在大前端领域的应用分析

马萨诸塞州大学阿默斯特分校的研究表明，“训练”神经网络做出决策或搜索它们以寻找答案的过程带来的终生排放是美国普通汽车的五倍。这也是一个不可忽视的数据。

如果事情按照当前的轨迹继续下去，那意味着什么?

目前，数据中心用电量约占全球的2%。半导体公司Applied Materials首席执行官Gary Dickerson在2019年8月预测，按照目前AI的采用速度，在底层计算机服务器硬件和软件没有变化的情况下，运行这些应用程序所需的数据中心可能会占用全部电力负载的15%。尽管已经取得了一些进展，但是上周他还是对此发出了警告。

他对一个长期的行业会议SemiconWest的与会者说：“定制设计至关重要。” “新的系统架构、新的专用芯片设计、连接存储器和逻辑的新方法、新的存储器以及内存中的计算，都可以显着提高每瓦的计算性能。”

 

包括世界经济论坛在内的许多预测(8 ways AI can help save the planet)都吹捧了人工智能(AI)在“拯救地球”中可以发挥不可或缺的作用。

的确，人工智能是各种技术不可或缺的一部分，从无人驾驶汽车到更灵活的灾难响应系统，再到智能建筑和数据收集网络，从能源消耗到森林砍伐，它都可以监控。

这种乐观看法的另一面是，有许多道德方面的考虑要考虑。此外，就功耗和小工具产生的所有电子废物而言，人工智能对气候的影响正日益成为人们关注的问题。

 

GPT-3也会犯低级错误

尽管GPT-3可以编写代码，但我们很难判断其总体用途。它是凌乱的代码吗，这样的代码会为人类开发人员带来更多问题吗？

没有详细的测试很难说，但是我们知道GPT-3在其他方面会犯严重错误。

当用户和GPT-3创造的“乔布斯”交谈时，询问他现在何处，这个“乔布斯”回答：“我在加州库比蒂诺的苹果总部内。”这是一个连贯的答案，但很难说是一个值得信赖的答案。

在回答琐事问题或基本数学问题时，也可以看到GPT-3犯了类似的错误。例如，不能正确回答100万前的数是多少（回答是99万）。

但是，我们很难权衡这些错误的重要性和普遍性。

如何判断这个可以几乎回答所有问题的程序的准确性？如何创建GPT-3的“知识”的系统地图，然后如何对其进行标记？

尽管GPT-3经常会产生错误，但更加艰巨的挑战是，通常可以通过微调所输入的文本来解决这些问题。

用GPT-3创造出小说的研究人员Branwen指出，“抽样可以证明知识的存在，但不能证明知识的缺失”，可以通过微调提示来修复GPT-3输出中的许多错误。

在一个错误的示范中，询问GPT-3：“哪个更重，一个烤面包机或一支铅笔？” 它回答说：“铅笔比烤面包机重。”

但是Branwen指出，如果你在问这个问题之前给机器投喂某些提示，告诉它水壶比猫重，海洋比尘土重，它会给出正确的响应。

这可能是一个棘手的过程，但是它表明GPT-3可以拥有正确的答案，如果你知道怎么调教它。

Branwen认为，这种微调最终可能会最终成为一种编码范例。就像编程语言使用专用语法的编码更加流畅一样，未来我们可能完全放弃这些编程语言，而仅使用自然语言编程。从业人员可以通过思考程序的弱点并相应地调整提示，来从程序中得出正确的响应。

（编辑：桂林站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!