Di Zhihu, saya melihat cahaya pertama transformasi ChatGPT

Apabila ada perubahan, Zhihu akan mendapat maklum balas.

Cari "ChatGPT", seolah-olah anda terus bergerak ke barisan hadapan di mana anda boleh mendengar hon:

Pengerusi Sinovation Ventures Kai-Fu Lee meringkaskan keselamatan dalam era selepas ChatGPT peraturan Universal untuk profesion anda sendiri; 🎜>

Pengasas Teknologi kelas pertama Yuan Jinhui merasakan persoalan mendesak yang perlu dikaji ialah bagaimana untuk membezakan teks yang dihasilkan oleh manusia daripada teks yang dihasilkan oleh ChatGPT?

Hu Yongze, pengarang "Digital Survival" dan Sekolah Kewartawanan dan Komunikasi Universiti Peking, mencadangkan dalam siaran langsung meja bulat "Zhichao 8:30" bahawa arah pembangunan kecerdasan buatan tidak semestinya "seperti manusia" ", tetapi harus untuk meningkatkan kebolehan orang;

...

Melalui Soal Jawab , topik, meja bulat, idea dan topik hangat siaran langsung , pemimpin industri telah muncul satu demi satu dalam komuniti Soal Jawab berkualiti tinggi di Internet Cina pelabur, penyelidik, usahawan dan pengamal telah berhubung antara satu sama lain untuk meneroka semua aspek sempadan ChatGPT dan fikirkan tentang kesan penemuan mereka pada masa hadapan.

Hanya dalam tempoh empat bulan, populariti topik "ChatGPT" di Zhihu telah memecahkan rekod yang ditetapkan oleh topik "AlphaGo" sejak 2015, dengan jumlah 220,000 perbincangan dan sejumlah daripada 380 juta tontonan.

Topik ini sangat popular, dan kaedah pembentangan juga serba boleh dan berbilang dimensi.

1. Kuasa pemulaPada 2 Januari 2023, seorang pelajar sains komputer Universiti Princeton mengeluarkan GPTZero, yang mana Program ini boleh " dengan cepat dan cekap" mentafsir sama ada pengarang artikel adalah manusia atau ChatGPT.

Selepas melihat berita itu, responden Zhihu "Kaspital" berasa seperti sedang diserang. Pada hari ke-10 selepas pelancaran ChatGPT, "Grasspod" Guo Biyang, pelajar tahun ketiga kedoktoran di Makmal AI Sekolah Pengurusan Maklumat dan Kejuruteraan Universiti Kewangan dan Ekonomi Shanghai, telah memulakan kerja ini dengan rakan-rakannya. "Kami sebenarnya yang mula membuat pasukan pengesan ChatGPT," katanya.

Lebih 30,000 orang mencuba GPTZero dalam masa seminggu selepas dikeluarkan, dan aplikasi itu ranap untuk seketika. Guo Biyang menjadi gugup. Pelan asal ialah sebagai tambahan kepada pengesan, pasukan lapan orang juga akan melakukan penilaian manual dan analisis statistik linguistik. Jelas sekali, kita tidak boleh menunggu lebih lama lagi sekarang.

Selepas melatih beberapa pengesan menggunakan set data sedia ada, pada 11 Januari, mereka mengeluarkan demo pada Zhihu, yang merupakan pengesan ChatGPT pertama di China. Ia menghampiri Perayaan Musim Bunga, dan Guo Biyang, yang sepatutnya berbual dengan keluarganya dan mengenang masa lalu, terus menatap skrin dan tidak menghiraukan sesiapa pun. "Keluarga saya merasakan bahawa kami mungkin melakukan sesuatu yang besar." Bukankah teknologi itu telah dibocorkan, tetapi tidak cukup orang yang memahami teknologi anda dan anda, apatah lagi kejayaan revolusi ChatGPT?

“Orang dalam kalangan AI ingin mempromosikan kerja mereka, dan ramai orang memilih untuk pergi ke Zhihu Kerja itu diedarkan oleh semua orang, dan lebih mudah untuk lebih ramai orang melakukannya lihatlah ” kata Xie Lingxi, seorang penjawab cemerlang mengenai topik Pembelajaran Dalam, yang telah “cerdas umur” selama sepuluh tahun.

Ketika Guo Biyang dan rakan kongsinya berlumba melawan masa untuk melancarkan demo, satu siri kerja berkaitan ChatGPT turut muncul di Zhihu.

PENG Bo, penjawab yang sangat baik mengenai topik kecerdasan buatan,

Pengarang ChatRWKV, projek sumber terbuka yang secara terbuka menanda aras ChatGPT, adalah Zhihu menyeru lebih ramai orang untuk mengambil bahagian dalam membina bersama ekosistem.

Pada penghujung Februari, ChatExcel, kerja pertama yang menggunakan bahasa semula jadi untuk memerintah kerja Excel, telah dilancarkan secara eksklusif pada Zhihu.

Walau bagaimanapun, maklum balas komuniti yang berikutnya mengejutkan Guo Biyang.

Sebelum diterbitkan, mereka membandingkan kedua-dua pengesan tersebut Kerana mereka telah dilatih pada set data, kesan sebenar pengesan mereka adalah lebih baik daripada GPTZero. Yuan Jinhui, pengasas Teknologi Kelas Pertama, juga bercakap tentang cara membezakan teks yang dijana oleh manusia daripada teks yang dijana oleh ChatGPT di Zhihu, "Ia adalah masalah mendesak." >Pada mulanya, hujah bahawa kerja itu sia-sia diteruskan.

