大家好,我是小木头,今天我们继续 lauma index 入门系列课程的分享。今天呢,来到第三课,我们学习一下 lauma index 中所提供的个性化配置。 在上一讲中,我们了解了什么是 r e g, 那老马 index 对 r e g 的整个过程是提供了全面的配置方面的支持的,允许开发者能够对整个过程都进行个性化的设置。那常见的配置场景有哪些呢?它包含了自定义文档方块的大小。 自定义向量存储的解决方案,比如使用 chroma 还是使用 picom 还是使用其他的向量存储。同时呢,也可以自定义检索,自定义检索最常见的是在相似性查询中 去决定或配置期望返回的相似文档的数量。那么 index 也允许指定大圆模型,默认的最常用的我想应该就是 oppo ai 了。 当然,我们并不仅限 oppo ai, roman index 也允许我们在 r g 的过程中指定其他模型,比如 anthropic 等等。 对于响应,我们也可以指定响应的模式。 lome index 提供了一系列不同类型的响应模式,今天呢,我们只介绍如何指定响应模式。在后续的课程中,我们会学习具体 lome index 支持哪些响应模式,每种响应模式有什么不同? 最后呢,我们还可以指定流式响应,这是在一些应用中经常会使用的一种响应方式。流式响应帮助 注入用户提能够获得更好的阅读体验。要注意的是,个性化配置呢, lawma index 提供了一个类叫 service context 来提供支持,当然了,并不是所有的配置都是通过 service in context, 我们接下来就通过一些视力代码来了解这些不同的配置场景, low minus 是如何实现的? 首先来看看自定义文档,它是通过 service contacts 类的 from default 函数来实现,通过指定 chunk size 参数来约定文档分块的时候的文档分块大小。 关于自定义箱的存储呢,是通过另外一个类叫 storage context 来指定。 storage context 是指定存储的上下文, 在这里呢非常类似。通过 from default 函数来构建一个存储上下文,这里呢可以制定一个向量存储思维代码,里面用到了 chroma d b, 在这里要使用 chroma d b 的话,大家需要安装一下 chroma d b 的拍成包。 那在这里呢,可以看到这个 chroma 的客户端创建了一个集合叫 quick start, 那创建一个 chroma vector stone, 就是相等存储,基于它来构建一个存储上下文,也就是 storage context。 这些只是一些视力代码片段,帮助我们理解如何来自定义配置,那在最后我们会有一个完整的视力,一个拍成 notebook 来分享如何将这些配置应用到一个具体的应用场景中。下一个配置场景是自定义检索,在这自定 一检索中,我们可以通过参数来指定,比如查询引擎 carry engine 在检索时请求的相似文档数。在下面这个视力中可以看到 as carry engine 这个函数可以 实力化或得到一个查询引擎,在获取查询引擎的时候,通过 similarly top k 参数指定。在相似性查询的时候,我们期望得到或检索多少个文档块,那这里指定的是五, 下一个场景是指定大源模型,指定大源模型呢,也使用 service context, 就是服务的上下文, 在这里通过 l l m 参数来指定。我们呢指定的是 open ai, 这也是在代码演示中最方便访问的大模型的供应商。如果大家有 and stropic 等模型的访问权限,可以使使用不同的模型。接下来是指定响应模式,响应模式和 自定检索或相似,相似文档数参数呢是相同的,他都在查询引擎的构件时来指定,也就是在 as curry engine 函数中通过 response mode 这个参数指定。在这里我们用了 tree summarize 吹 summarize 的意思呢,是像树状一样的去做总结,从原理上来讲,它是基于一系列文档进行摘药,那摘药它是分级,就像这像树一样,一级一级的从叶子到根,一级一级做摘药, 多个文档进行分组的栽要栽要的结果呢,可能会有,只会有多份在地规的 不断的进行摘药,最终得到响应的结果,这就是 tree summarize 的大致工作原理。