第22行: |
第22行: |
| |王有贵 | | |王有贵 |
| |王朝会 | | |王朝会 |
− | | rowspan="21" |[https://pattern.swarma.org/study_groups 了解更多详情,点此链接报名] | + | | rowspan="23" |[https://pattern.swarma.org/study_groups 了解更多详情,点此链接报名] |
| [https://campus.swarma.org/catalog/7 查看课程,点此链接] | | [https://campus.swarma.org/catalog/7 查看课程,点此链接] |
| | | |
第196行: |
第196行: |
| |柳昀哲等 | | |柳昀哲等 |
| |周莉 | | |周莉 |
− | |
| |
| |10 | | |10 |
| |进行中 | | |进行中 |
| |周日晚上19:00-21:00 | | |周日晚上19:00-21:00 |
| |2022年11月-2023年2月 | | |2022年11月-2023年2月 |
| + | |- |
| + | |“后ChatGPT时代”读书会 |
| + | |张江等 |
| + | |王建男 |
| + | |6 |
| + | |筹备中 |
| + | |周五晚上19:00-21:00 |
| + | |2023年3月-2023年4月 |
| |} | | |} |
| | | |
第813行: |
第820行: |
| | | |
| 从心理学的角度看,人类智能在最大化未来的奖赏收益,最小化未来的损失这一原则下,通过与外界环境交互产生。强化学习模型(RL,Reinforcement Learning)提供了一个很好的框架去描述与解释学习、决策等人类行为。在这个模块的分享中,主要从强化学习的角度去建模人类行为,并试图探究在神经元层面对应的计算过程。进一步地,也会探讨对人类前额叶进行建模的元学习模型。 | | 从心理学的角度看,人类智能在最大化未来的奖赏收益,最小化未来的损失这一原则下,通过与外界环境交互产生。强化学习模型(RL,Reinforcement Learning)提供了一个很好的框架去描述与解释学习、决策等人类行为。在这个模块的分享中,主要从强化学习的角度去建模人类行为,并试图探究在神经元层面对应的计算过程。进一步地,也会探讨对人类前额叶进行建模的元学习模型。 |
− | [[文件:读书会框架.jpg|替代=|居中|缩略图|高阶网络读书会安排]] | + | [[文件:读书会框架.jpg|替代=|居中|缩略图|NeuroAI读书会安排]] |
| + | ==[https://pattern.swarma.org/study_group/21 “后ChatGPT时代”读书会]== |
| + | ChatGPT是OpenAI发布的大语言模型对话系统,通过对话的方式与用户进行交互,它可以和你进行无障碍沟通,让你感觉对面不是一个聊天机器人,而是一个知识渊博的长者,相比传统的聊天机器人,这个突破是跨越性的。 |
| + | |
| + | ChatGPT自2022年11月30日推出以来,由于其卓越的性能受到了技术工作者及大众的广泛关注。它可以提供一些相对可靠的知识获取、对话、写作的支持,甚至已经有程序员开始用它debug了,比尔·盖茨在接受采访时表示:“到目前为止,人工智能可以读写,但无法理解内容。像 ChatGPT 这样的新程序将通过帮助开收据或写邮件来提高许多办公室工作的效率。这将改变我们的世界。”微软公司新版必应搜索引擎和Edge浏览器就调用了OpenAI开发的ChatGPT技术,让你在搜索网页时拥有一个给力的智能助理。 |
| + | |
| + | 从基本技术原理来看,ChatGPT以GPT-3.5架构的大语言模型为基础,通过人类反馈的监督学习和强化学习方法来提升模型性能,从而让对话越来越逼真。实际上,随着话题出圈,各行各业的人们通过与ChatGPT对话,使得ChatGPT得到进一步训练和微调。这一过程使得ChatGPT的技术和应用生态,呈现出了复杂适应系统的特征,持续在反馈中提高适应能力。 |
| + | |
| + | 具体而言,在ChatGPT的反馈提升过程中,问题合适的问题或提示尤其重要,你可能要尝试多种提问方法,或者要给出多轮背景信息,才能获得好的回答效果,这背后依赖的技术是自然语言处理的新兴方向——提示工程(Prompt Engineering)。怎样让AI自动发现合适的提示词,进而高效地提升模型能力,可能是人工智能革新之路的“低垂果实”。 |
| + | |
| + | ChatGPT被津津乐道还在于它具备了一定的“因果推理”能力,但显然ChatGPT对于内容相关性的处理,要强于对因果推理。对于商业应用和技术进一步提升而言,因果推理能力是关键。近年来,数据科学与机器学习领域正在兴起一场“因果革命”,能够自动化发现海量数据中因果关系的“因果科学”正在形成,因果推断、因果表征学习、因果强化学习、因果发现等前沿方向正在构建一条让人工智能发现因果、提炼模式、甚至创造新知识的路径。 |
| + | |
| + | 同时ChatGPT还展示出了类似人类的智能,在一些问答测试中足够以假乱真突破图灵测试,新研究甚至用“心智理论”评估ChatGPT已经相当于9岁儿童的智力水平。意识是人类区别或者凌驾于机器的最后一道防线,ChatGPT尚未完全攻克。意识问题本身具备跨学科性,全局空间、整合信息等理论还在竞相发展。多年来还有一批小众学者正在尝试在计算机中构建能够让它“自我模拟”的程序,进而设计出具备意识的机器。对意识问题的理解尤其是对意识机器的构建,可能是未来通用人工智能发展的关键突破机会。 |
| + | |
| + | 库兹韦尔预测技术奇点会在21世纪四十年代到来,其中标志事件就是超级人工智能。而因为ChatGPT的到来,技术奇点问题也再读成为热点议题。人类社会是否在科技、伦理、制度、文化等各个方面准备好了迎接通用人工智能时代甚至是意识机器时代的到来?这一系列问题,有待我们进一步讨论。 |
| + | |
| + | 本次读书会将在对ChatGPT技术原理探讨的基础上,延伸探讨上述相关方向的探索历程与前沿进展,勾勒未来人工智能技术路线图,并探讨通用人工智能预期下的未来社会前景。 |
| + | [[文件:“后ChatGPT时代”读书会.png|居中|缩略图|“后ChatGPT时代”读书会安排]] |