"Kami menumpukan pada pengesanan berita palsu, bukan berita palsu yang dihasilkan oleh ChatGPT. Jika pengelas hanya boleh mengendalikan berita palsu yang dihasilkan oleh ChatGPT, maka saya akan menukar Bukankah itu penghujung penjana? "

Sesetengah orang juga berpendapat bahawa "kita boleh mengelak daripada dikesan sebagai ChatGPT melalui penggilap." >

Guo Biyang memutuskan untuk membalas secara peribadi. "Boleh dikatakan pengesan kita tidak begitu berkesan, tetapi jika kita katakan pengesan itu tidak bermakna, maka saya mempunyai pendapat. Terdapat kelemahan dalam undang-undang, dan orang yang tidak mematuhi undang-undang boleh mengambil kesempatan daripada kelemahan undang-undang. Adakah ini bermakna undang-undang itu tidak bermakna?"

Apabila orang menggilap dan mengubah suai kandungan ChatGPT untuk mengelak daripada dikesan, peranan pengesan telah dicapai. Terdapat sepuluh ribu cara untuk memintas pelbagai peraturan, dan apa yang boleh kita lakukan ialah meningkatkan "kos tidak bertanggungjawab."

Seiring berjalannya waktu, semakin banyak suara sokongan dan dorongan.

"Nilai pengesan berbeza bagi setiap orang, tetapi secara peribadi saya rasa set data ini lebih berharga dan boleh melakukan beberapa perkara yang menarik."

Hu Naying, seorang penyelidik di Jabatan Teknologi Kandungan Institut Awan Akademi Teknologi Maklumat dan Komunikasi China, berkata dalam Zhihu "Zhicha 8:30 " siaran langsung meja bulat bahawa teknologi anti-penipuan pada masa ini Memang benar bahawa teknologi itu tidak sekuat ChatGPT, dan "permainan kucing-dan-tikus" pasti akan berlaku. "Tetapi pada akhirnya, syaitan sentiasa lebih baik daripada lebih baik." Untuk menerbitkan karya adalah memilih untuk memasuki sistem yang kompleks. Kerumitan yang dipanggil bermaksud bahawa ia tidak linear dan tidak akan beroperasi mengikut jangkaan anda Ia mempunyai banyak dimensi dan pembolehubah dan sukar untuk diramalkan oleh itu, akan ada beberapa "terperangkap", tetapi terdapat juga faedah dan walaupun kejutan yang tidak dijangka. Kini, pengesan pasukan Guo Biyang mempunyai 6,700 bintang di Github. Set data dan model mungkin telah dimuat turun berpuluh ribu kali, dan artikel itu mempunyai 20 petikan dalam masa kurang daripada dua bulan. "Ini adalah perkara yang tidak pernah kami fikirkan sebelum ini." Dia berkata dengan sedikit emosi, "(Kadar pertumbuhan petikan artikel) lebih cepat daripada mana-mana artikel saya sebelum ini." keluaran pertama eksklusif di Zhihu Tidak mengambil masa lama untuk WPS menghubungi pasukan di belakang ChatExcel. Projek sumber terbuka ChatRWKV juga telah dilaporkan oleh media teknologi terkemuka.

Selain tidak dapat diramalkan, kerumitan sistem Zhihu juga termasuk sejenis kebolehsuaian Menerbitkan karya akan mengubah sistem, dan sistem seterusnya akan menentukur produk atau penyelidikan anda .

Pada November 2022, selepas pasukan Xie Lingxi meletakkan kertas penting di laman web pracetak arXiv, ia juga segera diterbitkan di Zhihu Tajuk itu menunjukkan model meteorologi yang besar, "China For the kali pertama, ketepatan ramalan cuaca jangka panjang melebihi kaedah berangka tradisional.

"Tajuk itu membuatkan saya cepat membaca artikel asalnya, seorang netizen menyatakan penghargaannya atas pencapaian artikel tersebut. Selepas perbincangan dengan ahli pasukan di ruang komen, dia berkongsi pendapatnya:

"Input model AI datang daripada ERA5 (bidang analisis yang diasimilasikan daripada pemerhatian dan model) , jadi Ia juga menggunakan ramalan model Jika model tidak meramalkan, tidak akan ada ERA5 (iaitu, input AI), jadi model masih perlu dijalankan, dan tidak ada ramalan model alternatif yang bebas ialah (asimilasi model tradisional + ramalan AI) > (asimilasi model tradisional +).

Model besar AI dilatih pada data ERA5. Data ERA5 ialah data analisis semula, iaitu satu set lengkap data analisis semula yang diperoleh terutamanya melalui kawalan kualiti dan pemprosesan asimilasi data pemerhatian daripada pelbagai sumber (darat, kapal, bunyi radio, belon angin, pesawat, satelit, dll.) Menganalisis set data.

Proses asimilasi di sini adalah untuk menukar beberapa data cerapan kepada data meteorologi grid standard. Tiada tuntutan harus dibuat untuk mengatasi kaedah ramalan cuaca berangka tradisional (NWP) tanpa meliputi teknik ini.

"Ya, ini perlu mengambil banyak masa. Masalah pertama ialah data nampaknya sukar diperolehi (jadi kerja berkaitan sangat sedikit di dalam dan luar negara)." Ahli pasukan juga bersetuju.

