文章主题：ChatGPT, AI, 用户界面
🌟【OpenAI领航者】🌟 Greg Brockman，ChatGPT之光🔥，无疑是全球顶尖的Chat交互专家，他对ChatGPT的深入理解和熟练运用无人能敌。他的智慧与洞察力，不仅推动了技术的进步，也引领了人工智能的新篇章。欲了解更多ChatGPT背后的深奥知识，敬请关注我们的最新动态，一起探索科技的无限可能！🌍💻
🌟TED演讲揭秘！ChatGPT大法门🔍——深度解析与创新见解💡由AI领域专家倾力呈现，ChatGPT的高效使用之道被这位大咖深入剖析。他不仅展示了ChatGPT的强大功能，还分享了对其独特潜力的独特洞察，带你领略未来科技的魅力。欲了解更多关于AI与ChatGPT的深层思考，敬请关注！📚💻
🌟ChatGPT揭秘！🚀探索AI未来之路🔍在这个深度解析的演讲中，您将一探究竟ChatGPT如何颠覆想象，它如何塑造我们的世界🌍并引发关于人工智能（AI）对社会影响的深入讨论。💡探讨AI如何持续演进，为人类带来哪些潜在变革？🎓无论你是科技爱好者还是行业专家，这里都将满足你的求知欲，让你洞悉AI未来发展的脉络。👩💻别错过这个揭示AI真谛的精彩盛宴！👇立即点击探索更多！🌐
核心信息提炼：
未来几个月内所有 ChatGPT 用户都能用上插件功能。
建立在无数工具之上的 ChatGPT 是一种新的用户界面模式。
人类与 AI 协作能解决许多看似不可能解决的问题，例如重新设计我们与计算机交互的方式。
🎉💡七载辉煌，OpenAI启航🚀Seven Years of Innovation, OpenAI Takes Flight🚀于七年前的科技浪潮中，我们OpenAI应运而生，初衷是见证并引领人工智能领域的非凡变革。🌈🔍彼时，这片疆域正孕育着无数令人兴奋的创新与突破，我们坚信，通过我们的努力，它能朝着光明、有益的方向蓬勃发展。🌱📈自此，这个领域犹如火箭般疾速前行，每一天都在见证科技奇迹。七年风雨兼程，OpenAI见证了人工智能从萌芽到茁壮的成长，也陪伴了无数志同道合的探索者们砥砺前行。🤝📚我们的使命，是激发智慧，推动创新，让智能服务于全人类，而非狭隘的利益。🌍💻今天，我们依然坚守初心，以开放的态度拥抱技术进步，期待与全球伙伴共享知识的果实，共同塑造一个更加智能、包容的世界。🌱🌐未来，让我们一起续写这段激动人心的篇章！🌟🚀
我们从使用我们的技术的开发者（比如 Raymond）那里听到了许多美妙的事情，真的很令人欣慰。
🎉🚀人工智能浪潮汹涌，引发了各路人士五味杂陈的情感共鸣！诚然，无论是雀跃的赞同者还是焦虑的反对者，我们都深感其复杂魅力。👩💻💼在这个科技日新月异的时代，每个人都是这场变革的参与者和见证者。让我们一起探索，理性面对，让AI为人类生活添砖加瓦，而非替代。🌍🌐SEO优化提示：#人工智能 #未来趋势 #理性探讨
最重要的是，我们感到我们正在进入一个历史时期，在这个时期里，我们将会定义一项对我们社会至关重要的技术。
🌟💡掌握未来，善用科技力量！🚀🔍探索AI现状，基本原则一窥无遗！✨让我们聚焦在人工智能的核心差异上——它如何塑造而非替代我们的世界。👩💻💼不同于传统手工制品，AI并非单纯模仿，而是创新的智慧结晶。每一步设计，都旨在提升效率，增强智能，而非取代人类的匠心独运。🚀🎯这就是我们坚持的设计理念，引领科技向更人性化、协作的方向迈进。今天，我有幸与大家分享这项技术的最新进展，让我们一起见证它如何在现实生活中焕发出无尽可能。📚💻紧跟科技步伐，拥抱变革，让AI成为推动社会进步的强大引擎！🌍🌈别忘了，每一次创新都源于对未来的深信不疑和对现有规则的巧妙突破。我们期待与您一同探索这个充满无限可能的新纪元！👩💻🤝
