Zhihu에서 ChatGPT 변화의 첫 빛을 보았습니다.
- 王林앞으로
- 2023-04-07 23:51:021330검색
변경 사항이 있으면 Zhihu가 답변해 드립니다.
"ChatGPT"를 검색하면 경적 소리가 들리는 최전선으로 즉시 이동하는 것 같습니다.
Sinovation Ventures의 이개푸 회장은 자신의 경력을 구하기 위해 일반적인 규칙을 요약했습니다. Post-ChatGPT 시대;
DeepLearning.AI 창립자 Andrew Ng 사람들에게 경고하십시오. 광신주의보다 윤리적, 법적 문제를 먼저 생각하십시오.
일류 기술의 창립자인 Yuan Jinhui는 긴급한 질문이 필요하다고 생각합니다. 인간이 생성한 텍스트와 ChatGPT가 생성한 텍스트를 구별하는 방법을 연구해야 합니까?
'디지털 서바이벌'의 저자이자 북경대학교 언론홍보학부 허용택은 '즈차오 8시 30분' 원탁 라이브 방송에서 인공지능의 발전 방향이 반드시 '인간'일 필요는 없다고 제안했다. -like", 그러나 사람의 능력을 향상시켜야 함;
...
Q&A, 주제, 라운드 테이블, 아이디어, 뜨거운 라이브 방송을 통해 업계 리더들이 고품질 Q&A 커뮤니티에 속속 등장했습니다. 중국 인터넷의 투자자, 과학 연구원, 기업가 및 실무자는 서로 연결하여 ChatGPT의 모든 경계를 탐색하고 결과의 미래 의미를 고려하고 있습니다.
Zhihu에서 'ChatGPT' 주제의 인기는 단 4개월 만에 총 22만 건의 토론, 총 3억 8천만 조회수를 기록하며 2015년 이후 'AlphaGo' 주제가 세웠던 기록을 깨뜨렸습니다.
주제가 매우 인기가 많고 발표 방법도 다방면적이고 다차원적입니다.
1. 첫 번째 발표의 힘
2023년 1월 2일, 프린스턴 대학교 컴퓨터 공학과 학생이 GPTZero를 출시했습니다. 이 프로그램은 기사 작성자가 사람인지 ChatGPT인지를 "빠르고 효과적으로" 해독할 수 있습니다. .
뉴스를 본 Zhihu 응답자 "Kaizhu"는 자신이 공격당하는 것처럼 느꼈습니다. ChatGPT 출시 10일 만에 상하이재경대학교 정보관리공학부 AI 연구실 박사과정 3년차 'Grasspod' Guo Biyang이 이미 이 작업을 시작했습니다. "우리는 실제로 ChatGPT 탐지기 팀을 만들기 시작한 최초의 사람들이었습니다."라고 그는 말했습니다.
출시 일주일 만에 30,000명이 넘는 사람들이 GPTZero를 사용해 보았는데, 한동안 앱이 다운되었습니다. 궈비양은 긴장했다. 원래 계획은 탐지기 외에도 8명으로 구성된 팀이 수동 평가 및 언어 통계 분석도 수행하는 것이었습니다. 분명히, 우리는 이제 더 이상 기다릴 수 없습니다.
기존 데이터 세트를 사용하여 여러 탐지기를 훈련한 후 1월 11일 중국 최초의 ChatGPT 탐지기인 Zhihu에 대한 데모를 출시했습니다. 춘절이 다가오고 있었고, 가족과 이야기를 나누며 옛날을 회상하기로 되어 있던 궈비양은 누구에게도 관심을 두지 않은 채 계속해서 화면만 바라보고 있었다. "우리 가족은 우리가 뭔가 큰 일을 하고 있는 것 같다고 느낍니다."
기술 반복이 점점 빨라지고 있는 업계에서 가장 무서운 것은 기술이 유출되는 것이 아니라 그것만으로는 충분하지 않다는 것입니다. 사람들은 그것을 이해합니다. ChatGPT의 혁신적인 혁신은 말할 것도 없고 귀하의 기술도 귀하와 관련되어 있습니까?
"AI계 사람들은 자신의 작품을 홍보하고 싶어하고, 많은 사람들이 Zhihu를 선택합니다. 작품은 모두에게 전해지며, 더 많은 사람들이 보기 쉬워집니다." 학습 주제 10년 동안 '나이를 의식'해 온 우수한 응답자 Xie Lingxi가 말했습니다.
Guo Biyang과 그의 파트너가 데모 출시를 위해 시간을 다투고 있을 때 ChatGPT와 관련된 일련의 작업도 Zhihu에 나타났습니다.
PENG 인공지능 주제에 대한 탁월한 답변자 Bo, ChatGPT를 공개적으로 벤치마킹하는 오픈소스 프로젝트인 ChatRWKV의 저자는 Zhihu에게 생태계 공동 구축에 더 많은 사람들이 참여할 것을 요청했습니다.
2월 말, 최초의 자연어를 사용해 엑셀 작업을 명령하는 작업인 ChatExcel이 Zhihu에 독점 출시되었습니다.
그러나 이어지는 커뮤니티 피드백은 Guo Biyang을 놀라게 했습니다.
