ChatGPT가 광기로 향하는 길

ChatGPT가 최근 인기를 끌면서 인터넷에서는 ChatGPT에 대한 다양한 논쟁이 계속되고 있습니다. 어떤 사람들은 ChatGPT를 더욱 발전된 챗봇으로 여기고, 어떤 사람들은 창업 기회를 보고 기뻐하는 반면, 다른 사람들은 이를 대체했습니다. 그렇다면 그것은 사회를 발전시키기 위한 도구인가, 아니면 인간 사회를 전복시키려는 T-1000인가? 이번 글에서는 ChatGPT에 대해 자세히 살펴보겠습니다.

ChatGPT를 이야기할 때 우리는 채팅의 즐거움, 실업에 대한 걱정, 미래의 비전에 대해 이야기하고 있습니다.

Development History

ChatGPT는 하루아침에 갑자기 인기를 얻은 것 같지만 실제로는 새로운 개념이 아닙니다. 최초의 인공 지능은 Alan Turing이 출판한 획기적인 논문인 "Computing Machines and Intelligence"를 출판한 1950년으로 거슬러 올라갑니다. ", "기계가 생각할 수 있는가?"라고도 알려져 있습니다. ", 이 논문에서는 유명한 튜링 테스트라고도 알려진 모방 게임이라는 매우 철학적인 개념이 처음으로 제안되었습니다. 튜링이 인공지능의 아버지라는 칭호를 얻은 것은 바로 이 기사였습니다. 월계관.

튜링 테스트는 테스터와 대상(기계 또는 사람)을 대면하지 않고 배치하고, 테스터가 일부 테스트 장치(예: 키보드)를 통과하여 질문을 받는 사람과 같은 질문을 하는 것입니다. 테스트 대상 사람이 30%를 초과하면 테스터가 어느 것이 인간이고 어느 것이 기계인지 식별할 수 없는 경우 해당 기계는 테스트를 통과한 것이며, 이러한 기계는 튜링 기계라고도 합니다. 실제 기계가 아닌 아이디어.

Turing Test

사실 우리는 Turing Test가 인공지능을 직접적으로 정의하지 않고, 인공지능으로 간주되는 것은 그 반대이며 복잡함을 고수하지 않는다는 것을 발견했습니다. 지향적이며 어떤 종류의 결과가 달성되는지 (테스터를 속이는 것)는 인공 지능으로 간주됩니다. 때로는 어려운 문제를 다룰 때 생각을 바꾸고 결과를 문제 해체의 출발점으로 사용할 수도 있습니다.

전기 영화 '이미테이션 게임'에는 이 외로운 천재가 제안한 아이디어도 그려져 있습니다. 튜링이 경찰 수사관에 의해 심문실에 갇혔을 때 경찰 수사관은 의미 있는 질문을 했습니다. 기계는 생각할 수 있을까요? Turing은 게임(Turing 테스트)을 제안했고 결국 Turing은 미소를 지었고 탐정이 게임의 규칙을 이해했다고 느꼈습니다.

패턴 일치 단계

튜링 테스트가 제안된 후 많은 과학자와 실험실에서도 1966년에 이 테스트에 영향을 미쳤습니다. MIT 연구소에서는 심리 치료사로 자리잡은 실제 채팅 로봇 엘리자를 만들었습니다.

Eliza

Eliza의 주요 전략은 질문을 하고, 사용자가 말하는 내용을 바꾸고, 사용자가 문제를 더 자세히 설명하도록 안내하는 것입니다. 예를 들어, 당신이 오늘 두통이 있다고 말하면, 당신이 오늘 약간 우울하다고 말하면 당신이 두통이 있으면 약을 먹으러 의사와 상담하라고 말할 것입니다. 불행하다, 이는 매우 슬프다는 뜻입니다. 어머니가 나를 돌본다고 말하면 가족 중 누가 당신을 돌볼 것인지 물을 것입니다.

엘리자는 키워드 일치 규칙을 통해 입력을 분해한 다음, 일반인의 관점에서 분해 규칙에 해당하는 재구성 규칙을 기반으로 응답을 생성합니다. 예를 들어, 어머니라는 키워드를 문장에서 찾는 것입니다. 문장에 대해 그녀는 다음과 같이 말할 것입니다. 사실 그 뒤에는 많은 if/else 코드가 있습니다.

