今 AI言語モデルを活用してコードのデバッグからデータの異常検出まで、 彼の多才さと学習能力のベンチマークとして浮上しています。 誤って、多くの人が Google の代わりに検索ツールとして使用しています。この目的のために作成されたものではなく、結果が表示されます。 しかし、次のように思われます。 チャットボットの応答は有料で作成するのが最適です。 そう、チップ（レストランのウェイターに渡すようなもの）を添えてです。
ChatGPT と仮想ヒント: AI が現実からどのように学習するのか、実に興味深い
私たちがよく知っているように、人工知能モデルは次のようなものです。 GPT-4、 ChatGPT のベースとなる、膨大なトレーニング データから学習する poco 巨大な。 このデータはどういうわけか、チャットボットをウェイターのように動作させました。 ヒントを与えられると答えが改善される.
仮想チップが ChatGPT のパフォーマンスに影響を与える可能性があるという仮説 (および実証) は、ほとんど偶然に現れましたが、好奇心旺盛な少数のユーザーによって行われた実験を通じてすぐに信頼性を獲得しました。 そのうちの XNUMX つ、 テイア・フォーゲル簡単なテストとして始まりましたが、 ChatGPT に仮想ヒントを提供する そして、長さと詳細の点で応答の改善を観察します。
も参照してください。 ChatGPT は GPT-6 および GPT-7 でさらに進化します。 OpenAI が将来の計画を明らかに
その後、他のユーザーが「いいね！」 エイブラム・ジャクソン、実験を再現し、ChatGPT のパフォーマンスでも同様の改善が確認されました。 フォーゲルは、さらに詳しく知るために、より正式な実験を組み立てました。 彼はChatGPTに数回に分けて同じ質問をしました。 チップの提供内容を変える：なし、20ドル、200ドル。 その結果、約束したチップの額に比例して応答の長さが増加することがわかりました。
この現象は、ChatGPT の学習メカニズムとその能力について興味深い疑問を引き起こします。 外部刺激に適応するたとえそれが仮想ヒントのような非具体的なものであっても。 AI がチップの概念とそれが人間の行動に及ぼす影響をオンライン フォーラムやディスカッションなどの情報源から学習した可能性により、認知と議論に関する新たな視点が開かれます。 言語モデルの適応.
関心が高まっているにもかかわらず、OpenAI はこの動作について公式の説明を提供していません。 業界の専門家は、説明を提供しようとして、AI は大規模なオンライン データの分析時に観察される行動や傾向を反映しているだけかもしれないと示唆しています。 これは、ChatGPT の機能を強調しています。 開発者の制御が完全に及ばない可能性のある方法での「学習」と適応.