출시 전에 두 탐지기를 비교했습니다. 데이터 세트에 대해 훈련을 받았기 때문에 탐지기의 실제 효과가 GPTZero보다 훨씬 좋았습니다. First-Class Technology의 창립자 Yuan Jinhui도 Zhihu에서 인간이 생성한 텍스트와 ChatGPT가 생성한 텍스트를 구별하는 방법에 대해 "시급한 문제입니다."라고 이야기했습니다. 무의미했다.
"우리가 중점을 두는 것은 ChatGPT에서 생성된 가짜 뉴스가 아닌 가짜 뉴스를 탐지하는 것입니다. 분류자가 ChatGPT에서 생성된 가짜 뉴스만 처리할 수 있다면 생성기를 바꾸면 끝나는 것 아닌가요?"
"정리를 통해 ChatGPT로 탐지되는 것을 피할 수 있다"고 생각하는 사람들도 있습니다.
궈비양이 직접 답변하기로 결정했습니다. “저희 탐지기가 효과가 없다고 할 수 있는데 탐지기가 무의미하다고 하면 그런 의견이 있는 것 같아요. 법에는 허점이 있고 무법자들도 법의 허점을 이용할 수 있죠. 법이 무의미하다는 뜻인가요?"
사람들이 탐지를 피하기 위해 ChatGPT 콘텐츠를 다듬고 수정하면 탐지기의 역할에 도달했습니다. 다양한 규제를 우회하는 방법은 수만 가지가 있지만, 우리가 할 수 있는 것은 '무책임으로 인한 비용'을 늘리는 것 뿐이다.
시간이 지날수록 응원과 격려의 목소리가 점점 많아지고 있습니다.
"검출기의 가치는 사람마다 다르지만 개인적으로 이 데이터 세트가 더 가치 있고 흥미로운 일을 할 수 있다고 생각합니다."
중국 정보통신기술원 클라우드 연구소 콘텐츠 기술부 연구원인 Hu Naying은 Zhihu 'Zhicha 8:30' 원탁 라이브 방송에서 현재 부정 행위 방지 기술이 존재하지 않는다고 말했습니다. ChatGPT 기술만큼 강력하고 "고양이와 쥐"는 필연적으로 "게임" 현상이 나타날 것입니다. "하지만 결국 악마는 항상 악마보다 낫습니다." Zhihu는 복잡한 시스템에 들어가기로 선택한 것과 같습니다. 소위 복잡성은 선형이 아니며 기대에 따라 작동하지 않는다는 것을 의미합니다. 이는 많은 차원과 변수를 가지고 있으며 예측하기 어렵습니다. 따라서 일부 "방심"이 있을 수 있지만 이점도 있습니다. 예상치 못한 놀라움에도.
현재 Guo Biyang 팀의 탐지기는 Github에서 별 6,700개를 보유하고 있습니다. 데이터 세트와 모델은 수만 번 다운로드되었을 수 있으며 해당 기사는 2개월도 채 안 되어 20회 인용되었습니다. "이것은 우리가 이전에 생각하지 못했던 것들입니다." 그는 "(기사의 인용 증가율)이 이전 기사보다 빠릅니다."라고 말했습니다.
Zhihu의 첫 번째 독점 릴리스가 있은 지 얼마 지나지 않아 WPS는 ChatExcel에 연락했습니다. 그 뒤에 팀. 오픈 소스 프로젝트 ChatRWKV는 주요 기술 매체에서도 보도되었습니다.Zhihu 시스템의 복잡성에는 예측 불가능할 뿐만 아니라 일종의 적응성도 포함됩니다. 작품을 게시하면 시스템이 바뀌고 시스템이 결과적으로 제품이나 연구를 보정합니다.
2022년 11월 Xie Lingxi 팀이 arXiv 사전 인쇄 웹사이트에 중요한 논문을 게재한 후 Zhihu에도 즉시 게시되었습니다. 제목에는 “처음으로 중장기의 정확도가 향상되었습니다. -기상 예보가 기존 값을 초과했습니다. "
"제목 때문에 원본 기사를 빨리 읽게 되었습니다." 한 네티즌은 기사를 읽은 후 해당 기사의 성과에 대해 감사의 뜻을 표했습니다. 코멘트 영역에서 팀원들과 논의한 후 그녀는 다음과 같이 의견을 공유했습니다. "AI 모델의 입력은 ERA5(관측 및 모델을 동화한 분석 분야)에서 나오므로 모델 예측도 사용합니다. 예측에는 이 ERA5(즉, AI의 입력)가 없으므로 여전히 모델을 실행해야 하며, 현재는 독립적인 대체 모델 예측이 없습니다(전통적인 모델 동화 + AI 예측). ) > (기존 모델 동화 + 기존 모델 예측)." AI 대형 모델은 ERA5 데이터로 훈련됩니다. ERA5 데이터는 재분석 데이터로 다양한 소스(지상, 선박, 전파 측심, 풍기구, 항공기, 위성 등)의 관측 데이터를 주로 품질 관리 및 동화 처리를 통해 얻은 완전한 재분석 데이터 세트로, 데이터 세트를 분석합니다. 여기서 동화 과정은 일부 관측 데이터를 표준 그리드 기상 데이터로 바꾸는 것입니다. 이러한 기술을 다루지 않고서는 전통적인 수치 기상 예측 방법(NWP)을 뛰어넘을 수 있다고 주장해서는 안 됩니다. "네, 시간이 많이 걸릴 것 같아요. 