1995년 Richard Wallace는 Eliza에서 영감을 받아 1998년 오픈 소스로 공개된 챗봇 Alice를 개발했습니다. Alice의 기술 원리는 주로 자연어 처리를 기반으로 하며, 그 목적은 인간의 본성 언어를 모방하여 사용자와 의미 있는 대화를 나누는 것입니다. 날씨, 뉴스, 스포츠 등 다양한 주제에 대한 질문에 답할 수 있고, 사용자들과 흥미로운 대화를 나눌 수도 있습니다.

Alice

그러나 현 단계에서는 엘리자든 앨리스든 키워드를 추출하고 미리 설정된 텍스트를 호출하여 응답하는 패턴 매칭(Pattern Matching)을 원칙으로 합니다.

이러한 대화형 로봇은 간단한 언어 상호작용은 할 수 있지만 문장에 대한 심층적인 이해와 추론 능력이 부족하고 인간의 대화 수준과 비교하기 어렵습니다.

하지만 이 모델은 장점이 없는 것은 아닙니다. 많은 반복 작업을 피할 수 있는 반면, 우리 주변에서도 매우 일반적입니다. 예를 들어, 일반적인 쇼핑 웹사이트, 은행 웹사이트 또는 앱 등에서 채팅 인터페이스에 들어가면 먼저 열정적인 챗봇이 여러분을 맞이할 것입니다. 이 챗봇은 여러 키워드를 나열하고 무엇을 하고 싶은지 물어볼 것입니다.

기계 학습 모드

위에서 언급했듯이 패턴 매칭 방법으로 if/else 코드를 아무리 작성해도 기계는 여전히 문장의 진정한 의미를 이해하지 못하고 단순하게 반응하기 때문에 새로운 패턴이 등장하게 되는데, 즉, 기계 학습입니다.

이름에서 알 수 있듯이 질문과 답변을 인위적으로 규정하지 않고 기계가 학습할 수 있도록 미리 만들어진 사례를 잔뜩 제공합니다. 이 방법은 또한 인간 학습의 인지 법칙에 더 부합합니다.

이 단계에서 가장 유명한 것은 (주)액티브버디가 2001년에 개발한 스마터차일드(SmarterChild)입니다. 이 챗봇은 예전 인스턴트 메시징 AIM에 사용되었으며 흥미로운 대화를 나누고 다른 서비스의 데이터에 빠르게 접근할 수 있습니다. 날씨, 주식, 영화 데이터처럼 당신은 그것을 꾸짖고 일을 어렵게 만들 수도 있으며 항상 그것을 처리하는 방법을 알고 있는 것 같습니다.

SmarterChild는 인스턴트 메시징 플랫폼에 통합된 최초의 챗봇 중 하나였으며, 이후 2006년에 3천만 명 이상의 사용자가 사용하면서 급속히 센세이션을 일으켰으며 MSN 메신저에도 적용되었습니다.

SmarterChild

그러나 SmarterChild 이후 몇 년 동안 챗봇이 폐기되었고 Microsoft도 SmarterChild의 첨단 기술 부서를 폐쇄했습니다.

2010년, 머신러닝 분야인 인공신경망(ANN)이 폭발적으로 성장하면서 인공지능은 유례없는 발전을 이루었습니다.

생물에서 영감을 얻었습니다. 중학교 생물 교과서에서 동물의 신경망은 서로 연결된 약 1000억 개의 뉴런을 통해 기능을 수행하는 데 필요한 많은 양의 복잡한 정보를 처리할 수 있다고 배웠습니다. 뇌의 기본 단위인 뉴런을 시뮬레이션하는 것입니다.

인공 신경망은 매우 강력해 보이지만 실제로는 지속적으로 특징을 추출하는 과정입니다. 이는 우리가 어렸을 때 사물을 인식하는 방법, 즉 사물의 특징을 찾는 방법과 매우 유사합니다. 인공신경망은 일련의 샘플 데이터를 획득하고, 관찰된 사물의 각 부분의 특징을 추출하는 방법도 학습하고, 특징을 연관시킨 후, 반복적인 훈련을 통해 최종적으로 정답을 출력합니다.