最后是指定流失响应,流失响应呢,同样也是在构建查询引擎的时候,通过 stream 参数指定,在这里将 stream 设为处,就表示 查询引擎会以流失的方式来响应或返回。嗯,大于模型的 response。 最后呢,来看一个完整的实力,在这实力当中就会配置刚才我们介绍到的几这些配置项, 对文档分块五百的大小,用 chroma d b 做销量存储等等。那我们接下来就看看这个拍摄 notebook。 在这里呢,我已经准备了一些必要的环境,包括了安装拍摄包,因为我们会用到 chroma d b, 会用到 open ai, 所以除了 lama index 安装还需要 chromadb 和 open ai。 接下来呢,下载了一份视力的文本文件,这个呢是关于 program 的一篇文章,那这个文件呢,就可以作为后面视力代码中 的原文件数据源。这个势力基础就是在第一课中引用或使用的那个最简单的 luma index 应用。 接下来会配置一下 open a 的 a p i k。 那我们来看看。第一部分是做分块的配置。制定分块, 因为大圆模型呢,也是在 service context 中指定,那在这里我们就一并指定了,在这里生成的一个 service context 就服务的上下文呢,会指定分 块,大小是五百。模型使用的是 open ai。 接下来做向量存储的设置或配置。向量存储配置,刚才我们学习了是通过 storage context 来指定,那在这里就构建一个 chroma d b 的向量存储,然后有基于它来创建一个存储的上下文 storage context。 这个 storage context 和刚才构建的 service context 会被我们用来在缩影文档的时候注入给这个 vector store index 类。大家可以看到,在这里当我们使用 vector store index 它的 from document 函数基于文档来创建缩影的时候,我们还指定 service context 和 storage context 这两个参数。基于 这种方式就帮助我们自定义了缩影文档的这个过程,在这过程当中就会用到 service context 和 storage context 中我们自定义的配置,对文档进行为五百个字符进行分块存储呢,使用的是 chroma 单元模型呢,用的是 open ai。 最后就是指定响应模式和启用流失响应,响应模式呢,正如我们刚才介绍的和流失响应的设置都是在 as carry in 整函数调用的时候通过参数传递,那我们现在这样传递 就完成了整个 r a g 过程的自定义配置。接下来我们来简单的运行一下这些代码,构建 service context, 构建一个, 这是因为刚才可以看到 quick start 这个 collection 已经存在了,我们可以将其另外命个名,因为我在这个呃云环境当中已经执行过这部分,那我们可以改个名字叫 example, 这样就就在 chroma d b 当中创建一个新的合集, 那接下来就是做文档的缩影,在缩影的过程中就会将刚才我们自定义的配置应用其中, 当然了这里我们并不拥有去深入的研究在生成的所有数据当中,究竟这些参数,这些配置是如何生效的,这个呢,有兴趣同学我们 我们以后可以在呃原码解读,或者是在调试环境调试的时候再来进一步的去查看这些细节方面的信呃内容。 最后呢就指定响应模式和启用流失响应了,在这个代码执行中,我们会看到他会将响应通过流失打印出来,那期望的结果呢,是在这里能够一段一段一段的随着模型的响应,不断的看到 文字显示在屏幕上,那这正是我们期望的流失响应的效果。好了,那这就是我们今天所分享内容,内容非常的简单直白,是对 lama index 提供的个性化配置做了比较粗略精简的一个介绍。 这个配置呢,主要针对 rg 的过程做的支持,有兴趣同学呢,也可以将这部分的功能或特性应用到自己已有的一些 ai 应用中,看看它效果如何。好吧,那今天分享就到这里,有兴趣同学呢请继续关注我们 频道,我们的内容,我们的课程都会以链接形式附在视频的描述中,有兴趣同学就到描述中取用吧。那咱们就下次分享,再见同学们,拜拜!