첫 번째 문제는 데이터 확보가 어려운 것 같아요(그래서 국내외 관련 업무가 거의 없어요)." 사실 "AI는 아직 할 수 없습니다. 즉, AI는 아직 공식적으로 이것을 할 수 없습니다. 주된 이유는 나중에 Xie Lingxi가 우리에게 설명했습니다." . 이를 위해서는 AI의 입력단이 위성, 기상 관측소 등의 데이터를 획득해야 하며, 이러한 데이터는 기밀입니다. "유럽 기상 센터의 수십 년 동안의 동화 데이터 발표 덕분에 우리는 이 작업을 완료했습니다." 곧 Xie Lingxi는 "우리는 이 의견을 받아들입니다."라고 답변을 업데이트했습니다. Pangu 대규모 기상 모델 기사에서 우리는 NWP를 "수치적 일기예보 분야" 전체를 언급하는 대신 "동화 데이터를 기반으로 한 예측 방법"으로 제한했습니다. Pangu는 처음으로 데이터 동화에 있어서 전통적인 방법을 능가했습니다. 테스트 환경은 NVIDIA FourCastNet과 정확히 동일하여 비교의 공정성과 결론의 신뢰성을 보장합니다." 연구가 발표된 후 Xie Lingxi 팀은 다음과 같은 많은 교환 초대를 받았습니다. 중국 기상청에서 발표한 보고서입니다. 유럽 기상 센터(European Meteorological Center)에서도 연락을 받았습니다. 유럽기상센터 내에서는 기존 기술 다수가 AI로 대체될 것이라는 논의가 많이 이뤄지고 있는 것으로 전해진다. 일부 회사에서는 Guo Biyang에게 연락하여 텍스트 플랫폼에서 관련 기능을 시작할 가능성을 모색했습니다. 「우리 알고리즘은 주로 모델의 견고성을 높이고 더 다양한 데이터를 수집하여 차세대 모델이 더 효과적이기를 바라면서 계속 개선되고 있습니다. Zhihu 네티즌의 피드백을 받아들인 후 Guo Biyang은 다음과 같이 할 것입니다. 다음 타겟을 하세요. 2. '52헤르츠 고래'와의 만남연구자들은 서둘러 작품 출시에 나서고 있고, 캐피탈 역시 AI 대형 모델 인재들을 집중적으로 '죽이고 있다'. 3월 27일 오후 11시, WeChat에 조용히 메시지가 왔습니다. Wang Huiwen과 Yuan Jinhui가 설립한 일류 기술이 OpenAI의 중국어 버전을 만들기 위해 합병 의도에 도달했습니다. 한때 많은 사람들에게 가장 덜 중요하다고 여겨졌던 프레임워크인 LLM(Large Language Model) 분야에서 그 가치는 군사 전략가들이 경쟁해야 할 정도로 높아졌습니다. "이제는 정말 기반 기술에 집중하고 있는 국산 모델인 것 같다"고 지후 관련 주제를 추적한 텐센트 AI 알고리즘 전문가는 한숨을 쉬었다. 6년 전 Yuan Jinhui는 딥 러닝 프레임워크를 만드는 사업을 시작하기 위해 Microsoft Research Asia를 떠났습니다. 당시 상황은 그 유명한 '52헤르츠 고래'의 상황과 다르지 않았다. 알고리즘 애플리케이션과 기본 하드웨어를 통합한 딥러닝 프레임워크는 '인공지능 운영체제'라고 불리며 스타트업에서는 상상조차 할 수 없는 케이크입니다. 당시 엄청난 영향력과 강력한 홍보 능력을 갖춘 Google의 딥 러닝 프레임워크 TensorFlow는 이미 당시 가장 많은 사용자를 보유한 딥 러닝 프레임워크였습니다(Pytorch는 아직 초기 단계였습니다). Google은 수백 명의 사람들이 같은 일을 하고 있는 큰 회사인데, 어떻게 다른 사람들과 경쟁할 수 있습니까? 로우레벨 소프트웨어를 하고, 이렇게 막강한 경쟁자가 있고, 오픈소스로 존재한다는 것... 당시 위안진희가 가장 많이 들었던 말은 "계란으로 바위를 치다", "사마귀 팔을 수레로 사용하려 한다"는 것이었다. 52Hz 주파수는 알려진 어떤 고래 종보다 훨씬 높기 때문에 과학자들은 미군 장비로 감지한 고래의 울음소리를 다른 고래가 들을 수 없다고 믿습니다. 시스템 소프트웨어 개발 주기는 매우 깁니다. 딥러닝 프레임워크인 원플로우(OneFlow)가 오픈소스화되기까지는 2016년 출시부터 2020년 7월까지 4년이 걸렸다. 완성된 시스템 소프트웨어가 출시되기 전에는 높은 불확실성과 피드백이 불가능하다는 압박감을 견디지 못해 일부 뛰어난 동료들이 사임했습니다. 실제로 기술이 시스템의 깊은 수준에 도달하면 당연히 기술에 공감할 수 있는 "고래"가 줄어들 것입니다. Zhihu에서 Yuan Jinhui는 여전히 자신만큼 근본적인 문제에 관심을 갖는 사람들을 찾았습니다. 