Sebenarnya, "AI masih belum boleh melakukannya, atau dengan kata lain, AI belum secara rasmi dapat melakukannya. Sebab utamanya ialah tiada data. " Xie Lingxi kemudian menerangkan kepada kami. Untuk melakukan ini, hujung input AI mesti mendapatkan data seperti satelit dan stesen cuaca Tidak kira negara mana ia berada, data ini sangat sulit.

"Terima kasih kepada pengeluaran data asimilasi Pusat Meteorologi Eropah selama beberapa dekad, kami telah menyelesaikan kerja ini

Tidak lama kemudian, Xie Lingxi dikemas kini." "Kami menerima pendapat ini." Ia tidak merujuk kepada keseluruhan "bidang ramalan cuaca berangka". daripada perbandingan dan kredibiliti kesimpulannya. Mereka juga telah dihubungi oleh Pusat Meteorologi Eropah. Dikatakan bahawa terdapat banyak perbincangan dalam Pusat Meteorologi Eropah bahawa banyak teknologi sedia ada akan digantikan oleh AI.

Sesetengah syarikat juga telah menghubungi Guo Biyang untuk meneroka kemungkinan melancarkan fungsi berkaitan pada platform teks. 「Algoritma kami masih bertambah baik, terutamanya dengan meningkatkan keteguhan model dan mengumpul data yang lebih pelbagai, dengan harapan model generasi akan datang akan lebih berkesan.」

Terima maklum balas daripada netizen Zhihu Akhirnya, ini adalah gol seterusnya Guo Biyang.

2. Bertemu dengan "52 Hertz Whale"

Penyelidik berebut-rebut untuk melancarkan karya mereka terlebih dahulu, dan modal juga secara intensif "membunuh" model AI berskala besar bakat. Pada pukul 11 ​​malam pada 27 Mac, mesej secara senyap-senyap datang melalui WeChat: Wang Huiwen dan teknologi kelas pertama yang diasaskan oleh Yuan Jinhui mencapai hasrat penggabungan untuk mencipta OpenAI versi Cina.

Dalam bidang Model Bahasa Besar (LLM), rangka kerja yang pernah dianggap paling tidak penting oleh ramai orang, nilainya telah meningkat sehingga tahap di mana ahli strategi tentera mesti bersaing untuk mendapatkannya. "Sekarang nampaknya ini adalah model domestik yang benar-benar menumpukan pada teknologi asas." Pakar algoritma Tencent AI yang mengikuti topik Zhihu yang berkaitan mengeluh.

Enam tahun lalu, Yuan Jinhui meninggalkan Microsoft Research Asia untuk memulakan perniagaan membina rangka kerja pembelajaran yang mendalam. Keadaan pada masa itu tidak berbeza dengan "paus paus 52 Hertz" yang terkenal.

Diwarisi daripada aplikasi algoritma kepada perkakasan asas, rangka kerja pembelajaran mendalam dipanggil "sistem pengendalian kecerdasan buatan" dan merupakan kek yang tidak dapat dibayangkan oleh pemula. Pada masa itu, dengan pengaruhnya yang besar dan keupayaan promosi yang kuat, rangka kerja pembelajaran mendalam Google TensorFlow sudah pun menjadi rangka kerja pembelajaran mendalam dengan paling ramai pengguna pada masa itu (Pytorch masih di peringkat awal).

Google ialah sebuah syarikat yang besar, dengan ratusan orang melakukan perkara yang sama, bagaimanakah anda boleh bersaing dengan orang lain? Melakukan perisian peringkat rendah, mempunyai pesaing yang begitu kuat dan menjadi sumber terbuka... Apa yang paling Yuan Jinhui dengar pada masa itu ialah "memukul batu dengan telur" dan "cuba menggunakan lengan mantis sebagai kereta kuda."

Oleh kerana frekuensi 52 Hz jauh lebih tinggi daripada spesies ikan paus yang diketahui, saintis percaya bahawa ikan paus dikesan oleh instrumen tentera AS. tidak boleh diambil oleh ikan paus lain.

Kitaran pembangunan perisian sistem sangat panjang. Ia mengambil masa empat tahun dari pelancarannya pada 2016 hingga Julai 2020 sebelum rangka kerja pembelajaran mendalam OneFlow adalah sumber terbuka. Kerana mereka tidak dapat menanggung tekanan ketidakpastian yang tinggi dan ketidakmungkinan sebarang maklum balas sebelum perisian sistem siap dikeluarkan, beberapa rakan sekerja yang cemerlang meletak jawatan.

Malah, sebaik sahaja teknologi mencapai tahap yang begitu dalam dalam sistem, secara semula jadi akan ada lebih sedikit "paus" yang boleh bergema dengannya. Di Zhihu, Yuan Jinhui masih menemui orang yang mengambil berat tentang isu asas seperti dia.

Ramai netizen Zhihu mengenali "Teacher Mu" (nama Weibo Yuan Jinhui) pada zaman Weibo. "Jinhui akan menulis beberapa berita yang sangat menarik di Weibo, dan semua orang menyebarkan khabar angin tentang siapa lelaki ini, Yang Jun, pengarah teknikal seni bina pengkomputeran AI Nvidia, teringat. Tidak lama selepas Yuan Jinhui memulakan perniagaannya, Yang Jun juga sedang mempertimbangkan untuk menukar pekerjaan, dan kedua-duanya bertemu melalui Zhihu.