我们现在有一个新的 DALL-E 模型，可以将其作为 ChatGPT 的插件搭配使用。
你可以这样做：给个建议，告诉我结束演讲后的晚餐吃什么，并把它画出来。你可以从 ChatGPT 的交流中得到创意和创造性的灵感，而 AI 则能为你完成剩余的所有细节。
现在，ChatGPT 并不仅仅生成文本，它也生成图像（注：使用了 DALL- E 插件后）。这使得它能够更好地代替你，把你的想法变成现实。
现在，让我们来看另一个 AI 工具的例子，比如存储记忆。当你说「将它保存下来以备后用」时，这个工具将会保存这个信息。这些工具在使用时都是有迹可循的，你可以清晰地了解到机器在使用哪些工具，并提供反馈。
（图片生成好了）这里，我要指出的是这是一个现场演示，这一切都是由 AI 实时生成的，所以我实际上甚至不知道我们会看到什么。这张图看起来很不错，把我也给看饿了。
让我们回到正题，我们还使用其他工具扩展了 ChatGPT，例如，记忆功能。您可以说「将这个保存到以后（的使用中）」。
当你在使用这些工具时，你会看到写着「使用 DALL-E 应用程序」的提示。顺便说一下，所有 ChatGPT 用户都会在未来几个月内都能用上这个功能。
在这里你可以看到 AI 是如何像人类一样编写提示的，便于你在后续做反馈调整。
现在这些信息已经被保存，让我展示一下如何使用这些信息，并与其他应用程序组合使用。
你可以说：「现在为我之前建议的美食制作一个购物清单，还要发布在 Twitter 上。」
你可以看到，ChatGPT 会选择合适的插件，而无需我的指引。我认为这是一种新的用户界面模式。
过去我们总是习惯于思考该怎么在不同的应用程序之间切换、复制 / 粘贴，并且通常只有在你对这些应用很熟悉的情况下，才能获得一个很好的使用体验。
现在我们通过一个建立在无数工具之上的统一语言界面，就可以完成这些工作。
ChatGPT 为我们生成了一个 Instacart 的购物清单，里面包含了我们需要的购买的材料，非常方便。
需要说明的是，传统的用户界面仍然非常有价值。通过传统用户界面，我们可以快速地修改实际数量（等操作）。这表明传统的用户界面并没有因此而消失，只是现在我们有了一种新的、更高效的方式来构建它们。
现在，我们已经起草了一条推文，供我们审阅。这也是非常重要的一点。我们可以根据自己的意愿，去调整人工智能的工作。
现在，让我们回到主题上。我们打造 ChatGPT 的关键，不仅仅在于创建这些工具，还在于教导 AI 如何使用它们。当我们提出一些高难度的问题时，我们要求它做些什么呢？
为此，我们采用了一个古老的想法——阿兰 · 图灵 1950 年论文中提到的图灵测试。
他说，你不可能用程序来为这个测试生成一个答案，相反，你可以教它。就像教一个小孩子一样，我们可以建立一个机器，并提供奖励和惩罚来教导它尝试一些事情，不论是好的还是坏的。
这正是我们训练 ChatGPT 的方法。我们将其分为两个步骤。
首先，我们通过无监督学习的过程生成一个所谓的「机器孩子」，就像图灵所说的一样。我们向这个「小孩」输入整个世界、互联网的数据，然后让它根据提供的文本预测下一个词。
这个过程赋予了它各种技能，例如可以看懂数学题并通过推理得出答案。
但要掌握这些技能还需要进行第二步，即教导 AI 如何使用这些技能。为此，我们要给 AI 提供反馈。
我们让 AI 用多种方法为我们提供不同的建议，然后再由人类评分，选出最合理的答案。