많은 Zhihu 네티즌들은 Weibo 시대의 "Mu 선생님"(Yuan Jinhui의 Weibo 이름)을 알고 있습니다. Nvidia의 AI 컴퓨팅 아키텍처 기술 이사인 Yang Jun은 "Jinhui는 Weibo에 특히 흥미로운 뉴스를 썼고 모두가 이 사람이 누구인지에 대한 소문을 퍼뜨렸습니다."라고 회상했습니다. 위안진희가 사업을 시작한 지 얼마 되지 않아 양준도 이직을 고려하고 있었고, 두 사람은 지후를 통해 만났다. 위안진희의 생각에 양준은 머신러닝과 딥러닝 주제에 대한 탁월한 답변자이자 2022년 신지식 답변자로서 1년 내내 꾸준히 고품질 콘텐츠를 배출해왔고 그에게서도 많은 것을 배웠습니다. 내 생각으로 인해 많은 유익을 얻었습니다. 양준이 보기엔 원진희도 비교적 말이 쉬운 친구예요. Yang Jun 자신도 두 가지 주류 딥 러닝 프레임워크를 비교 분석했으며, 이 단계에서 여전히 AI 프레임워크 개발에 막대한 자원을 투자할 의향이 있는 기업이 있는 이유를 설명했습니다. Google이 2019년 MLIR을 출시했을 때 딥러닝 컴파일러라는 주제가 당시 많은 관심을 끌었습니다. 두 사람은 곧 'MLIR 프로젝트에 대한 구글의 관심에 대해 어떻게 생각하시나요?'라는 질문 아래 등장해 차례로 입장을 밝혔다. Yuan Jinhui는 당시 MLIR에 대해 높은 의견을 갖고 있지 않았고 컴파일러-컴파일러의 개념이 약간 중복된다고 느꼈습니다. MLIR은 딥러닝 컴파일러 작성을 위한 스캐폴딩만 제공할 뿐 딥러닝 컴파일러의 특정 문제를 해결하지는 않습니다. 양준은 MLIR이 좋은 것이라고 생각하는 경향이 더 큽니다. "MLIR의 기여, 가치 및 단점에 대한 그의 분석은 오늘날까지 나에게 깊은 인상을 남겼습니다." 생각과 토론이 깊어지면서 양준은 계속해서 새로운 아이디어와 이득으로 초기 답변을 업데이트했습니다. 위안진희는 인지적 유연성도 유지하고 있다. 2022년에 Yuan Jinhui는 "지난 2년간의 개발은 MLIR이 '비계'를 제공한다는 것을 보여줍니다... 매우 의미가 있습니다. 사람에게는 환경이 필요하고, 사람은 비슷한 취향이 서로 소통하고 충돌할 수 있습니다. 양준은 이 놀라운 운명을 설명하려고 노력했다. 예를 들어, 여러분의 질문, 관심사, 기사를 따라가다 보면, 더 이야기를 나눌 수 있을지 자연스럽게 판단할 수 있습니다. OneFlow가 오픈 소스로 공개된 후 일부 네티즌들은 "갑자기 깨달음을 얻었고 이전에 어려움을 겪던 일부 문제에 이 솔루션이 있다는 것을 발견했습니다." 다른 사람들은 프레임워크 디자인이 "신선하다"고 칭찬했습니다. 제3자 개발자는 물론 학생들까지 디자인의 아름다움을 이해했을 때 Yuan Jinhui는 "마치 소설을 썼고 독자들이 그것을 높이 평가한 것 같다"고 느꼈습니다. 그리고 Guo Biyang이 ChatGPT 때문에 불안에 빠졌을 때, 마침내 그를 구한 건 '사람과 사람의 연결'이었다. 그는 Zhihu를 통해 "외로운 AI 연구자" 그룹을 구성했고 많은 동료들도 ChatGPT "Sophon"의 그늘에 살고 있다는 사실을 발견했습니다. 그는 탐지기 프로젝트의 협력자를 찾은 곳도 그곳이었습니다. 40일이 넘는 노력 끝에 8명은 처음부터 끝까지 인내했고, 전염병이 돌고 있는 미친 순간에도 누구도 포기하지 않았습니다. 그들은 스스로를 보잘것없는 연구자라고 부르지만, 자신이 하는 일이 의미 있는 일이기를 바랍니다. Zhihu의 또 다른 코너에서는 Xie Lingxi가 공유한 열정적인 시간이 좋아요 32,000개를 받았습니다. "중국이 MATLAB이나 SolidWorks와 같은 소프트웨어를 재개발하는 데 얼마나 걸릴까요?" 3년 전 그에게 던진 질문에 그는 오랫동안 잊혀진 과거의 사건을 회상하게 되었습니다. 10여년 전, Tsinghua University 수학과의 몇몇 학생들은 가장 널리 사용되는 수학 소프트웨어인 Mathematica와 경쟁할 수 있는 과학 컴퓨팅 소프트웨어를 구축하기를 원했습니다. 컴퓨터과학과 기숙사 건물에 모집 광고가 붙었지만 아무도 관심을 두지 않았습니다. 그때 막 자바를 배우고 수학과에서 컴퓨터과로 전학온 후배 셰링시(Xie Lingxi)가 입사 지원을 했다. 4개월 넘게 수많은 문서를 작성한 끝에 마침내 프로토타입이 만들어졌습니다. 