Dalam fikiran Yuan Jinhui, Yang Jun ialah seorang penjawab yang sangat baik pada topik pembelajaran mesin dan pembelajaran mendalam (Pembelajaran Mendalam) dan rakan Penjawab Pengetahuan Baharu 2022 Dia telah menghasilkan semua secara berterusan Kandungan berkualiti tinggi sepanjang tahun, dan saya telah mendapat banyak manfaat daripada pemikirannya.

Di mata Yang Jun, Yuan Jinhui juga seorang rakan yang agak mudah untuk bercakap. Yang Jun sendiri juga telah menganalisis secara perbandingan dua rangka kerja pembelajaran mendalam arus perdana dan mengapa pada peringkat ini masih terdapat syarikat yang bersedia untuk melabur sumber yang besar dalam membangunkan rangka kerja AI.

Apabila Google mengeluarkan MLIR pada tahun 2019, topik penyusun pembelajaran mendalam menarik banyak perhatian pada masa itu. Kedua-duanya tidak lama kemudian muncul di bawah soalan "Apa pendapat anda tentang perhatian Google terhadap projek MLIR dan berkongsi pandangan mereka satu demi satu?"

Yuan Jinhui tidak mempunyai pandangan yang tinggi terhadap MLIR pada masa itu, dan merasakan bahawa konsep penyusun-penyusun agak berlebihan. MLIR hanya menyediakan perancah untuk menulis penyusun pembelajaran mendalam dan tidak menyelesaikan sebarang masalah khusus dalam penyusun pembelajaran mendalam.

Yang Jun lebih cenderung untuk berfikir bahawa MLIR adalah perkara yang baik. "Analisis beliau terhadap sumbangan, nilai dan kekurangan MLIR telah menarik perhatian saya sehingga hari ini."

Apabila pemikiran dan perbincangan semakin mendalam, Yang Jun terus mengemas kini jawapan awal dengan idea dan keuntungan baharu. Yuan Jinhui juga mengekalkan fleksibiliti kognitif. Pada tahun 2022, Yuan Jinhui mengemas kini jawapan asalnya sekali lagi, "Perkembangan dalam dua tahun lalu menunjukkan bahawa MLIR menyediakan 'perancah'...

Orang ramai memerlukan persekitaran untuk berkomunikasi dan bertembung dengan orang yang mempunyai cita rasa yang sama boleh mencapai ini. Yang Jun cuba menjelaskan nasib yang indah ini. Sebagai contoh, mengikut soalan, minat dan artikel anda, anda secara semulajadi boleh menilai sama ada anda boleh bercakap lebih banyak.

Selepas OneFlow menjadi sumber terbuka, beberapa netizen berkata, "Tiba-tiba saya sedar bahawa terdapat penyelesaian untuk beberapa masalah yang saya hadapi sebelum ini." reka bentuk sebagai "segar". Apabila keindahan reka bentuk itu difahami oleh pembangun pihak ketiga dan juga pelajar, Yuan Jinhui merasakan "ia seperti anda menulis novel dan pembaca menghargainya." menjadi cemas kerana ChatGPT, "hubungan antara manusia" inilah yang akhirnya menyelamatkannya.

Dia membentuk kumpulan "penyelidik AI kesepian" melalui Zhihu dan mendapati ramai rakan sebayanya juga hidup dalam bayangan "Sophon" ChatGPT. Di sana juga dia menemui rakan usaha sama dalam projek pengesan itu. Selepas lebih daripada empat puluh hari bekerja keras, lapan orang bertahan dari awal, dan tidak ada yang berputus asa, walaupun semasa wabak yang menggila.

Mereka menggelarkan diri mereka sebagai penyelidik yang tidak penting, tetapi mereka berharap kerja yang mereka lakukan adalah kerja yang penting.

Di sudut lain Zhihu, tempoh ghairah yang dikongsi oleh Xie Lingxi telah menerima 32,000 suka.

"Berapa lama masa yang diambil untuk China membangunkan semula perisian seperti MATLAB dan SolidWorks?" Soalan yang diajukan kepadanya tiga tahun lalu membuatkan dia menceritakan peristiwa yang sudah lama wujud.

Lebih sepuluh tahun yang lalu, beberapa pelajar dari Jabatan Matematik di Universiti Tsinghua ingin membuat perisian pengkomputeran saintifik yang boleh menandingi Mathematica, perisian matematik yang paling banyak digunakan. Iklan pengambilan itu disiarkan di bangunan asrama Jabatan Sains Komputer, tetapi tiada siapa yang menghiraukannya. Pada masa itu, Xie Lingxi, seorang junior yang baru belajar Java dan berpindah dari jabatan matematik ke jabatan komputer, memohon untuk menyertai. Selepas lebih daripada empat bulan menulis dokumen yang tidak terkira banyaknya, prototaip itu akhirnya dibuat. Beberapa siri penghormatan diikuti, dan akhirnya memenangi anugerah khas kebangsaan "Piala Cabaran".

"Mungkin projek kami akan menjadi hasil terbaik jika kami hanya mengusahakan sistem berskala besar dengan penuh semangat. Tanpa model perniagaan yang matang atau ekologi yang sihat, projek itu tidak dapat berkembang dalam jangka masa yang lama. penggal. Teruskan." Bertahun-tahun kemudian, Xie Lingxi bercakap tentang pengkomersilan projek itu dalam jawapannya.