이 과정을 통해 우리는 인공 신경망에 대규모 데이터 훈련과 강력한 컴퓨팅 성능 지원이 필요하다는 사실도 알 수 있습니다. 인터넷의 급속한 발전으로 인해 대규모 데이터 세트는 더 이상 문제가 되지 않습니다.

Siri는 2007년에 설립되어 2010년에 Apple에 2억 달러에 인수되었습니다. 처음에는 문자 채팅에 중점을 두다가 나중에 세계 최대 음성 인식 제조업체인 Nuance와 협력하여 음성 인식 기능을 구현해 출시했습니다. iPhone 4S의 데뷔는 당시 큰 반향을 불러일으켰고, iPhone 4S 역시 기적의 기계가 되었습니다.

Siri는 인공 신경망의 일종인 심층 컨벌루션 네트워크를 사용하여 유사도가 특정 임계값에 도달하면 Siri를 실행합니다. .

❝

Siri의 출시는 챗봇 기술이 새로운 시대에 진입했음을 의미하기도 합니다.

❞

Siri는 공식 웹사이트에서 홍보되었습니다

2017년 Google은 "주목은 "all you need"는 새로운 기계 학습 모델인 Transformer 모델을 발표했습니다. 이 모델은 기계 번역에서 기존 네트워크 훈련 시간이 너무 길고 병렬 컴퓨팅을 제대로 달성하기 어렵다는 문제를 극복하는 데 주로 사용됩니다.

전통적인 자연어 처리(음성 인식, 언어 모델링, 기계 번역 등)는 루프를 사용하여 순차적인 작업, 즉 단어 단위로 학습하는 RNN(Recurrent Neural Network)에 의존하므로 훈련 시간이 필요하다는 단점이 있습니다. 너무 길고 병렬로 계산하기가 어렵습니다.

Transformer 모델은 전통적인 시간 구조를 버리고 시퀀스의 모든 단어나 기호를 병렬로 처리하며 self-attention 메커니즘을 사용하여 먼 단어와 맥락을 결합합니다. 이는 여전히 단어 하나하나를 배우는 쓰레기와 같습니다. 책을 읽으면서 상위권 학생은 이미 10줄과 여러 문단을 한 눈에 읽었으므로 당연히 학습 효율이 매우 높습니다.

Microsoft의 GPT 모델과 Google의 BERT 모델, 둘 다 T는 Transformer 모델을 의미합니다.

우리는 과학기술의 발전과 진보에는 항상 이론연구의 제안과 돌파구가 수반된다는 법칙을 발견했습니다.

이제 모델이 출시되었으니 이를 상용화할 회사가 있어야 합니다. 먼저 ChatGPT의 모회사인 OpenAI에 대해 이야기해 보겠습니다. OpenAI는 잘 알려진 Tesla 창립자 Elon Musk를 포함한 실리콘 밸리 기술 거물 그룹에 의해 2015년에 설립되었습니다. 다른 사람들은 처음에 회사의 주요 목표를 확인했습니다.

자연어를 사용하는 "범용" 로봇과 챗봇 제작을 포함합니다.

2018년 OpenAI는 Transformer 모델을 기반으로 하는 생성적 사전 훈련된 언어 모델(Generative Pre-trained Transformer, GPT-1)을 출시했지만, 오래된 라이벌인 Google의 BERT가 곧 등장했고 그 성능은 GTP를 완전히 무너뜨렸습니다.

ChatGPT의 개발 역사

당연하게도 상대에게 뒤처지기 싫어서 미친 듯이 돈을 쓰고 훈련 데이터 세트를 늘려 GPT-2와 GPT-3 모델을 연달아 출시했습니다. 모델의 매개변수 수도 GPT-1의 1억 2,500만 개에서 GPT-3의 1,750억 개로 급격히 증가했습니다. 이는 모델의 표현 능력이 더 강력하고 예측 오류가 더 적음을 의미합니다. 자연스러운 텍스트를 생성할 수 있습니다.