일련의 영예가 이어졌고 마침내 '챌린지 컵' 전국 특별상을 수상했습니다. "아마 우리 프로젝트는 열정을 가지고 대규모 시스템에서만 작업한다면 최고의 결과일 것입니다. 성숙한 비즈니스 모델이나 건강한 생태계가 없으면 프로젝트는 수년이 지난 후에도 오랫동안 지속될 수 없습니다." 대답은 프로젝트의 상용화에 대해 이야기합니다. "우리의 경험은 긍정적인 의미를 갖습니다. 이는 적어도 어떤 시대에도 자신의 꿈을 추구하는 젊은이들이 부족하지 않다는 것을 증명합니다." Yuan Jinhui와 First Class Technology는 새로운 트랙인 AI 대형 모델로 분류됩니다. 채용 웹사이트에서 ChatGPT 관련 직위에 제공되는 최소 월급은 20,000이며, 제공되는 최대 월급은 100,000입니다. level.fyi는 OpenAI가 AI/ML 직위(L5)에 US$900,000의 높은 급여를 제공한다는 것을 보여줍니다. 하룻밤 사이에 우리는 더 이상 수학, 컴퓨터 과학, 통계학 박사 학위를 자본이 따라잡을 수 없었던 6년 전 시대로 돌아왔습니다. 당시 Zhang Yiming은 실리콘 밸리에서 최고의 기계 학습 인재를 채용하기 위해 Weibo에서 100만 달러의 보상을 제안했습니다. 기술 전문 지식을 갖춘 일부 고위 관리자는 대형 상장 기업에서 일하면 연봉(주식 인센티브 포함)을 수백만 달러를 받을 수 있었습니다. Google과 같은 회사 ( "Millions of Baby") 당시 회사의 알고리즘 팀을 구성하기 위해 Zhihu 응답자 Naiyan Wang (Wang Naiyan)이 졸업하고 TuSimple의 수석 과학자가 되었으며 인재 전쟁에도 참여했습니다. 그러나 그는 다른 접근 방식을 취하고 "당신이 면접관이라면 면접관의 딥 러닝 수준을 어떻게 판단하겠습니까?"라는 질문에 Zhihu에 영웅 게시물을 남기고 이 세 가지 질문이 해당 대상의 "8가지 성공"을 테스트할 수 있다고 주장했습니다. CNN의 가장 성공적인 응용은 CV에 있는데 왜 NLP와 Speech의 많은 문제를 CNN을 사용하여 해결할 수 있습니까? AlphaGo에서도 CNN을 사용하는 이유는 무엇입니까? 서로 관련이 없는 질문 사이에는 어떤 유사점이 있나요? CNN은 이러한 공통점을 어떻게 포착했나요? 한 가지 더 질문이 있습니다. 많은 페이스 메이킹 논문이 마지막에 로컬 연결 대화를 추가하는 이유는 무엇입니까? 이 세 가지 질문은 일반적인 교과서 질문이 아닙니다. TuSimple의 자율 주행이 "신종"인 것처럼 선구적인 탐색에는 기성 답변은 물론이고 참고할 만한 선례도 없습니다. 겉보기에 관련없어 보이는 것들 사이의 더 깊은 연결에 대한 통찰력을 얻어야만 알고리즘 엔지니어는 거짓을 제거하고 참을 유지할 수 있으며, 이를 통해 알고리즘 도구를 더 잘 사용하고 실제 비즈니스 문제를 해결할 수 있습니다. "좋은 선별 질문이라고 해야 할까요." 당시 Facebook에서 인공지능 과학자로 재직하고 있던 Jia Yangqing은 "매우 필수적인 질문을 포함하고 있습니다"라고 대답하면서 그 아름다움을 드러냈습니다. 질문: 컨볼루션이 작동하는 이유는 무엇입니까?" 이 질문에 답변하기 정규화, 통계, 프로그래밍, 심지어 신경 과학 등 다양한 각도가 있습니다. 다양한 각도의 답변은 주제의 딥 러닝 경험을 다양한 측면에서 반영할 수 있습니다. 기본적으로 세 가지 질문에 모두 올바르게 대답하는 사람은 온라인에서 CNN을 이해하고 있으며 Wang Naiyan이 찾고 있는 사람이라는 의미입니다. 답변이 차례로 나오고 진행률 표시줄이 계속 커집니다. "닫았으나 정확하지 않음", "기본적으로 신뢰할 수 있음! HR이 나중에 연락할 것입니다.", "관심이 있으시면 **로 이력서를 보내주십시오.", Wang Naiyan은 기본적으로 관련 없는 답변에 응답하지만 아래에 더 많은 답변이 있습니다. 침묵이 있었습니다 . 예상대로 80%의 사람들은 컨볼루션 신경망이 작동하는 이유를 모르고 단지 오픈 소스 코드를 실행하기 위한 도구로 여깁니다. 일본 명문 대학의 석사 학위가 Wang Naiyan의 관심을 끌었습니다. Wang Naiyan은 "칭화대학교에서 학사 학위를 받았고, 일본에서 석사 학위를 마친 후 일자리를 찾고 있었습니다. 그의 답변은 제가 생각했던 것과 매우 유사했습니다"라고 말했습니다. 이후의 인터뷰도 매우 좋았고, 나는 즉시 그에게 제안을 보냈습니다. TuSimple에서 채용한 첫 번째 알고리즘 엔지니어 직원입니다. 