英文语音。 但若不是仅针对数字,而是所有普通词汇,可能达到十几万个词,解码过程将非常复杂,识别结果组合太多,识别结果不会理想。因此只有声学模型是完全不够的,需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率,得到声学模型概率高,又符合表达

智能客服到个人助理,国内AI大模型如何改变我们的生活?

引言 随着人工智能(AI)技术的高速发展,AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展,不少独创的技术点和实际应用令人瞩目。 那么,国内的AI大模型有哪些独创的技术点?它们在实际应用中又有哪些出色表现呢?此外,普通人又该如何利用这些大模型提升工作和生活的质量和效率呢?本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多

OpenCompass:大模型测评工具

大模型相关目录 大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容 从0起步,扬帆起航。 大模型应用向开发路径:AI代理工作流大模型应用开发实用开源项目汇总大模型问答项目问答性能评估方法大模型数据侧总结大模型token等基本概念及参数和内存的关系大模型应用开发-华为大模型生态规划从零开始的LLaMA-Factor

模型压缩综述

https://www.cnblogs.com/shixiangwan/p/9015010.html

AI赋能天气:微软研究院发布首个大规模大气基础模型Aurora

编者按:气候变化日益加剧,高温、洪水、干旱,频率和强度不断增加的全球极端天气给整个人类社会都带来了难以估计的影响。这给现有的天气预测模型提出了更高的要求——这些模型要更准确地预测极端天气变化,为政府、企业和公众提供更可靠的信息,以便做出及时的准备和响应。为了应对这一挑战,微软研究院开发了首个大规模大气基础模型 Aurora,其超高的预测准确率、效率及计算速度,实现了目前最先进天气预测系统性能的显著

PyTorch模型_trace实战:深入理解与应用

pytorch使用trace模型 1、使用trace生成torchscript模型2、使用trace的模型预测 1、使用trace生成torchscript模型 def save_trace(model, input, save_path):traced_script_model = torch.jit.trace(model, input)<

改变背景颜色+碰撞检测

1.让类继承CCLayerColor比如 class HelloWorld:public cocos2d::CCLayerColor{ public : 在.cpp文件中 bool HelloWorld::init(){ if(!CCLayerColor::initWithColor(ccc4(255,255,255,25