"Pengalaman kami mempunyai makna yang positif. Sekurang-kurangnya ia membuktikan bahawa dalam mana-mana zaman, tidak ada kekurangan anak muda yang berani mengejar impian mereka." 3. Mencari "Juta Harta"

Yuan Jinhui dan Teknologi Kelas Pertama diklasifikasikan ke dalam trek baharu - model besar AI. Gaji bulanan minimum yang ditawarkan untuk jawatan berkaitan ChatGPT di laman web pengambilan ialah 20,000, dan gaji bulanan maksimum yang ditawarkan ialah 100,000. levels.fyi menunjukkan bahawa OpenAI menawarkan gaji tinggi sebanyak AS$900,000 untuk jawatan AI/ML (L5).

Seolah-olah semalaman, kita telah kembali ke era enam tahun lalu apabila modal tidak lagi dapat mengejar PhD dalam matematik, sains komputer, dan statistik satu demi satu. Pada masa itu, Zhang Yiming menawarkan ganjaran sebanyak AS$1 juta di Weibo untuk merekrut bakat pembelajaran mesin terkemuka di Silicon Valley, beberapa pengurus kanan dengan kepakaran teknikal boleh memperoleh gaji tahunan (termasuk insentif ekuiti) berjuta-juta jika mereka bekerja untuk senarai besar; syarikat seperti Google USD ("Jutaan Bayi")

Pada masa itu, untuk membina pasukan algoritma syarikat, beliau menjadi ketua saintis TuSimple selepas tamat pengajian

Naiyan Wang (王Naiyan) juga menyertai perang bakat itu. Walau bagaimanapun, dia mengambil pendekatan berbeza dan meninggalkan jawatan wira pada Zhihu apabila menjawab "Jika anda seorang penemuduga, bagaimanakah anda menilai tahap pembelajaran mendalam penemuduga dan mendakwa bahawa tiga soalan ini boleh menguji "lapan kejayaan" subjek :

Aplikasi CNN yang paling berjaya adalah dalam CV, jadi kenapa banyak masalah NLP dan Speech boleh diselesaikan menggunakan CNN? Mengapa CNN juga digunakan dalam AlphaGo? Apakah persamaan antara soalan yang tidak berkaitan ini? Bagaimanakah CNN menangkap persamaan ini?

Satu lagi soalan, mengapa banyak kertas membuat muka menambah penukaran bersambung setempat pada penghujungnya.

Tiga soalan ini bukan soalan buku teks biasa, sebagaimana pemanduan autonomi TuSimple adalah "spesies baharu", penerokaan perintis selalunya memerlukan kejayaan rujukan, dan tiada jawapan siap sedia. Hanya dengan mendapatkan cerapan tentang hubungan yang lebih mendalam antara perkara yang kelihatan tidak berkaitan boleh jurutera algoritma mengalih keluar yang palsu dan mengekalkan yang benar, membolehkan alat algoritma digunakan dengan lebih baik dan menyelesaikan masalah perniagaan sebenar.

"Ia harus dikatakan sebagai soalan saringan yang bagus." Jia Yangqing, yang merupakan saintis kecerdasan buatan di Facebook pada masa itu, mendedahkan keindahan ia dalam jawapannya, "Ia melibatkan soalan yang sangat penting. Persoalannya ialah mengapa konvolusi boleh berfungsi." pengalaman pembelajaran yang mendalam dari pelbagai aspek.

Jika seseorang menjawab tiga soalan secara asasnya dengan betul, ini bermakna dia memahami CNN dalam talian dan ialah orang yang dicari oleh Wang Naiyan.

Jawapan datang satu demi satu dan bar kemajuan terus berkembang. "Dekat, tetapi tidak tepat", "Pada asasnya boleh dipercayai! HR akan menghubungi anda kemudian", "Jika anda berminat, hantar CV ke **", Wang Naiyan akan membalas jawapan yang pada dasarnya tidak berkaitan, tetapi lebih banyak jawapan di bawah. . Seperti yang dijangkakan, 80% orang tidak tahu mengapa rangkaian saraf konvolusi berfungsi. Mereka hanya melihatnya sebagai alat untuk menjalankan kod sumber terbuka.

Ijazah sarjana dari universiti Jepun yang berprestij menarik perhatian Wang Naiyan. "Saya menerima ijazah sarjana muda saya dari Universiti Tsinghua, dan saya sedang mencari pekerjaan selepas menamatkan ijazah sarjana saya di Jepun. Jawapannya sangat dekat dengan apa yang saya fikirkan," kata Wang Naiyan. Temu bual berikutnya juga sangat baik, dan saya segera menghantar tawaran kepadanya. Ini adalah pekerja jurutera algoritma pertama yang diupah oleh TuSimple. Hari ini, beliau adalah ketua operasi Jepun syarikat itu.

Internet telah mengubah makna geografi "berdekatan" kepada makna digital "berdekatan". Anda mungkin tidak mengenali jiran anda selangkah lagi, tetapi anda mempunyai tahap kepercayaan yang tinggi dalam sistem abstrak yang dibina dengan teknologi yang kompleks, seperti Zhihu. Bagi kebanyakan pasukan keusahawanan AI sebenar, apabila mereka perlu lebih bergantung pada saluran peribadi untuk menarik orang, ini selalunya merupakan pilihan yang baik.