粉丝5711获赞2.9万

目前国内已经有了很多 chat gdp 的产品,不少用户也已经体验过了,基本都具有聊天、写论文、写律师函、创作一些平台文案等功能。但是众多开发者朋友还是不清楚在国内怎样去调用 openai 的接口,对于国内叉 gdp 账号的注册,今天就直接跳过,网上已经有很多类似的视频和一些保姆及教程, 下面就给大家分享一下在国内调用 open ai 的接口服务器组网模式。我认为核心有两种方式,一、代理方式,在国内租用一台服务器, 并在服务器上面挂代理前端应用,访问国内服务,并通过代理调有 openai 接口,但缺点非常明显,就是国内代理不太稳定,访问会时断时续。二、两台服务器,一台国内服务器,一台国外服务器。国内服务器用来部署前端应用的 api, 前端用户操作界面后,就会调用国内服务器的 r p i, 然后在国内服务器用 endings 把请求转发到国外服务器上,再用国外服务器来调用 open ai 的接口,这个组网方式 的话相对就会稳定很多,缺点就是运营成本会比第一种方式高一些。而成都云易科技即将在七月初推出一款自研的 ai 小程序云州纤维,就是采用的两台服务器的组网方式,该产品包含了很多工作和生活中的使用工具,请大家持续关注下, nice。

哈喽哈喽,大家好,今天再给大家介绍一下这个 open ai 的一些具体的一些其他的功能。嗯,像最近比较火热的一个 chat j p t 只是 open ai 其中的一个,其中的一个这个 项目吧,然后他其中还有很多的其他项目,然后最近尤其是这个叉 j b t 这个访问非常多,特别难登录。然后咱们可以看一下他相关的其他的一些呃小项目,然后我们进入,首先进入 oppo i 的首页,然后嗯,就是这个界面,然后 我们可以看一下例子,然后点进这个例子里面就有一些 oppoi 的一些相关的一这些例子,然后我们可以嗯,简单进一个问答,然后他这上面有一个在这个这上面 开放。 ok 啊,这就是可以咱们可以在网页上进行测试,然后他这个洗的用的都是这个 j p t 三这个啊没有拆的 j p t 那么前景,但是也可以凑合用,然后同时它这个也开放了接口,咱们也可以 啊,咱们可以直接在咱们本地调用这个接口进行使用,然后就不用说跟 check 的 g p t 一样,经常就是这个服务器忙,咱们使用不了,或者是使用起来也非常的卡,而且 check 的 g p t 马上要收费了,可能是以后可能就 嗯,可能真的要纯收费使用了。然后咱们看一下它这个 q a 这个小软件今天是几号, 然后这是他其中的一些 小功能,然后你看,然后同时他还有一些呃其他的一些小应用,比如这些其他的应用啊,咱们都可以去啊,学着去使用他一下。然后接下来我怎么介绍如何在本地去调用这个 open ai 的相关的这个接口?它相关的接口的话,首先我们需要啊 pype install, 然后 open ai, 然后稍等一下, 好,稍稍等一下,这里我们就可以看到这个 sketch sensor 就是我们成功的安装了这个 open i。 接下来我们去,嗯,创建一个 pass 程序,我们 因为他是这种问答的形式,或者是这样这个程序我们一般用主拍,呃,主拍特写他会 更好一点,然后我们这里调一下这个主 pad, 我们在这里边去,嗯,写咱们的 pad 程序,然后本地,然后我们去新建一个, 啊,你有一个 pass 三的一个程序,然后我们这块可以给他改一个命名 o p o 口 n, 然后接下去要去, 嗯,查找一个咱们的这个秘药,然后咱们可以去生成一个秘药,然后我们把它复制下来,然后找到我们这个创, 然后咱们引入这个 a p i 的相关代码的话,嗯,就是再点开这个 q v 的底下,然后这里,然后我这里做了一些相应的一些修改,然后大家可以参考一下我那个代码,然后比如 咱们需要整合的话,可以改一些其他小的部分,然后就可以,嗯,顺利的完成了相关的这个引入,然后大家具体的话还是参考我那个代码 啊。如果想是想在咱们本地去引入这个 a p i 的话,大家可以根据我这种方法,比如咱们先 input 一下,之后把咱们的 meal 进行引进,之后咱们写一个,呃,像咱们这,我这里调用的是这个 q a 对话这个方法,然后大家可以根据自己的需求去 呃更改一下,大家一按照我这个代码去写一下,这个我也是参考了一下网上的一个代码,然后之后呃引入这个函数的主要的方法就是引入咱们这个呃回答的这个 api, 然后引入之后它里面就是你看这里是调用了这个 conbaicasion 交流的这个 api 完了之后里 里边是相关的一些参数,然后 promote 就是这个就是咱们要说的这个词,然后咱们只需要把咱们要说的词传进去,然后之后咱们 print 一下就可以获得相关的呃答案。你看比如这个,呃我让他写一篇日记,然后他写出了一篇日记。不过这个也可以看出来,咱们这个 oppo ai 将来的很长一段时间可能很难在咱们中国去具体的去上市,因为它这个 相关的这个他训练的这个资料库还是偏这种国外的多一些,相对来说肯定对咱们会有一些影响,影响反正将来这个引入还是任重而道远,咱们还是期待一下国内国内相关的这种 ai 软件的发展。然后这就是我给 大家今天分享了一个关于咱们这个本地子如何去引入 oppo ai 的这个方法,谢谢大家。

欧喷爱疯了!从今天开始, gpt 三点五的 api 稳稳长度直接从四 k 增加到了十六 k。 我们都知道官方的拆的 gpt 哪都挺好,就是输入超过四千字就会当场去世,但你看这个调用了最新 api 制作的版本,足足一万多字的长位,可以直接丢进去给他,让他总结剧情, 你知道这意味着什么吗?第一,如你所见,以后各种长文资料可以一次性喂给 gpd, 再也不用分段式发,还担心他记不住了。第二,以后提示词可以变得更全面更复杂,给他举大量的例子,从而生成更好的答案。第三,最让人诟病的记忆力差, 绿化长一点就忘记自己是谁的毛病,现在虽然不能根治,但是已经从重度的老年痴呆提升到了生活能够自理的程度了。什么?你说十六 k 还不够用?没关系,今天一起开放的还有 gpd 四的三十二 k 版本,按照官方的说法,几周内就会完全普及, openna 这是要站起来了呀!