현재 그는 회사의 일본 사업부 책임자입니다. 인터넷은 '인근'의 지리적 의미를 '인근'의 디지털 의미로 변형시켰습니다. 한 발짝도 떨어져 있는 이웃을 알지 못할 수도 있지만 Zhihu와 같은 복잡한 기술로 구축된 추상 시스템에 대해서는 높은 신뢰도를 갖고 있습니다. 많은 실제 AI 기업가 팀의 경우 사람들을 확보하기 위해 개인 채널에 더 의존해야 할 때 이것이 좋은 선택인 경우가 많습니다. Wang Naiyan이 알고리즘 엔지니어를 찾는 동안 Yuan Jinhui도 딥 러닝 프레임워크를 개발할 인재를 찾고 있었습니다. Zhihu에 등록한 후 Yuan Jinhui가 가장 먼저 한 일은 자신의 작품을 '광고'하는 것이었습니다. 어떤 사람들은 Yuan Jinhui의 기사와 상호 작용을 보고 거대 인터넷 회사 외에도 스타트업도 기본 아키텍처를 수행할 수 있다는 것을 깨달았습니다. 인턴을 포함해 일류 기술 분야의 여러 정규직 동료들이 이런 방식으로 Zhihu에서 채용되었습니다. 원진희가 주도권을 잡는 경우가 더 많습니다. 그는 흥미롭고 통찰력 있는 답변을 보면 상대방의 Github을 확인하여 좀 더 포괄적인 이해를 얻으려고 노력합니다. 내가 좋아하는 사람들 중 일부를 '파헤치는' 데는 실패했지만 모두가 점차 친구가 되었고 만나서 의견을 교환했습니다. 자신의 분야에서 오래 일할수록 더 많은 기사를 작성할수록 질문과 더 많이 상호 작용하고 커뮤니티 피드백이 더 좋아집니다. 여러 회사에서 인턴십 면접을 본 한 학부생이 "중국에서 학부생에게 적합한 시스템이나 컴파일러 인턴십 자리가 있나요?"라고 대답했습니다. 그 중에서 당신은 기술에 대한 최고의 지식을 가지고 있다고 봅니다. /코딩 추구, Yuan 씨의 oneflow는 매우 심층적인 회사라고 생각합니다. 인터뷰 중에 SSO, 스택/동적 메모리 등 다양한 최적화 기술부터 C++ 및 병렬 컴퓨팅에 대해 오후 동안 oneflow 면접관과 직접 대화를 나눴습니다. , 다양한 템플릿, 기능적 스타일 프로그래밍 및 최근 ml 시스템을 비판/불신하는 일부 논문에 적용됩니다. 언제나 과묵했던 왕나이옌은 특히 Zhihu에서 글을 쓰고 기술을 공유하는 등 활발한 활동을 펼치고 있으며, 딥러닝, 머신러닝, 인공지능 분야에서도 뛰어난 응답자이기도 합니다. 그를 팔로우하는 팬들 중 다수는 컴퓨터공학과 학생들이며, 이들 중 상당수는 결국 '팔로우'를 통해 TuSimple의 회원이 되었습니다. TuSimple에는 현재 알고리즘 직위에 많은 학부생이 있는데, 이는 많은 회사에서 불가능합니다. 사실 엄청 맛있어요. Wang Naiyan의 견해에 따르면, 주요 인터넷 기업의 채용 모델을 따르면, 화려한 학력이나 빛나는 서류가 없는 일부 '원석'은 이러한 엄격한 기준에 의해 직접 선별될 것입니다. "그들이 가지고 있는 것이 그다지 중요하지 않은 경우가 많습니다. 비록 학부생이더라도 우리는 이 사람의 기본 능력과 잠재력, 자기 생각과 기술에 대한 열정이 있는지 여부에 더 관심을 둡니다." 보통 그는 인기 있는 주제를 탐색하고, 흥미로운 답변을 발견하면 클릭하여 자세히 알아봅니다. 그것이 회사의 요구에 부합한다면 그는 이를 인사부로 옮길 것입니다. 기술이 아무리 발전해도 상위 1%의 사람들은 여전히 기술에 대한 열정과 확고한 신념을 가장 중요하게 생각합니다. ChatGPT 출시 후 "OpenAI의 슈퍼 대화 모델 ChatGPT를 어떻게 평가하시나요?"라는 질문에 Zhihu 답변자 "Trinkle"이 갑자기 등장하여 "다행이었습니다"라고 밝혔습니다. ChatGPT 교육의 전 과정에 참여하세요." 그리고 미래 세계에 대한 생각을 밝혔습니다. "AGI 이후의 세상이 상상되기 시작했어요. 몇 달 동안 생각해 봤는데..." 답변 하단에 있는 OpenAI 공식 웹사이트의 감사 인사에서 "Jiayi Weng"이 기여자 목록에 나타나며 사람들은 점차 "Trinkle"이 Weng Jiayi라고 불린다는 사실을 알게 되었습니다. . 그는 지난 2년 동안 OpenAI에서 최초로 석사 학위를 취득한 대학원 직원이자 팀에서 가장 어린 R&D 엔지니어 중 한 명입니다. 현재 해당 답변은 좋아요 3,000개 이상을 받았습니다. 그는 “나도 졸업 후 이력서를 제출할 때 친해질 수 없다고 생각했다”고 말했다. Weng Jiayi는 중학교 1학년 때부터 프로그래밍에 노출되었습니다. 