대량 모델 매개변수를 통해 GPT-3는 인간을 대신하여 일부 논문 작성, 심지어 SQL 문, JavaScript 코드 작성 등과 같은 좀 더 복잡한 문제에서 매우 뛰어난 성능을 발휘할 수 있습니다.

2021년 OpenAI는 GPT-3 모델을 기반으로 수정 및 개선하고 모델 매개변수를 조정하고 훈련 데이터를 추가하여 연말에 현재 인기 있는 ChatGPT의 원본 모델인 GPT-3.5를 출시했습니다.

2022년 11월, ChatGPT는 온라인에 접속한 지 불과 며칠 만에 100만 명의 사용자를 확보했습니다. 온라인에 접속한 지 2개월 만에 월간 활성 사용자가 무려 1억 명에 도달하여 역사상 가장 빠르게 성장하는 사용자 기반을 갖춘 소비자 애플리케이션이 되었습니다.

각 앱이 월간 사용자 1억 명을 확보하는 데 몇 개월이 걸립니까?

많은 사용자의 유입 뒤에는 엄청난 컴퓨팅 성능 비용과 서버 투자 비용이 있습니다. 이러한 복잡한 GPT -3.5 모델을 실행하는 연구 기관에서는 필요한 GPU 칩 수가 20,000개에 달하며, 쇼핑 웹사이트의 데이터에 따르면 전문가급 그래픽 카드는 일반적으로 A100 그래픽 카드 가격을 사용합니다. 100,000위안은 중국에서 여전히 귀중한 금액입니다. 따라서 대략적으로 계산하면 다음으로 그래픽 카드에만 투자하는 비용이 최소 20억 달러입니다. 데이터 수집, 수동 주석, 모델 교육 등 계산하기가 훨씬 어렵습니다. .

등록 전략

ChatGPT의 개발 역사에 대해 많은 이야기를 나누면서 모두가 수백억 달러를 투자한 이 "고급 챗봇"을 시험해보고 싶어할 것이라고 믿습니다. 따라서 여기서는 다음과 같이 등록 전략을 공유하겠습니다. 어떤 이유로 국내 사용자가 직접 접속이 원활하지 않고, 등록 과정에 우여곡절이 있을 수 있다는 점을 모두가 알고 있으므로, 다음과 같은 준비가 필요합니다.

• Google 환경에 접속할 수 있어야 합니다(이것은 전제 조건입니다. , 모두가 이해합니다)
• 이메일, 바람직하게는 Gmail 또는 Outlook
• 해외 휴대폰 번호(없으면 sms-activate.org 권장)

먼저 수신할 휴대폰 번호를 준비합니다. SMS 인증 코드를 입력하고 sms-activate.org를 열고 계정을 등록한 후 언어를 중국어로 조정하고 오른쪽 상단에 있는 충전 버튼을 클릭한 후 결제 방법으로 Alipay를 선택하세요.

충전

최소 계정 충전 금액은 1달러이며, 이는 현재 환율로 약 7위안 이상입니다. 먼저 1달러를 충전할 수 있습니다. 왼쪽에서 국가를 선택한 후 OpenAI를 검색하세요. 임대 기간은 기본적으로 4시간이고, 임대를 클릭하세요. 여기도 국가별로 가격이 다릅니다. 일반적으로 인도네시아, 태국, 인도네시아 등 동남아시아 국가의 가격이 다릅니다. 더 저렴하지만 지금은 더 많은 사람들이 사용하고 있습니다. OpenAI에 의해 차단되거나 숫자가 없을 가능성이 있습니다. 다른 유럽 및 미국 국가는 상대적으로 비싸고 저자의 경우 1달러가 들지 않을 수 있습니다. 선택하면 전체 2달러가 듭니다.

❝

다른 국가 번호로 시도해 볼 수 있습니다. 4시간 이내에 문자 메시지를 받지 못하면

❞

번호 대여

휴대폰 번호가 준비되면 가입 페이지가 열립니다. 이메일 주소, 비밀번호, 인증 이메일을 입력한 후 휴대폰 대여에 해당하는 휴대폰 번호를 확인하는 페이지로 이동합니다. 위의 전화번호를 입력한 후 해당 번호를 붙여넣고 보내기를 클릭하세요.