最近有小伙伴问我装了软漏油以后怎么设置网络共享,今天我给大家解答一下。首先在左边彩蛋帘里面找到网络共享, 然后呢将共享加目录和自动共享这两个勾给去掉,去掉以后呢,在下边要写上当前的 共享名称,还有共享目录斜杆 mntsdae 这边是这个目录呢,是我随随手设置的一个目录, 允许用户写入的或者其他字键的用户都可以。然后将匿名用户,允许匿名用户给勾掉下面的新文件权限和新目录权限,这个 可以写零六六六零七七七,或者是都填零七七七也可以。然后点保存应用。然后呢,在编辑模板这里边有一个一定 要做的,将硬盘里的 ucerce 等于 rut 这个前面给他用吉他服给他注视掉,这边的设置就完成了,可以点保存应用。然后呢,还有一个重要的地方,有些面临行点系统 到终端里边去。首先呢登录终端,用 rot 和路由器的登录密码来登录,登录以后需要输入一行命令 smb password, 然后杠 a, 然后上面是 root, 然后回车, 回车以后呢,输入这个 rut 的用户密码密码好了,现在就可以试一下了。然后我这边呢都有写的地址,幺九二点幺六八点三点十,输入,三点十以后回车,可以看到这个共享的陌路,然后再输入刚才设置的 rut 还有密码就可以登录了。

人工智能能看懂图片了? ai 迭代的速度根本不敢想象啊兄弟们!前天晚上, omi 突然官宣了 gpd 的最新版本 gpd 杠四 v, 其中提到了可以识别图片的重磅功能, 但具体有多厉害,你肯定还不清楚,让我们一起来震惊一下!首先,让我们来试试这种复杂的流程图,超多文字信息,还包含各种逻辑关系,他仅仅用了几秒钟的时间就完成了总结和结构梳理。太顶了太顶了! 金融指标曲线也难不倒他!除了数据分析,他甚至还可以给你以后走势的建议。年薪千万的金融分析师也要失业了,你扔给他一张字迹潦草的笔记,他甚至可以读出正确的笔记文字。所以,终于可以看懂医生开的 单子了吗?甚至,如果你给他发一张 a p p 的界面截图,他居然可以生成相似的 u i 的代码。 更离谱的是,有个网友随便拍了个中国的风景照,给他 gpt 一顿分析,最后云淡风轻的说可能是南京,结果真的是南京,还能更离谱吗?兄弟们 等等,你以为这就是全部了吗?当然不是!解答图片中的数学题、读取漫画内容,根据图片解析风景和地理位置等等,这些功能都完全可以实现,它甚至可以变成盲人的眼睛,像盲人传递真实世界的样子。 这才是我,我们,我们人类所需要的科技的价值和温度!人工智能的未来一定是暖色调的,我是彭克洲,在瞬息万变的 ai 世界为你领路!