这样不仅可以强化 AI 的具体表达，还可以强化产生答案的整个过程。
这使得 AI 能够概括、教授并推断人类的意图，还能将其应用于它之前没有见过或没有收到过反馈的情况。
但有时我们需要教授 AI 的东西并不是我们期望的。
例如，当我向可汗学院展示 GPT-4 时，他们认为它很棒，可以用来给学生做辅导。他们发现 GPT-4 不会纠正学生的数学错误，如果在对话中出现错误，它会假装 1 加 1 等于 3 并继续运行。
因此，我们需要收集更多的反馈数据，教授 AI 要在特定情况下反驳人类。
当在 ChatGPT 中点下 按钮时，就会给我们发送一个信号告诉我们需要收集这段反馈。这是我们听取用户意见的方式，确保我们正在构建对每个人更有用的东西。
提供高质量的反馈是一件困难的事情，但是 AI 本身愿意提供帮助。它愿意帮助我们提供更好的反馈，并随着时间的推移扩大我们监督机器的能力。
举个例子。你可以向 GPT-4 提个问题，然后它会给你回答两个月。要知道，大模型回答的答案往往并不可靠，我们怎么确保它的答案是正确的呢？
通常情况下，我们需要自己上网再次搜索相关的问题，对照检查答案。这非常枯燥、繁琐、费时。
现在我们可以把这些重复性工作丢给 AI。利用浏览工具，我们可以 AI 自己来核实事实。我们把刚才的问题和回答输入进去，然后让它重新核实事实，它就会自己写下它的思考链，一步步地搜索所需内容、对应检查答案。
结果证明，GPT-4 果然回答错了，正确答案是两个月又一个星期。这是它自己检查出来的正确结果。
这个过程非常有趣，因为它需要人类与人工智能多步合作：人类使用事实核查工具是为了为另一个人工智能生成数据，从而使其能更好地为人类服务。
我认为这种合作模式在未来会变得非常普遍，即我们需要人类和机器协作来解决问题，确保人类以一种可视化和值得信赖的方式管理、监督和反馈机器。在这两种力量的共同努力下，我们可以建立更加可靠的机器。
我相信，随着时间的推移，如果我们成功地把这个过程进行下去，我们将能够解决一些看似不可能解决的问题——例如我们能够重新设计我们与计算机交互的方式。
我相信，随着时间的推移，如果我们成功地进行这个过程，我们将能够解决一些看似不可能的问题。为了让你更好地理解我所说的 ” 不可能 ” 的难度，我认为我们将能够重新思考我们与计算机交互的几乎每一个方面。
让我们拿电子表格作为例子。
自从 40 年前出现了 VisiCalc 以来，电子表格就一直以某种形式存在。
但是，在这段时间里，它们的变化并不是很大。这里有一个关于过去 30 年 arXiv 上的所有 AI 论文的电子表格。大约有 167000 篇。
让我向你展示 ChatGPT 如何分析这个数据集。我们可以让 ChatGPT 使用 Python 解释器作为工具，这样它就能像数据科学家一样运行代码。你可以直接上传一个文件并提出问题。
你可以问它：「能不能做一些探索性的图表？」
需要强调的是，这是一个超级高层次的指令，里面带有大量的意图，我甚至不知道我想要的是什么。因此，AI 必须推断出我可能感兴趣的内容。
它给出了一些不错的想法，例如对论文作者数量的每篇文章的直方图、每年论文数量的时间序列、论文标题的词云。我认为所有这些都很有趣。很棒的是，它确实可以画出来。
然后它会根据每年的论文数量制作一张图表。然而，我们可以看到在 2023 年发生了一些奇怪的事情，看起来我们一直处于指数增长，然后就发生了坠崖式的跌落。
顺便说一下，所有这些都是 Python 代码，你可以随便检阅生成的过程。这里的问题很简单，因为我们今年还没有结束，因此从数据来看 2023 才会这么糟糕。