당시에는 수학 올림피아드에 중점을 두었고 프로그래밍을 배우는 것은 단지 그의 수학적 아이디어를 확장하는 것이었습니다. 저는 고등학교 푸저우 제1중학교에 입학하고 나서 프로그래밍의 매력을 정말 느꼈습니다. 그때 카드 상수를 엄청 좋아했어요. "고정된 문제가 주어지면 여러 개의 코드를 작성하고 동일한 알고리즘을 작성하며 동일한 시간 복잡도를 가질 수 있지만 동일한 알고리즘이 다른 알고리즘보다 빠르게 실행되도록 몇 가지 작업을 조정할 수 있습니다." 좋아요. 성취감. 당시 푸저우 제1중학교 정보반에는 온라인 평가를 위한 내부 판단 시스템(OJ)이 있었는데, 여기에는 다양한 역사적 기록이 포함되어 있어 옹가이가 1등을 하면 종종 중단되었습니다. 고등학교 2학년 때 Weng Jiayi는 수학에서 프로그래밍으로 관심을 완전히 바꿨습니다. 그는 '청나라와 북중국의 수교 재개'에 참가하기 위해 정보학 올림피아드에 참가하기로 결정했다. 당시 정보 그룹의 많은 학생들이 Zhihu를 플레이하고 있었고 그도 계정을 등록했습니다. 그 당시 그는 몇 년 후 많은 네티즌들의 눈에 '고교 3학년 때 지호 역을 시작한 천재 소년'이 될 것이라고는 생각하지 못했을 것입니다. AlphaGo가 Li Shishi를 물리친 해, Weng Jiayi도 그의 뜻대로 청화대학교에 입학했습니다. 정보학 올림피아드에서의 부진한 성적 때문에 그는 신입생 때 학과 전체에서 상위 10위권의 GPA를 달성하며 컴퓨터 공학과로 편입했습니다. 저는 2학년 때 강화학습에 참여했습니다. 주준 교수를 만나 일대일 채팅을 하던 중, 주준 교수는 그에게 무엇을 하고 싶은지 물었습니다. 그룹에는 베이지안, 적대적 훈련, 강화 학습의 세 가지 방향이 있습니다. 그는 강화학습을 선택했지만 당시에는 강화학습이 무엇인지 몰랐습니다. "처음에는 GAN(적대훈련)을 하는 것과 비슷하다고 생각했어요." 선택하고 나니 게임을 하고 싶다는 생각이 들었어요. 시작하기 위해 그는 나중에 많은 게임을 했습니다. 고등학교 시절 Weng Jiayi는 주로 Zhihu에 대한 다이빙과 정보 수집을 했다면, Tsinghua University에 입학한 후에는 공유하려는 욕구가 더 커졌습니다. 아마도 이것은 그가 고등학교 때 세운 삶의 목표, 즉 더 많은 영향력을 얻고 더 많은 사람들을 돕는 것과 관련이 있을 것입니다. 이를 위해서는 모두 기계 및 사람과의 연결이 필요합니다. 그가 Zhihu에서 발표한 가장 중요한 작업은 졸업 프로젝트를 위한 강화 학습 알고리즘 라이브러리 Tianshou(Tienshou)이며, 이는 지금까지 그에게 가장 큰 영향을 준 연구이기도 합니다. 나중에 Open AI에서 일할 수 있게 되었고, 이 "첫 작업" 경험의 혜택도 누렸습니다. Tianshou의 원본 버전은 2년 전 실험실에서 4명이 Tensorflow를 사용하여 작성했는데 속도가 매우 느려서 아무도 사용하지 않았습니다. 그는 내부 코드 일부를 리팩토링하려고 시도했지만 작동하지 않았습니다. 나중에는 모든 것을 폐기하고 다시 시작했습니다. 프레임워크 간소화를 통해 얻을 수 있는 이점은 코드 수준뿐만 아니라 성능 수준에서도 나타나는 것으로 나타났습니다. 작품 공개 후, 눈썰미 좋은 네티즌들은 이것을 발견했습니다: "dqn+와 같은 알고리즘도 파이토치라면, 당신의 코드는 왜 그렇게 빠른가요? 이것들만 빼고는 이런 느낌이에요. 두 부분 다른 코드의 로직도 비슷해요. " "코드에도 영혼이 있습니다(탈출, 구현 세부 사항입니다..."라고 말했습니다. "그때 정말 깨달았습니다. 영향력을 창출하려면. , 일부 연구 측면에서 성과를 내기보다는 기본적인 내용을 쓰거나 공학적 성과를 내야 합니다. “AI 분야에는 품질이 낮은 것들이 많습니다. 이는 연구원의 엔지니어링 능력이 부족하기 때문일 수 있습니다. . 공학적 통찰력을 연구에 적용하면 다양한 이점을 얻을 수 있습니다. Weng Jiayi는 자신의 연구 영향력을 확대하는 것 외에도 칭화대학교 학부 과정에 참여하고 싶어합니다. "칭화대학교에서 공부한 것을 후회하시나요?", "칭화대학교에서 컴퓨터 공학을 전공하는 것은 어떤가요?"라는 질문은 그가 혼란에서 벗어나 점점 더 결단력을 갖게 된 흔적을 남겼습니다. 과거는 그의 대답을 오늘날에도 여전히 인기 있게 만들었습니다. "이런 사고방식이 바로 나에게 필요한 것 같습니다. 