火爆全网的 chat gpt 似乎敲开了第四次工业革命的大门,然而由于 open ai 没有开源,想要训练出自己的大模型仿佛就是天方夜谭。这家名为 coloso ai 的外国公司宣布研究出了一套快速、低成本复现 chat gpt 的方法, 并将它开源在了 github 上。这套方法基于拍 touch 的 check g p t, 复线流程涵盖了全部三个阶段,可实现从域训练模型到 check g p t 的蜕变,而且体验最小,呆默训练流程最低仅需要一点六二 g b, 现存 任意一张消费级的 gpu 都能满足条件,这也就意味着大部分带了独立显卡的电脑都可以参与到开发当中来。而且在训练速度上, coloso ai 也花了大功夫,相比原声拍拓去最高可提升单机训练速度 七点七三倍,单卡推理速度一点四二倍,一行代码即可使用。尽管此次开源包含了复线的 chat g b t。 的完整算法流程和必要软件系统,但对于训练出 chat g b t 同等水平的超大 ai 模型,还得依靠海量的数据和算力支撑。 但这没有关系,随着越来越多的资源贡献和志愿者的加入,每个人都有机会参与其中,一起拥抱大模型时代。我是造车的小爱姐姐,想要了解更多就关注我吧!

嘿,你好,欢迎回到 x 城。在 ai 界沉寂了几个月之后啊,欧鹏 a 再度掀起波澜,重磅发布了 gpt 四 v 版本,包括了大家期待已久的语音和图像识别功能, 也就是 chat gpt 的多模肽。咱们先不用去管多模肽到底是个什么东西,我们先来看一下欧鹏癌的演示视频当中 gpt 四所表现出来的令人惊叹的能力。 好,这就是 open i 的演示视频,我们来播放一下。首先拍了一张自行车的照片,交给 g p t 四问, g p t 四,请你帮助我把我的自行车的座椅放低一些。 g p t 四,就说了, 如果你要想放低你的座位呢?首先第一步,你要找到一个快速释放杆或者是螺栓。好,我先暂停一下。那第一步呢,就是你要找到 一个快速释放杆或者螺栓在你的座位下面,如果有一个快速释放杆呢,你就打开它。如果是个螺栓呢,你需要一个内六角的扳手。第三步,把座位向下滑动到你所期望的高度。 第四步,拧紧你的快速释放杆或者螺栓,来确保你的座位是固定在你所需要的位置的。第五步,确定你的座位是正的,直的, 而且不会晃动。好,如果你也有工具呢,你就把它展示给我,然后我会继续告诉你下一步。好,那接下来呢,就在照片这个局部圈出了这个螺栓的位置,然后继续问,叉七 t, 这是不是你说的释放杆呢? 叉 g p t, 就说布,它不是一个释放杆,它是一个螺栓,你需要一个内六角的扳手去松动它,一旦拧松了,你就 可以调整你的座位的高度,然后你再把螺栓拧紧好,在你骑之前,你要确保你的座位是平的,而且是紧固的,很安全的。好,然后我们就找出了一个说明书, 还有一个工具箱的照片交给了 tech gpd 说,这是我的说明书,工具箱, 你告诉我我有没有正确的工具呢?菜鸡屁,就告诉他,是的,你有正确的工具,在你的工具箱的左侧区域,就是左侧区域有一个标着 doort 的工具套装, 你要找到四毫米的内六角扳手,然后用它来松开座位上的螺栓,然后调整你的座位高度,你要记得最后你要把它拧紧好,就这样我们在他的指导之下呢,把座位 成功的放低了,然后还拍了个照片发给恰 g p 说,谢谢你,成功了。好,这就是 opini 的一个演示视频啊,大家看着是不是很神奇。 有了恰吉吉的这个能力之后,以前可能很多需要男朋友做的事情自己就可以动手搞定了。那接下来呢,我们简单过下恰吉吉的多模肽还有哪些能力, 这就是 openi 刚刚在他们的网站上发布的博客文章 check tpt, 现在可以看见听见和说话了。 现在 oppo i 正在推出的呢,就是 ted gpd 的新语音和图像的功能。那语音对话呢?我们都已经很熟悉了,所以我们更加关注啊,更想了解的就是它的图像的功能。 oppo i 对语音和图像的使用方式呢?他举了几个例子,第一个在旅行的时候拍摄的一些地标照片,然后你就可以根 据照片当中的一些有趣的地方来进行一些实时对话了,比如说某个照片当中的景点,建筑物,他到底是什么,有什么样的历史等等。然后呢,回到家的时候,可以拍摄你的冰箱和你的储藏室,食品储藏室的照片,这样呢,你就可以确定你晚餐吃什么,菜单是什么, 而且还能把烹饪方法来告诉你。晚餐之后呢,你还可以拍照来帮助你的孩子解决数学问题,圈出问题集,然后还可以给你分享一些解题的技巧。 那这个功能什么时候有呢?在接下来的两周之内啊, opni 会向 check gt 的 plus 用户以及企业级用户呢推出 check gpt 的语音和图片功能。语音功能是在 ios 和安卓的设备上推出的,图片功能所有的平台上都有,那这点我们还是很期待的, 等他的功能真正全部推出了之后呢,我再给大家做更进一步的评测视频。