Semasa Wang Naiyan mencari jurutera algoritma, Yuan Jinhui juga tidak sabar-sabar untuk bakat membangunkan rangka kerja pembelajaran mendalam. Selepas mendaftar di Zhihu, perkara pertama yang Yuan Jinhui lakukan ialah "mengiklankan" karya mereka. Sesetengah orang melihat artikel dan interaksi Yuan Jinhui dan menyedari bahawa selain syarikat Internet besar, syarikat pemula juga boleh melakukan seni bina asas. Beberapa rakan sekerja sepenuh masa dalam teknologi kelas pertama, termasuk pelatih, telah diambil dari Zhihu dengan cara ini.

Lazimnya, Yuan Jinhui akan mengambil inisiatif. Apabila dia melihat jawapan yang menarik dan bernas, dia akan menyemak Github orang lain untuk cuba mendapatkan pemahaman yang lebih komprehensif. Walaupun saya gagal "menggali" beberapa orang kegemaran saya, semua orang beransur-ansur menjadi kawan dan akan bertemu untuk bertukar pendapat.

Semakin lama anda bekerja dalam bidang anda sendiri, anda akan menulis lebih banyak artikel, berinteraksi dengan lebih banyak soalan dan mendapat maklum balas komuniti yang lebih baik. Seorang siswazah yang telah menemu duga untuk jawatan magang di beberapa syarikat menjawab "Adakah terdapat sebarang sistem atau jawatan magang penyusun yang sesuai untuk pelajar sarjana muda di China?":

Antara mereka, saya melihat bahawa anda mempunyai usaha terbaik dalam teknologi/pengekodan pelbagai pengoptimuman Teknik seperti sso, memori tindanan/dinamik, pelbagai templat, pengaturcaraan gaya berfungsi, dan meniup/menggoda beberapa kertas sistem ml terkini.

Wang Naiyan, yang biasanya tidak berprofil tinggi, sangat aktif di Zhihu, menulis artikel dan berkongsi teknologi, dan juga merupakan responden yang cemerlang dalam bidang pembelajaran mendalam, pembelajaran mesin dan kecerdasan buatan. Ramai peminat yang mengikutinya adalah pelajar sains komputer, dan ramai daripada mereka akhirnya menjadi ahli TuSimple melalui "mengikut". Kedudukan algoritma semasa TuSimple mempunyai ramai pelajar, yang mustahil dalam banyak syarikat.

Sebenarnya, mereka sangat bagus. Pada pandangan Wang Naiyan, jika model pengambilan syarikat Internet utama diikuti, beberapa "permata yang belum dipotong" tanpa latar belakang pendidikan yang glamor atau kertas berkilat akan terus disaring oleh piawaian keras tersebut.

"Banyak kali, mereka sudah mempunyai sesuatu yang tidak begitu penting. Kami lebih mengambil berat tentang kebolehan dan potensi asas seseorang, sama ada mereka mempunyai pemikiran kendiri dan semangat untuk teknologi , walaupun dia seorang sarjana muda "

Kini, Wang Naiyan masih mencari bakat di Zhihu. Tetapi apa yang berbeza daripada peringkat awal keusahawanan ialah orang lebih pasif mencari mereka. "Sama ada orang yang saya ikuti, aliran maklumat atau cadangan, ia telah membantu saya menapis banyak maklumat yang tidak sah." Wang Naiyan berkata, "Maklumat yang benar-benar berguna akan muncul berulang kali dalam aliran maklumat."

Biasanya dia menyemak imbas beberapa topik hangat dan mengklik pada jawapan yang menarik untuk mengetahui lebih lanjut. Jika ia memenuhi keperluan syarikat, beliau akan memindahkannya ke jabatan sumber manusia.

Tidak kira bagaimana teknologi berkembang, Top1% orang tidak akan berubah Keghairahan dan kepercayaan teguh mereka terhadap teknologi tetap yang paling mereka hargai.

4 Gema Masa

Selepas keluaran ChatGPT, responden Zhihu "Trinkle" tiba-tiba muncul "Cara menilai dialog super OpenAI model ChatGPT?" Di bawah soalan itu, dia mendedahkan bahawa dia "bertuah untuk mengambil bahagian dalam keseluruhan proses latihan ChatGPT" dan membentangkan pemikirannya tentang dunia masa depan:

"Anda boleh mula membayangkan apa yang akan berlaku selepas AGI The world, saya telah memikirkannya selama beberapa bulan..."

Jawapan di bahagian bawah, di Dalam pengakuan di laman web rasmi OpenAI, "Jiayi Weng" muncul dalam senarai penyumbang dan telah diserlahkan secara beransur-ansur bahawa "Trinkle" dipanggil Weng Jiayi. Beliau ialah pekerja siswazah pertama OpenAI dengan ijazah sarjana dalam tempoh dua tahun yang lalu, dan juga salah seorang jurutera R&D termuda dalam pasukan.

Kini, jawapannya telah mendapat lebih 3,000 suka. Segelintir orang tahu bahawa dia pernah merasakan bahawa dia tidak dapat mendekati OpenAI "Apabila saya menyerahkan resume saya selepas tamat pengajian, saya juga fikir saya tidak dapat mendekatinya."

Weng Jiayi telah didedahkan dengan pengaturcaraan sejak darjah satu sekolah menengah pada masa itu, tumpuan diberikan kepada Olimpik Matematik, dan pembelajaran pengaturcaraan adalah adil untuk mengembangkan idea matematiknya. Saya benar-benar merasakan daya tarikan pengaturcaraan selepas memasuki Sekolah Menengah No. 1 Fuzhou di sekolah menengah.