휴대폰번호 붙여넣기 시 앞에 나오는 국제지역번호를 삭제해야 합니다.

휴대폰 번호 확인

SMS 활성화 페이지로 돌아가면 메시지에서 수신된 OpenAI 코드를 볼 수 있습니다. 붙여넣기만 하면 됩니다.

인증코드를 받으세요

등록이 완료된 후 chat.openai.com/chat을 오픈하시면 사용하실 수 있습니다.

메인 인터페이스

사용 방법도 매우 간단합니다. 아래 입력란에 질문을 입력하고 보내기 버튼을 클릭하면 천문학부터 지리 A까지 모든 것을 아는 수다스러운 사람이 생길 것입니다. 로봇.

응용 시나리오

그렇다면 수많은 거대 기술 기업들이 ChatGPT를 개발하는 데 수백억 달러를 투자했는데, 우리가 채팅만 하는 걸까요? 이 문제를 이해하려면 ChatGPT 자체에 문의하는 것이 좋습니다.

응용 시나리오

Chatbot

ChatGPT를 챗봇으로 사용하는 것은 다소 과잉인 것이 사실입니다. 하지만 먼저 이러한 과잉 행위가 닭을 죽일 만큼 충분한지 살펴보겠습니다. 무언가를 하고 싶다면 API를 호출해야 합니다. OpenAI는 최근 ChatGPT를 애플리케이션과 서비스에 통합할 수 있는 API 키에 대한 액세스를 제공했습니다. platform.openai.com을 방문하여 API Keys => Create 버튼을 클릭하고 나타나는 팝업 상자에 키를 복사하세요.

❝

팝업 상자를 숨긴 후에는 API 키를 볼 수 없으며

❞

API 키 생성

다음은 다음과 같습니다. 개인에게 권장되는 wechatbot 프로젝트 WeChat은 ChatGPT에 연결되어 있으며 프로젝트를 실행하는 방법은 다양하며 소스 코드나 Docker를 기반으로 실행할 수 있지만 둘 다 위에 복사한 키가 필요합니다. 구체적인 실행 방법은 프로젝트 설명을 참조하세요. 여기서는 확장되지 않습니다. docker에 대해 모른다면 이 기사를 확인하세요.

프로젝트가 실행된 후 WeChat을 사용하여 QR 코드를 스캔하면 WeChat ID가 자동으로 ChatGPT 채팅에 연결됩니다. 이 WeChat ID로 비공개 채팅을 하는 경우에도 매우 간단합니다. , 그룹 We chat 번호에서 @this로 직접 답장해야 합니다.

❝

주의사항: 악용 시 WeChat 이용이 금지될 수 있습니다. 이 글은 어떠한 책임도 지지 않습니다. 하지만 각 계정에 대한 API 호출도 제한되어 있으며 현재 5달러이고 만료일이 아직 남아 있습니다. 그냥 재미있게 즐기십시오. 조건이 있는 친구는 재충전할 수 있습니다.

작업 및 학습 도우미

채팅에 사용되는 것 외에도 작업 및 학습 중에 많은 학생과 전문가가 많이 찾는 도구입니다. 외국 대학의 철학 교수에게 채점을 하던 중 '동급 최고'라는 논문을 읽고 매우 놀랐습니다. 그 논문은 철학적 문제를 간결한 문단과 적절한 예, 엄밀한 논증으로 논하고 있었습니다. 질문 다음으로, 그 학생은 "논문이 ChatGPT를 사용하여 작성되었음을 인정했습니다."

직장에서 ChatGPT는 리더십 연설, 미디어 자료, 그룹 프로필, 수상 연설, 축배, 브로셔 등을 포함하되 이에 국한되지 않는 문서를 생성하는 데 이를 사용하여 많은 전문가의 헤어라인을 저장했습니다. 월별 보고서와 휴가 요청 사유를 정리할 수 있습니다.

퇴사 이유

텍스트 다듬기 측면에서 ChatGPT는 전문 편집자보다 전혀 열등하지 않습니다. 주간, 월간 또는 연간 보고서에서도 이는 매우 실용적이며 모든 사람이 이해할 수 있습니다.