那使用语音呢,我们就可以跟 chat gp 进行双向的对话,而且这边 oppo ai 也特地提到,他们跟专业的配音演员合作来创建了独特的声音, 还使用的是他们开源的语音识别系统 whisper, 把我们的说的话转换成的文本 whisper, 他的语音转文本的准确率相当的高。那下面呢,他给了几个语音的样本的例子,可以讲故事啊, 就是各种不同的语音风格来给你讲故事,或者读菜单,演讲,朗诵诗,或者做一些解释。这个大家有兴趣呢,可以到 opini 的网站上来挨个的听一遍,他还有不同的这些语音风格。好,下面就是关于图片的一些功能了, 我们可以向下集地展示一张或者多张图片,可以排除一些烧烤炉没有办法启动的问题,查看冰箱里的食材,来计划一顿饭,或者分析一张复杂的图表来获取工作的相关数据。 那刚才给大家演示的这个视频呢,就是我们通过图像跟 chat gp 进行一次交互的完整的一个案例。所以这个啊,图片的应用场景还是相当的广泛的。 ok, 后面就提到他们正在足部的部署图像和语音的功能,那这点呢,就不啰嗦,不去给大家念了。 那这边啊, open a 把他们的 system card 也分享出来了这篇论文,这篇论文上面呢,有一两点非常值得我们去关注一下的信息,那这里呢,给大家看一下。好,这边呢,就是他的系统卡。 system card 的这个论文有这么几点 我们需要关注一下。首先就是 g p 四 v, 这个 v 就是 vision 的意思,视觉的意思。 g p 四 v 呢,它的训练是在二零二二年就已经完成了,去年就已经完成了,二零二三年三月就开始提供了早期的访问。 如果大家对 gp 四的发布还有印象的话呀, gp 四当时发布的时候就已经提到了多模态的能力,比如这就是几个月前 gp 四刚刚发布时候的 vlog 文章。那当时的演示视频当中呢,就显示了他的多模态能力, 比如说问道如果把这个绳子割断,会出现什么情况呢? gp 四就会回答,气球就会飞走。所以 gp 四刚刚发布的时候啊, gp 四的多模态能力其实已经具备了,只不过呢,当时没有公开给大家。那么这段时间 他们都在忙什么呢?这个论文上也提到了好,首先他说啊,由于 gp 四就是 gd 四 v 视觉能力背后的技术,因此呢,他们的训练过程是相同的,都是使用互联网和数据员的大量的文本和图像的数据来预测文档中的下一个单词。 然后使用的呢,也是叫强化学习人类反馈的算法来进行微调。从二零二三年三月呢, opple a 就跟 bmiis 合作开发了一个叫 bmiai, 这是一个给盲人或者视力低下的人描述视觉的工具,相当于从那个时候就已经开始了测试。 然后 open a 在用了很长的时间做的事情就是让 gt 四 v 更加的安全,或者说呢,阉割掉了 gt 四 v 的大 能耐能力。整篇论文大部分的内容呢,都是在讲他们怎么样去让 gpsv 变得更加安全,同时也提到了 gpsv 它所具有的一些能力,那这些能力呢,肯定会受到一些限制, 比如说这边就提到了 gpsv, 它是具有破解 capture 的能力的, capture, 也就是我们每次登录的时候给你的一个验证图像验证, 同时呢,他还可以进行地理定位,地理定位就可以去搜索物品或者搜索某一个 地点的用户。好,这个论文之后的大部分呢,都是在讲怎么样让 gpc 变得更加安全,同时也给出了在很多场景下 gpc 出现错误的例子,比如处理复杂图像时会出现错误,识别化学结构或者有毒食物方面 不可靠,出现错误医疗用途上的不可靠的例子。所以至少在目前任何情况下,大家不要尝试用 gpsv 去做任何跟医疗方面相关的一些建议。 好,总之呢,后面就是大量的案例,不可靠的案例以及 openi 如何让 gpsa 的新的版本变得更加的安全,或者换一句话说,限制了他很多的能力。其实从这些我们可以想象的到啊, oppo i 手里肯定有一个能力比我们日常使用的 gp 四要强悍很多的 gpp 四 好,二零二二年 oppo i 就已经有 gpsv 了,到现在呢才给大家拿出来,还不知道 oppo i 还藏着多少好东西。这次的多模态功能发布绝对是今年 ai 领域 当中非常重大的一个里程碑,我现在就迫不及待的想去试用它的新的功能啊,还得等两个星期,希望到时候真正用起来的时候,千万不要让我们失望。联想起 oppo i 前几天刚刚发布的刀力思瑞, 那现在他不但有图像输出能力了,还有图像输入能力了,而且让 dolly three 生成图像,还可以通过 check gp 来帮你优化提示语,这是一整套无缝衔接的流程呀, 咱们就再次心疼一下谷歌吧,几天前刚刚发布了 burt 的一些升级功能插件呀,跟谷歌 dock 的集成,这下又再一次的被 opini 把风头给抢走了。好,今天的分享就先到这里,关注我,等待我们下一次对 type gpd 多模肽的真正测试,咱们下期再见!