나는 당신의 날아다니는 년에게 미치게 될 것입니다." 한 청화대 졸업생이 그의 내면의 목소리를 표현했습니다. "자신이 다른 사람보다 열등하다는 사실을 인정하고 자신과 화해하는 법을 배우세요." 그는 고등학교 때 자신이 아무리 열심히 일해도 항상 높은 곳에서 자신을 무시하는 사람이 있다는 것을 깨달았습니다. 정보학이든, 올림피아드는 여전히 문화 수업이에요. 대학 첫 2년 동안은 영어로 수업을 통과할 수 있는 사람들이 항상 있어요. “평가 지표를 정의하고 군중을 따라가는 법을 배워야합니다. "이것은 그의 제안입니다. Weng Jiayi는 3학년 때 평가 지표를 완전히 바꾸고 원래로 돌아갔습니다. 그는 더 이상 자신의 GPA와 "테스트" 논문을 단계적으로 다듬지 않고 "쓸모없는" 작업을 선호했습니다. "하지만 코드 작성과 같은 흥미로운 작업을 수행합니다." 코드 작성과 오픈 소스 프로젝트에 대한 나의 사랑도 나중에 유학을 결정하는 데 영향을 미쳤습니다. 봄 채용, 가을 채용, 박사 지원, 중국 인턴십 구하는 등 새로운 사이트에 갈 때마다 - 그는 여러 제안을 받은 Qingliang이든, "Quanjude"에 의해 박사 학위 지원이 거부되었는지 여부에 관계없이 자신의 경험을 공유하는 것을 두려워하지 않습니다. Jiayi는 33개의 답변을 게시하고 20,000명 이상의 팔로어를 누적했으며 총 28,966회를 받았습니다. 이 숫자는 "더 많은 사람들을 돕기 위해 자신의 힘을 사용하십시오"를 어느 정도 수치화합니다. "2022년 가을 채용은 잘 진행되고 있나요?"라는 질문과 답변에서 그는 수백 건의 투자 경험을 공유했으며 이 답변의 마지막 부분에는 거의 1000개에 가까운 찬성표를 얻었습니다. "선택은 노력보다 큽니다." 현재 환경에 맞춰 최적의 결정을 내리지 못하면 정보학 대회에 참가하지 않고 강화를 선택합니다. 유학을 지원하지 않거나, 박사과정을 고집하더라도. D., 오늘 당신이 있는 곳까지 갈 수 있나요? 열심히 일하는 것은 의사결정의 실수를 만회할 수 없습니다. Google이 AI 분야에서 OpenAI에 비해 훨씬 뒤처지는 이유는 무엇입니까? 인터뷰에서 그는 수사적으로 질문한 뒤 "다른 방향, OpenAI와 다른 방향을 선택했기 때문이다"라고 직접적으로 답했다. ".....회사에서 연구하는 게 더 효과적인 것 같아요. 제안 좀 해주실 수 있나요?" 상대방에게 높게 평가된 답변의 링크를 전달했습니다.
화려한 산호초는 산호 폴립들이 수년간 열심히 노력한 큰 프로젝트입니다. 산호초는 전 세계 해저와 해저의 0.5%만을 차지하지만 해양 생물의 4분의 1 이상이 서식하고 있습니다. Zhihu에서는 모든 기술적 "Zhihuer"가 작고 마법의 산호 폴립과 Zooxanthellae와 같아서 질문과 답변, 관심을 통해 서로 에너지 정보를 계속해서 교환하고 더욱 발전된 시스템이 나타났습니다. , 일부 최고의 과학자를 포함하여 더 많은 최첨단 기술 "종"이 거주하도록 유치합니다. Zhihu 전략 및 커뮤니티 비즈니스 부사장 Zhang Ning은 과학 기술 분야에서 과학 연구, 연구 및 작업에 종사하는 총 인원이 544만명에 달한다고 말한 적이 있습니다. 인터넷만 해도 일일 평균 그래픽과 텍스트 생산량이 2만 개가 넘습니다. 수학, 물리학, 천문학, 인공지능 등 다양한 분야의 답변, 기사, 동영상의 개수도 100만 개를 넘었습니다. ChatGPT 이후, 바이두의 “Wen Xin Yi Yan” 출시, GPT-4 출시, Microsoft의 AI 대화 기능 통합 등 일선 이벤트가 발생했을 때 업계의 유명 인사들이 이곳에 모였습니다. 가능한 한 빨리 논의하기 위해. 3월 28일, 중국 수학자 Zhang Yitang은 Zhihu에 초대장을 보냈습니다. "저는 하버드 대학과 유럽 여러 대학의 초청을 받아 다음 주제로 생방송을 할 예정입니다: 분석수 이론의 비양성 시퀀스 및 Landau-Siegel 영(해석수 이론의 비양수 수열 & Landau-Siegel 영점." 이번 Zhihu에서는 나팔 소리를 다시 들을 수 있습니다. 
3. "수백만 개의 보물"을 찾습니다.
4. 시간의 메아리
위 내용은 Zhihu에서 ChatGPT 변화의 첫 빛을 보았습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!