| 详细信息 |
ChatGPT在人工智能行业的应用前景及影响 |
| 编辑： 来源：哈尔滨工业大学自然语言处理研究所 时间：2023/4/3 |
ChatGPT 的发布及其取得的巨大成功对人工智能行业形成了强烈的冲 击，人们发现之前许多悬而未解的问题在 ChatGPT 身上迎刃而解（包括事 实型问答、文本摘要事实一致性、篇章J机器翻译的性别问题等），ChatGPT 引起了巨大的恐慌。然而从另一个角度看，我们也可以把 ChatGPT 当成是 一个工具来帮助我们的开发、优化我们的模型、丰富我们的应用场景，比如： 1. 代码开发：利用 ChatGPT 辅助开发代码，提G开发效率，包括代码 补全、自然语言指令生成代码、代码翻译、bug 修复等； 2. ChatGPT 和具体任务相结合：ChatGPT 的生成结果在许多任务上 相比微调小模型都有很明显的可取之处（比如文本摘要的事实一致 性，篇章J机器翻译的性别问题），在微调小模型的基础上结合这些 ChatGPT 的长处，可能可以在避免训练部署下显著提升小模型的效 果； 3. 同时基于 ChatGPT 指令微调激发的零样本能力，对于只有少数标注 或者没有标注数据的任务以及需要分布外泛化的任务，我们既可以直 接应用 ChatGPT，也可以把 ChatGPT 当作冷启动收集相关语料的工 具，丰富我们的应用场景。
|
| 【声明：转载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考，如有侵权，请联系删除。】 |
| 推荐信息 |
|
ChatGPT有标注策略导致的局限
除英语之外的其它语言在预训练语料库中占比很少;很难纠正ChatGPt的事实性错误,使其使用场景受限;在多模态任务上还无法处理
ChatGPT有大规模语言模型自身的局限
可信性无法保证;无法实时地融入新知识,可回答的知识范围有明显的边界;成本高昂部署困难;在特定的专业领域上表现欠佳;每次生成结果有细微的不同
ChatGPT相较于微调小模型的优点
通过大量指令激发的泛化能力在零样本和少样本场景下具有显著优势,在未 见过的任务上也可以有所表现,在微调小模型的范式下实现的泛化能力
ChatGPT相较于其它大规模语言模型的优点
ChatGPT 使用了更多的多轮对话数据进行指令微调,这使其拥有了建模对话历史的能 力,能持续和用户交互,基于人类反馈 的强化学习调整模型的输出偏好
ChatGPT相较于普通聊天机器人的优点
ChatGPT类似于市场上其他聊天机器人(微软小冰,百度度秘等),可与人类自然交互 简单直接;ChatGPT 的回答更准确, 答案更流畅,能进行更细致的推理,能完成更多的任务
ChatGPT 的未来技术发展方向
无法产生本应产生的正确回复; 对于输入措辞比较敏感;生成的回复通常过于冗长;其模型过于庞大使用成本过高;减少人类反馈信息的 RLAIF
ChatGPT 插件发布带来的十大关注点
定义大模型的toC平台商业模式;开放 API 标准;未来应用内又可反向嵌入 ChatGPT;知识更新问题被解决;很大程度解决准确性问题
ChatGPT的未来改进方向
ChatGPT虽然对话能力强,但是在数理计算对话中容易出现一本正经胡说八道的情况,ChatGPT很强大,但其模型大小和使用成本也让很多人望而却步 |
| 智能运输机器人 |
| AGV无人运输机器人-料箱版 |
| AGV无人运输机器人-标准版 |
| AGV无人运输机器人-料箱版（钣金材质） |
| AGV无人运输机器人-货架版（钣金材质） |
| AGV无人运输机器人-货架版（亮面不锈钢材质） |
| AGV无人运输机器人-开放版 |
| 行业动态 |