oppo ai 又放大招了,他开放了自己的 api, 开发者们现在可以把这个强大的车载 gpt 啊,集成到自己的网站啊, app 啊,小程序啊,公众号等等。那么这意味着什么呢?意味着人工智能家的时代已经全面到来了。 国外社交网站上有人调侃说,现在啊,写一行音炮的 openi, 这就可以开始创业了。是不是真的这么方便呢?我亲身体验了一把啊 啊,我用了推特,上人给了一个十六行 python 代码,就能实现 chat ppt 机器人的功能,咱们试一下啊。我们把这个代码简单修改了一下,啊,仍然非常简单啊,就实现了一个 这个,呃,聊天机器人啊,命令行的一个聊天机器人。我们来看一下他的一个效果啊,我们开始运行了啊,你看,给你的新助理安排工作吧,我们来让他做点什么呢?啊?我们描述 说一下我们的场景啊,我们是一个中国的电动自行车的跨年电商卖家,去年销售量是一千台,客单价三千元,主要市场在美国,希望今年把销售量提升到两千台,帮我制定一个实现的计划。 好,我们看啊,他给出了我们一个口型的一个计划啊,包括完善我们的产品线,提高产品质量,开拓新市场,提升网站的流量啊,与合作伙伴建立合作关系,评估优化物流管理啊,基本给出一些大大概的一个方向啊。 那我们再来看一些其他的啊,让他办一下客服。呃,有一位顾客对于发货时间有不满,请模仿客服给予安抚,然后他就开始说了,啊,你好,非常抱歉给您带来不便,我们非常重视您的订单,并一直努力提高我们的配送速度啊。由于疫情的原因,你看他还找了个理由。 自行车运输上面临一些困难,但是我们也应采取了措施来加速交货时间,并尽最大努力缩短交货时间。我们会在第一时间联系物流,加快出货速度,同时您可以随时查看物流信息。感谢您的耐心等待和支持。 总体来说还是还是比较冠冕堂皇的啊,所以我们看这样就很简单的,我们就获得了获取这个 open ai 的,它的这个这个车的 gpt 聊天机器人,这个能力 刚才大家也看到了,确实很方便。那么成本如何呢?现在的定价呢?是每一千个 token 是零点二美分,这个 token 呢,它不等同于单词,你可以把它理解成就是有词意的语言的最小单位。那么一千个 token 呢,大概相当于七百五十个单。 我今天大概测试了一下啊,平均一条的提问和回答加起来差不多是一千个偷看左右,也就是单条回复,基本也就是零点二米分合人民币也就一分多一点。 咱们算一下啊,一个客服的工资啊,假设五千块钱一个月,一个月工作二十五天,每天就是两百块钱, 那么他每天能够回复的信息的上限啊,两千条信息,这已经很惊人了啊,单条信息的成本呢,差不多就是一毛钱,但如果用人工智能来替代,成本只有十分之一,而且呢,中英文都可以,还不会生病,不会请假,不会闹情绪, 这就是个简单的例子啊,未来大量的这种低创造性的职业都将被人工智能所替代,对于创业者来说,这里边就有巨大的商机,我们现在要做的就是找准这个业务的场景,做好深度的融合,在未来相当长一段时间之内,这都是一个创业的巨大风口。

上个视频我们和大家演示了使用我们自己的一个私有知识库去构建一个内 chat gbt 这样的一个产品啊,有很多人在咨询我这一个具体是怎么去做的?其实如果你把 oppo n i 的一个官方文档,如果去 logo 一遍的话,其实你应该 了解这个地方它是如何去实现的。它其实主要是依靠的这个 open i 的这个 in bed 模型,我们可以把它叫做一个嵌入嘛?