주간 보고서

예를 들어, 휴대폰 번호를 숨기는 기능이 필요한 경우 간단히 ChatGPT에서 직접 생성할 수 있습니다. 맥락과의 연결은 이전 인공지능이 달성하지 못한 것이다.

Javascript 함수 생성

ChatGPT는 문제 해결에 도움이 되었을 뿐만 아니라 문제 이면의 논리를 합리적이고 근거가 충분한 방식으로 설명했습니다. 예를 들어 작성자는 KeepAlive를 사용할 때 문제가 발생했습니다. 지난 주 Vue3에서 컴포넌트를 검색했을 때, 결국 답변은 많지만, 여전히 수많은 웹페이지 중에서 2차 심사를 거쳐야 최종적으로 걸러낼 수 있는 솔루션은 모두 동일합니다. 서로); 또한 오류, 다양한 오류 보고서 및 사용자로 가득 차 있습니다. 경험이 매우 불친절했고 문제를 해결하는 데 거의 하루가 걸렸을 것입니다.

오류 사례

예를 들어 Baidu에서 찾은 이 기사에서 빨간색 와이어프레임의 작성 방법을 사용하면 vue-router에서 여러 가지 이상한 오류가 발생하며 나타나는 오류 메시지는 전혀 이해할 수 없습니다. 검색해 보세요.

저자가 ChatGPT를 사용하여 질문하는 경우 해당 논리가 명확하고 주의해야 할 구체적인 사례와 팁이 있음을 알 수 있습니다. , 저자는 그때 잘못된 논리에서 벗어나 문제 해결 시간을 획기적으로 단축할 수 있었다고 믿는다.

ChatGPT의 답변

카피라이팅 생성 측면에서 ChatGPT는 빈 문서에 대해 열심히 생각할 때 ChatGPT를 열고 요구 사항을 설명하고 쉽게 대략적인 문서를 생성하는 것이 좋습니다. 문단 카피라이팅을 하고, 이를 바탕으로 다시 편집하여 시간과 스트레스를 줄여줍니다.

오피스 소프트웨어에 대한 이전 기사에서는 ONLYOFFICE 공식 웹사이트에서 데스크톱 버전을 무료로 다운로드하거나 온라인 개인용 버전을 무료로 등록하여 빠르게 카피라이팅을 생성할 수 있다고 소개했습니다.

먼저 플러그인을 설치해야 합니다. github에서 코드를 복제한 후 /sdkjs-plugins/content/openai/를 찾아 ZIP 파일에 추가할 모든 파일을 선택한 다음 파일 형식을 플러그인으로 변경하세요. 문서 인터페이스에서 플러그인 => 설정 => 플러그인 추가를 찾고 플러그인 파일을 선택하면 플러그인이 성공적으로 설치됩니다.

플러그인 추가

그런 다음 위에서 얻은 API 키를 입력하면 플러그인이 활성화됩니다. 텍스트 필드에 생성하려는 복사 콘텐츠를 설명하고 제출 버튼을 클릭하세요. will 요청이 처리되고 응답은 몇 초 내에 반환되며 문서에 일반 텍스트로 삽입됩니다.

카피라이팅 생성

Fungibility

많은 친구들이 이것을 보면 확실히 놀랄 것입니다: 이 ChatGPT는 정말 대단합니다! 많은 프로그래머 친구들도 “우리가 실업자가 되는 건가, 아직 실업 상태는 아닌 것 같다”고 한탄한다. 결국 훈련 비용도 많이 들고 애플리케이션 구현도 쉽지 않다.

직원 교체

그러나 고객 서비스 직위와 같은 일부 직위는 모두가 특정 키워드를 식별하는 특정 유형의 로봇 고객 서비스 전화를 받았어야 한다고 생각합니다. 프로세스, 한 문장 응답, ChatGPT의 출현으로 미래에는 로봇 고객 서비스가 더 복잡한 시나리오를 처리하고 고객 요구를 더 정확하게 이해하며 유연하게 대응할 수 있을 것이라고 믿습니다.

❝

ChatGPT가 프로그래머의 작업을 완전히 대체하게 될까요?