让我们继续输入我们的反馈，让他统计根据 2022 年 4 月 13 日前发布的文章数量占据 2022 年全年文章总量的百分比，公平地预测 2023 年全年的论文数量。
也许这对它来说有点过分，因为它本已经神奇地推断出这是我想要的图标。
但我为我的意图提供了这个额外的指引。在幕后，AI 又写了一遍代码，所以如果你想要检查它在做什么都可以看到。
现在，它做出了正确的预测。
如果你注意到的话，它甚至更新了标题。我没有要求这一点，但它知道我想要什么。
现在我们回到幻灯片上。这张幻灯片展示了我对我们未来如何使用这项技术的愿景。
在这个故事中，一个人带着他病得很重的狗去看兽医，但兽医做出了错误的诊断，说：「让我们再观察一下。」如果主人照做了，这只狗可能就没能活下来。
但他没有。他将狗狗的血液测试和完整的医疗记录输入给了 ChatGPT，ChatGPT 回复说：「我不是兽医，你需要找专业人士咨询，但我可以给你一些假设。」
带着这些信息，他找到了第二个兽医，后者成功地挽救了狗的生命。
我想表达的是，尽管我们现在的系统并不完美，但如果一个人与 ChatGPT 作为头脑风暴伙伴合作，或许就能取得非同凡响的结果。我认为这是我们考虑如何将 AI 整合到我们的世界中时，需要反思和思考的事情。
我深信，让 AI 正确运作需要每个人的参与。我们要共同地决定如何将 AI 整合进我们的生活，为它制定规则，确定 AI 将能够和不能够做什么。
AI 的发展已经超出了人们的预期，因此，我们每个人都必须得熟练掌握它，这也是我们发布 ChatGPT 的原因之一。我相信，我们能够实现 OpenAI 的使命，确保人工通用智能造福人类。
访谈：
CA：主持人 Chris Anderson:
GB：Greg Brockman
CA：哇，我注意到在场的每个人的内心都有些许颤抖。我想，很多人看到这里时，会觉得自己的工作每个环节都需要重新考虑。这太惊人了，但也太可怕了。那么，让我们谈谈吧。我的第一个问题就是，你们究竟能如何做到这一点？
OpenAI 只有大约几百名员工，Google 有数千名员工从事人工智能领域的研究。为什么是 OpenAI 开发了这个震惊世界的技术呢？
GB：实际上，我们都是站在巨人的肩膀上进行研究的，这是毫无疑问的。如果你关注计算机进展、算法进展或数据进展，那么这些都是整个行业的进展。但我认为，我们在 OpenAI 内部从早期就做出了许多深思熟虑的选择。
第一个决定是直面现实。我们深思熟虑，思考实现进展需要什么。我们尝试了许多失败的尝试，所以你只看到了我们成功的地方。我认为最重要的一点是让团队中不同的人和谐地合作。
CA：你是否认为你们在语言模型中看到的东西意味着，如果继续投资和壮大它们，某些时刻可能会出现某些新的东西呢？
GB：是的。而且，我认为这非常有启示性。高层的深度学习一直是我们想做的事，这是一个深度学习实验室，但具体该如何做呢？
早期我们不知道该怎么做。我们尝试了许多事情，其中一个人正在训练一个模型，预测亚马逊评论中的下一个字符，这听起来就像是一个句法分析的过程，但他没想到的是这其实一个最先进的情感分析分类器。这个模型可以告诉你评论是积极的还是消极的。
今天，我们会觉得这很容易，任何人都可以做到。但当你第一次看到这种从底层句法过程中出现的语义，我们知道，我们必须要扩展这个模型，看看它会走到哪里。
CA：ChatGPT 被描述为预测机器，然而我们所看到的却感觉不太可能是通过预测得出的。有没有一刻，让你看到的事情出乎意料，震惊到了你的内心？请给我分享一下这个瞬间。