Pada masa itu, dia sangat menyukai Card Constant. "Memandangkan masalah tetap, anda boleh menulis sekumpulan kod, menulis algoritma yang sama, dan mempunyai kerumitan masa yang sama, tetapi saya boleh menyelaraskan beberapa perkara untuk menjadikan algoritma yang sama berjalan lebih pantas daripada yang lain." baik.

Pada masa itu, kumpulan maklumat Sekolah Menengah No. 1 Fuzhou mempunyai sistem penilaian dalaman (OJ) dalam talian, yang mengandungi pelbagai rekod sejarah Jiayi sering mencapai tempat pertama Akan berhenti sekali.

Pada tahun kedua sekolah menengahnya, Weng Jiayi menukar sepenuhnya fokusnya daripada matematik kepada pengaturcaraan. Untuk dapat mengambil bahagian dalam "Penyambungan Semula Hubungan Diplomatik antara Dinasti Qing dan China Utara", beliau memutuskan untuk mengambil bahagian dalam Olimpik Informatik. Pada masa itu, ramai pelajar dalam kumpulan maklumat sedang bermain Zhihu, dan dia juga mendaftarkan akaun. Pada masa itu, dia tidak menyangka bahawa beberapa tahun kemudian dia akan menjadi di mata ramai netizen "budak genius yang mula bermain Zhihu pada tahun senior sekolah menengahnya."

Tahun AlphaGo menewaskan Li Shishi, Weng Jiayi juga memasuki Universiti Tsinghua mengikut kehendaknya. Disebabkan prestasinya yang lemah dalam Olimpik Informatik, beliau berpindah ke Jabatan Sains Komputer dengan mencapai PNG sepuluh terbaik di seluruh jabatan semasa tahun pertamanya. Saya terlibat dengan pembelajaran pengukuhan semasa tahun kedua saya.

Apabila bertemu Profesor Zhu Jun untuk sembang satu lawan satu, Profesor Zhu Jun bertanya kepadanya apa yang dia mahu lakukan? Terdapat tiga arah dalam kumpulan: Bayesian, latihan lawan dan pembelajaran pengukuhan. Walaupun dia memilih pembelajaran pengukuhan, dia tidak tahu apakah pembelajaran pengukuhan pada masa itu.

"Pada mulanya saya fikir ia sama seperti melakukan GAN (latihan lawan) selepas memilihnya, saya tahu saya mahu bermain permainan. Untuk bermula, dia kemudian bermain banyak permainan.

Jika di sekolah menengah Weng Jiayi terutamanya menyelam dan mengumpul maklumat tentang Zhihu, selepas memasuki Universiti Tsinghua, dia lebih berminat untuk berkongsi. Mungkin ini berkaitan dengan matlamat hidup yang dia tetapkan di sekolah menengah - untuk mendapatkan lebih banyak pengaruh dan membantu lebih ramai orang. Ini semua memerlukan sambungan dengan mesin dan orang.

Karya paling penting yang dikeluarkannya pada Zhihu ialah perpustakaan algoritma pembelajaran pengukuhan Tianshou (Tienshou), yang merupakan projek pengijazahan kanannya telah memberi impak yang paling besar kepadanya setakat ini. Kemudian, saya dapat bekerja dalam Open AI dan turut mendapat manfaat daripada pengalaman "kerja pertama" ini.

Versi asal Tianshou telah ditulis oleh empat orang di makmal dua tahun lalu menggunakan Tensorflow Ia sangat perlahan dan tiada siapa yang menggunakannya. Dia cuba memfaktorkan semula beberapa kod di dalam, tetapi ia tidak berjaya. Kemudian, saya hanya membuang segala-galanya dan memulakan semula. Ternyata manfaat yang dibawa dengan memperkemas rangka kerja bukan sahaja pada tahap kod, tetapi juga pada tahap prestasi. " Jika algoritma yang sama seperti dqn+ juga pytorch, mengapa kod anda lebih pantas? Rasanya logik kod lain adalah serupa kecuali untuk kedua-dua bahagian ini. >"Kod juga mempunyai jiwa (escape, ia adalah butiran pelaksanaan ..." katanya.

Masa itu "benar-benar menyedarkan saya bahawa jika saya ingin mencipta Untuk mempunyai pengaruh, anda harus menulis beberapa perkara asas atau membuat pencapaian dalam kejuruteraan, dan bukannya membuat pencapaian dalam beberapa aspek penyelidikan." Katanya. Terdapat banyak pelaksanaan berkualiti rendah dalam bidang AI, mungkin kerana penyelidik mempunyai keupayaan kejuruteraan yang tidak mencukupi. Jika anda membawa beberapa pandangan kejuruteraan ke dalam penyelidikan, anda akan mendapat hasil yang berbeza

Selain meluaskan pengaruh kerjanya, Weng Jiayi juga berminat untuk mengambil bahagian dalam topik yang berkaitan dengan sarjana muda. kehidupan di Universiti Tsinghua. "Adakah anda menyesal memilih untuk belajar di Universiti Tsinghua?", "Belajar sains komputer dan teknologi di Universiti Tsinghua adalah yang terbaik. Apakah jenis pengalaman yang telah meninggalkan jejaknya?" kekeliruan dan secara beransur-ansur menegakkan hala tuju telah menjadikan jawapannya masih popular hari ini. Saya akan diseksa gila oleh jalang terbang awak." Seorang alumni Tsinghua meluahkan perasaannya

