嗯你是专家
数据集过硬也有一定的道理
从另一个角度看来 强化学习 加 人类交互 还是为了增加数据样本量 另外在损失函数上可能更合理
不过nlp的数据集可是比图像数据集大了多少量级 而且用法很多 能够交互 图像很难
所以一时半会在视觉上可能不会有很大进展 当然这不是理论上的问题
- 来自 水木社区APP v3.5.6
【 在 cst12345 的大作中提到: 】
: 谢谢认可。
: Chatgpt已经是一个质的飞跃了,我们简单测试初步发现chatgpt可能解决了开放域结构化信息提取和语义分析,很惊艳。
: 后面全球nlp和计算语言学学术界将陷入一个尴尬的境地,因为像顶会ACL有多个session是信息提取和语义分析,以后这些session怎么办呢 chatgpt又没公开技术,那样就不能在人家基础上继续开展研究,但如果以学术界以往的成果基础上往上升,可能较长一段时期内怎么做又比不过chatgpt的效果,这就很尴尬。
: 另外,因为我只关注这两个方面,我的直觉是这两个方面做好了,ACL的其他session的方向也会迎刃而解,也就是其他方向也面临着同样的尴尬境地。
: 另外,我的感觉是如果chatgpt把他的核心技术能转移到计算机视觉再有一个提升,然后结合波士顿动力机器人,
: 估计不久的将来,可能大街上会有不少独立行动,行动自如的机器人,还可以和人正常交流。像机器人作为战斗力强的士兵也可能是不难的了。
:
: 限于我的认知我就考虑到这些。估计很多行业都会面临重大变革,可能真是一次行业革命开始了。质的人工智能时代真的到来了。
:
: 国内确实得抓紧了。重点是企业公司啊,要说学术界,那看看美欧的学术界如何针对chatgpt的到来。学术界对学术界,产业界企业对产业界企业,我认为还是这样比较好。你不能说英伟达如果卡脖子的话,就直接赖国内学术界,只能间接,而间接只有一点就是去了产业界企业公司的人才学术界培养的不到位,然而显然卡脖子的因素不止这个吧。
:
: 另外,国内都在说chatgpt数据过硬,我的感觉是这绝对是误导,绝对是有除数据之外的关键核心技术的,重量级的,划时代的,而因为不公开这部分当然是最难的。
:
: 再就是,不要吹牛皮,也不要妄自菲薄,就像杨立昆都参不透chatgpt,就像谷歌不也是翻车了。还是真诚一点,实事求是,踏踏实实。
--
FROM 114.249.220.*