❞

프로그래밍 측면에서 ChatGPT는 코드 조각 생성에 잘 구현될 수 있지만 이전 Copilot과 다소 유사하지만 이 단계에서 프로그래머를 완전히 대체할 수는 없다고 생각합니다. 파일 모듈은 전화를 걸기 위해 ChatGPT를 대체할 수 없으며 코드 버그 수정, 프런트엔드 및 백엔드 공동 디버깅, 부서 간 조정, 출장 등 조직과 조정이 필요한 작업에서 노동력을 대체할 수 없습니다. 도킹 등

저자는 ChatGPT가 프로그래밍 효율성을 더 많이 향상시킨다고 믿습니다. 예를 들어 원래 하루에 수행해야 했던 작업량을 지원하면 그에게 직접 던져서 반복적이고 간단한 모듈을 생성할 수 있습니다. 결국 불가능할 수도 있습니다. 반나절 안에 완료될 수 있습니다.

❝

SenseTime 회장: 미래 소프트웨어 코드의 80%는 AI에 의해 생성될 수 있습니다.

❞

하드웨어 비용이 지속적으로 감소함에 따라 현재로서는 완전한 대체가 아닌 것 같지만, 기계 학습 능력 향상; 기계 훈련 비용이 프로그래머의 급여보다 낮을 때 자본가가 때때로 5개의 보험과 1개의 주택 기금을 지불하고 시간을 선택해야 한다고 생각합니까? 원래 수십 명의 인력이 필요한 R&D 부서가 미래에는 정상적인 비즈니스를 유지하기 위해 결국 3~4명의 핵심 엔지니어만 필요하게 될 것이라고 믿습니다.

❝

미래에는 어떻게 취업을 선택하게 될까요?

❞

ChatGPT는 미래에 일부 저가형 일자리를 대체할 것이지만 컴퓨터가 사라지는 것처럼 계속해서 새로운 일자리를 창출할 것입니다. 타이피스트이지만 수많은 프로그래머 위치를 생성하는 것처럼 인공 지능도 ChatGPT 질문에 대한 해당 카피라이팅이나 자료를 전문적으로 생성하는 프롬프트 단어 컨설턴트(저자 자신의 상상)와 같은 많은 새로운 위치를 생성했습니다. 사회 진보의 필연적 추세이자, 역사의 대세에 따라 전진하고 계속해서 배우고 발전해야 하는 것이기도 합니다.

프로그래머 교체

프론트엔드에서는 분명 후배 프로그래머들이 많이 사라질 것이고 프로그래머의 문턱도 지속적으로 낮아지고 있기 때문에 인공지능이 우리를 대체하기 전에 우리는 계속해서 배우고 발전해야 합니다. 저자는 WebGL에서는 인공지능이 복잡한 그래픽과 미적 이해를 위한 수작업을 대체할 수 없기 때문에 프런트엔드 파트너가 이 분야에서 발전을 시도할 수 있고 수석 아키텍트도 좋은 방향이라고 생각합니다.

요약 및 전망

저는 가까운 미래에 ChatGPT가 생산성과 학습 효율성을 크게 향상시키는 데 도움이 될 수 있다고 믿습니다. 새로운 기술이나 새로운 기사를 접할 때 완전히 읽을 필요가 없으며 ChatGPT가 개요와 주요 내용을 생성하도록 하세요. 기사의 내용은 문서를 작성할 때 빠르게 학습하는 데 도움이 되며 아름다운 내용을 빠르게 생성하는 데에도 사용할 수 있습니다. ❝

약함과 무지는 생존의 장애물이 아니라 오만함입니다.

❞

영화 에서 류페이창은 이끼에게 인간이 살아남을 수 있을까요? Moss는 인간의 운명이 자신의 선택에 달려 있다고 말했습니다. 지금 우리가 ChatGPT가 프로그래머를 대체할 것인지 묻는 것처럼, 완전히 대체할 수는 없지만 선택하는 방법은 우리 각자의 운명과 관련되어 있습니다. ; 그리고 역사의 수레바퀴가 천천히 지나갈 때, 우리가 해야 할 일은 그 수레바퀴를 앞서가려고 노력하는 것뿐입니다.

위 내용은 ChatGPT가 광기로 향하는 길의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!