GB：是的，你可以在 ChatGPT 中尝试做 40 位数之间的加法，这个模型将会计算出它们的和，这意味着它确实学会了一个内部的法则来解决这个问题。
而真正有趣的是，如果你让它计算一个 40 位数加上 35 位数的和，它经常会出错。这表明它确实在学习这个过程，但它还没有完全泛化，对吗？就像你不能记住 40 位加法表一样，那比宇宙中的原子还要多。
所以它必须学会了一些普遍的方法，但它还没有完全学会：噢，我可以将这个方法推广到处理任意长度的任意数值加法。
CA：所以这里发生的是你让它扩大并查看大量的文本。它正在学习一些你不知道它能够学习的东西。
GB：是的，而且它也更加细腻。所以我们开始真正擅长的一门科学是预测其中一些新出现的功能。而要做到这一点，我认为这个领域中一个非常被低估的事情是工程质量。
就像你构建火箭时，每个公差都必须非常小一样，在机器学习中同样如此。你必须将整个堆栈的每个部分都正确地编好，然后才能开始进行这些预测。这里有许多非常平滑的缩放曲线，它们向我们展示了智能的本质。
如果你查看我们的 GPT-4 博客文章，你可以看到这些曲线。现在我们开始能够进行预测了。例如，我们能够预测编码问题的表现。我们基本上观察一些模型，这些模型要小 1000 倍或者 10000 倍。这其实是缩放曲线的一部分，尽管现在还在早期阶段。
CA: 在这里，一个大的担忧就是，随着规模的扩大，有些东西可能是可以被预测的，但是有时又会出现令人惊讶的情况。谁能保证这里不会有巨大的风险导致某些非常可怕的事情发生呢？
GB: 我认为这些都是程度和规模以及时间的问题。此外，人们还会忽略与世界的融合，这也是一件极为突出的紧急事件。这就是我们认为逐步部署的重要原因之一。
因此，我认为目前我们所看到的，如果你看看这次演讲，大部分的注意力都集中在提供高质量的反馈上。今天我们所做的任务，可以进行检查。比如说，很容易看出这道数学问题的正确答案是七而不是八。
但就连书籍的摘要，也是一个很难监督的事情。你怎么知道这个书摘是好的呢？你必须读整本书。没人想这么做。因此，我认为重要的是我们要一步一步地做。当我们进入到书摘阶段时，我们必须妥善监督这个任务。
我们必须建立起机器能够真正执行我们的意图的记录。我认为我们将不得不制定出更好、更高效、更可靠的方法来扩展这个技术，使机器与你保持一致。
CA: 随后我们将会听到有批评者说，你知道，系统内部没有真正的理解力，它总是会产生错误它没有常识等等。你相信它任何时刻都会是这样吗？你刚才谈到的规模的扩大和人类的反馈，基本上会带它走向真理和智慧等目标，你有信心吗？
GB: 是的，我相信 OpenAI，我的短期答案是「yes」。我认为 OpenAI 的方法一直都是尽可能地接触现实。这个领域是充满了破灭的承诺，所有这些专家都在说这样或者那样，事实并非如此。
人们已经说了 70 年内神经网络都行不通。但他们不一定对。也许还需要再过 71 年这样子。但我认为我们的方法一直都是要推动这个技术的极限，从而真正看到实际效果，因为这会告诉你，噢，这就是我们如何过渡到一个新的范式。我们还没有挖尽这个领域的潜力。
CA：你所持有的立场相当具有争议性，认为公开发布并利用这一切（而不是只让你的团队提供反馈），让全世界都提供反馈是做好这件事的正确途径。但是……如果会出现不好的事情，当然这已经有不少。
我听说过 OpenAI 在成为非营利组织时的最初目的，是要作为一个伟大的审核员，对于那些可能使用 AI 开展未知、可能恶意的行为的大公司进行调查。你将建立一种模型，以某种方式使它们对其负责，并且在需要时能够减缓进展。