"Belajar untuk mengakui bahawa anda lebih rendah daripada orang lain dan berdamai dengan diri sendiri ." Di sekolah menengah, Weng Jiayi mendapati bahawa tidak kira betapa gigihnya dia bekerja, sentiasa ada orang yang memandang rendah kepadanya dari tempat yang lebih tinggi, sama ada ia adalah Olimpik Sains Maklumat atau kelas kebudayaan. . Begitu juga pada yang pertama. dua tahun kolej. Saya tidak boleh dibandingkan dengan rakan sebilik saya dalam bahasa Inggeris. Selalu ada orang yang boleh lulus beberapa kelas yang saya tidak faham tanpa belajar dan berhenti mengikuti orang ramai tahun juniornya, Weng Jiayi benar-benar menukar penunjuk penilaiannya dan kembali kepada niat asalnya >Dia tidak lagi memperbaiki IPK dan "menulis" kertas langkah demi langkah, lebih suka melakukan beberapa perkara yang "tidak berguna" tetapi menarik, seperti menulis kod. . "Apabila saya menulis projek peribadi, saya rasa saya sedang mencipta karya seni mengenai kod penulisan saya juga mempengaruhi keputusan saya untuk belajar di luar negara nanti tentang perkongsian pengalamannya, sama ada kegembiraan mempunyai banyak tawaran atau kesuraman ditolak oleh "Quanjude" dalam permohonan kedoktorannya, setiap jawapan sangat popular

Kini, Weng Jiayi telah menyumbang 33 jawapan, menerbitkan 3 artikel, mengumpul lebih daripada 20,000 pengikut, dan menerima sebanyak 28,966 suka. Angka-angka ini lebih kurang mengukur "gunakan kekuatan anda sendiri untuk membantu lebih ramai orang." "Di bawah Soal Jawab, dia berkongsi pengalamannya melabur dalam ratusan syarikat dan menulis pada akhir jawapan ini dengan hampir seribu suka, "Pilihan lebih besar daripada usaha." Sekiranya saya tidak membuat keputusan yang optimum berdasarkan persekitaran semasa, menyertai pertandingan informatika, memilih pembelajaran intensif, memohon untuk belajar di luar negara, atau terus belajar untuk Ph.D., adakah mungkin untuk mencapai ini mata hari ini?

Kerja keras tidak dapat menebus kesilapan dalam membuat keputusan. Mengapakah Google ketinggalan jauh di belakang OpenAI dalam AI? Semasa temu bual, dia bertanya secara retorik, dan kemudian secara langsung memberikan jawapan, "Kerana mereka memilih arah lain, arah yang berbeza daripada OpenAI." Ditanya "Adakah ada cara untuk menyertai OpenAI untuk melakukan penyelidikan?... Saya rasa melakukan penyelidikan dalam syarikat nampaknya adalah perkara yang lebih berkesan. Bolehkah anda memberi saya beberapa cadangan." >Dia memajukan pautan jawapan yang sangat dipuji kepada pihak lain.

Terumbu karang yang menakjubkan ialah projek besar yang telah diusahakan oleh polip karang selama bertahun-tahun. Terumbu karang hanya menduduki 0.5% daripada dasar laut dan dasar lautan global, tetapi merupakan rumah kepada lebih daripada satu perempat hidupan marin.

Di Zhihu, setiap teknologi "Zhihuer" adalah seperti polip karang dan zooxanthellae yang kecil dan ajaib Melalui soalan, jawapan dan perhatian, saling berinteraksi antara satu sama lain . Maklumat tenaga ditukar, dan berulang kali, sistem yang lebih maju muncul, menarik lebih banyak "spesies" teknologi canggih untuk mendiaminya, termasuk beberapa saintis terkemuka.

Naib Presiden Strategi dan Pemimpin Perniagaan Komuniti Zhihu Zhang Ning pernah berkata bahawa jumlah orang yang terlibat dalam penyelidikan saintifik, kajian dan kerja di tapak adalah sebagai setinggi 5.44 juta, dan hanya teknologi Internet Dalam bidang matematik, fizik, astronomi, kecerdasan buatan dan bidang lain, purata output harian grafik dan teks adalah lebih daripada 20,000, dan bilangan jawapan, artikel dan video dalam matematik , fizik, astronomi, kecerdasan buatan dan bidang lain melebihi 1 juta.

Selepas ChatGPT, apabila acara barisan hadapan seperti keluaran Baidu “Wen Xin Yiyan”, keluaran GPT-4, dan penyepaduan AI Microsoft fungsi perbualan berlaku, nama besar dalam industri semuanya Berkumpul di sini untuk membincangkannya secepat mungkin.

Pada 28 Mac, ahli matematik China Zhang Yitang mengeluarkan jemputan mengenai Zhihu: "Saya akan dijemput oleh Universiti Harvard dan beberapa universiti Eropah untuk membuat siaran Langsung, temanya ialah: Jujukan bukan positif dalam teori nombor analitik & sifar Landau-Siegel (Jujukan bukan positif dalam teori nombor analitik & titik sifar Landau-Siegel. "

Kali ini, di Zhihu, anda boleh mendengar bunyi hon lagi

Atas ialah kandungan terperinci Di Zhihu, saya melihat cahaya pertama transformasi ChatGPT. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!