或者至少我听说是这样的。然而，所发生的情况与此相反。你们发布的 GPT 尤其是 ChatGPT，在技术界引起了巨大的震动，以至于 Google、Meta 等公司现在都在疯狂赶超你们。
他们的一些批评是，你们迫使他们在没有适当防护的情况下发布这些内容，否则就会失败。你们如何证明自己的做法是对社会负责而不是鲁莽的呢？
GB：是的，我们经常思考这些问题。
严格意义上来说，我们始终不可能做得完全正确。但是，有一件事我认为至关重要，即从一开始思考如何构建通用人工智能，使其有益于整个人类的角度出发，你该怎么做呢？
你会选择保持秘密，然后获得这个极其强大的东西，接着就能将其安全使用，或者你就这样去执行计划，希望一切都能成功。我不知道怎样执行这个计划，或许其他人知道。但对于我来说，这个计划让人感到恐惧，并不合适。
因此，我认为这个替代方案是我所看到的唯一另一条路线，即直面现实。我认为，在这些机器变得完美、超级强大之前，给人们时间提供反馈、观察它们实际行动是非常重要的。
我们从 GPT-3 看到了这一点。当时，我们真的担心，人们使用它的主要目的是生成错误信息、尝试干预选举。而它实际上被用来生成销售伟哥的垃圾邮件，这成为了它最主要的用途。
CA：所以说，垃圾邮件是很糟糕的，但有些事情比它还糟糕。让我来谈个思维实验。假设你坐在一个房间里，桌子上有一个盒子。你相信在那个盒子里装着一些东西，其中有很大的可能性是美好的东西。但有百分之一的可能会释放出世界无法想象的邪恶。你会打开这个盒子吗？
GB：那么，当然不。我认为你不能那么做。老实说，我会告诉你一个以前从未讲过的故事，就是在我们成立 OpenAI 不久之后，我记得我在波多黎各参加了一次 AI 会议。
我坐在酒店房间里望着这美好的水，所有人都玩得很愉快。你会想一想，如果你可以选择让潘多拉的盒子在 5 年后或 500 年后打开，你会选择哪个，对吧？
一方面，你也许会认为对你个人来说，5 年后更好一些。但如果能等到 500 年后，人们可以有更多时间做对它，你会选择哪个呢？我当时真的很感受到这一点。我觉得当然是 500 年。所以，我真的很明白你必须把它正确地应对。但我认为这并不是实际情况。
如果你看看计算机的整个历史，这是一次行业甚至是作为技术发展的人类历史上的转变。你越是不把它们放在一起，就意味着你会留下一个负担，也就是说，如果有人或某一时刻有人设法连接到电路上，那么你就会突然拥有这个非常强大的东西，没有人有任何时间去调整，也不知道会有什么样的安全措施。
所以，我的一个观点是，即使是其他技术的开发，例如核武器，人们谈论它是一个人类社会从 0 到 1 的变化。但我实际上认为，它的研发在时间上一直非常平稳。
CA：我的理解是，我们拥有的模型可以视为我们已经孕育了这个非凡的孩子，这个孩子可能拥有超能力，让人类走向一个全新的世界。
这是我们共同的责任，为这个孩子提供护栏，共同教导它成为明智的人，而不是摧毁我们所有人。对吗
GB：是的。我认为非常重要的是，我们要学会理解这项技术，找出如何提供反馈，决定我们想从中得到什么。我希望这会是正确的路径。
点击「在看」
是对我们最大的鼓励
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
转载请注明：🚀ChatGPT大揭秘：如何正确使用？AI未来在哪里？witTED演讲带你一探究竟！🔍插件功能，新 | ChatGPT资源导航
相关文章