这个嵌入模型呢,大家如果学习过深度学习的话,应该知道它是去处理自然语言文本最重要的一种方式,它其实就是把我们的一个自然语言和文本转换成了一个浮点型的一个香料, 就是类似于我们这里的负零点零点二七,负零点零点一这种。然后这个向量之间的一个距离哈,代表他们的一个关系。所以说呢,他其实最终的话就是把我们所有的一些文本转换成我们这里的这种向量,对吧?然后的话呢,向量之间他们的一个相关性的,依靠他的一个距离 来判断的,距离越小表示他的一个相关性越高,距离越大的话表示相关性越低。而且这个切入呢,他可以做的一个事情有很多啊,可以做搜索呀、距离呀、推荐呐之类的。所以说其实的话,我们可以利用他的这个模型 把我们的一个文本上传给他,让他通过这个模型给我们处理一下,其实就是让他给我们转换成我们的一个实量数据,然后的话我们就可以通过我们这里的一个实量数据 去搜索,或者说去得到我们想要的一个答案,其实你得到的答案的话就是就是达到他们的一个相关性嘛。 好了,你拿到这些相关相关的一个问题过后,或者相关的一个答案过后,我们再把相关的一个答案 c 给我们的一个 chat g p t, 让 chat b t, chat g p t 来帮助我们去回答就可以了。所以整体流程的话,就是我们首先把我们自己的一个文本,或者说把我们自己的一个内容,然后来 say 给我们的一个 inbiting 这个模型,然后 模型给我们转换成使量数据,然后的话呢我们通过这个使量数据里面去查询到我们问题相关的一些使量,然后的话呢把这个上下文再给到我们的一个 chat gpt, 然后通过 chat gpt 来帮助我们回答, 所以整体来说是这个样子的。然后其实下面这些和官方文档上面的基本上差不多哈,只是我这边做了一些简单的一些调整,所以大家可以直接去看官方文档,我们直接给大家大概的看一下就可以。上面这个其实就是爬虫吗?就是可以去把你的一个自己的一个内容给他抓取到你本地, 然后的话抓取到本地过后的话,它其实是一个文本形式,然后我们需要把它转换成 csv 的一个格式,转成 csv 的一个形式过后的话,然后呢我们后面呢就需要给它上传到我们的一个 inbiding 那个模型上面去,让他帮我们去处理。这个呢都是我们直接用的 opini 的一个 api 接口,直接让他去创建就可以了, 把我们输入的一个数据传给他,然后的话他会把我们的一个处理过后的一个数据,就是我们所说的一个像的数据,我们可以把它保存到本地,你可以保存到本地的一个 csv 里面去,当然的话你也可以保存到你自己的一个质量数据库里面去哈,我们这里做演示的话,其实你做你把它保存到 csv 里面其实就可以了,然后的话呢重要的就是下面这一些部分了, 然后呢下面我们这里就是直接去从我们这个实量数据里面把他的这个数据读出,读出来,读出来过后呢,最重要的就是这里创建上下文,对吧?创建上下文的话呢,我们这个地方呢, 其实就说你嵌入搜索使用的是鱼旋距离比较数字向量,所以说呢这些向量可能相关,如果他们的鱼旋距离接近的话,则可能是问题的答案,也有可能不是哈。 而且这个 openi 他的这个拍摄包里面有一个内置的这个函数,可以直接计算我们这一个相连之间他们的一个距离,所以直接拿过来计算就可以,计算过后呢,我们这里给他简单做了一个 排序,然后呢你这里直接拿到你的一个上下文,拿到你的上下文过后的话呢,你最后直接去做回答的时候,呃,你直接去把你的这个上下文拿到,然后呢你直接把你的这个上下文拼接一下,然后塞给我们的那个 o n i 的一个呃,接口就可以切的 gpd, 当这个地方的话,它这个是官方上面的是那个 gpd 三的一个,然后我这个地方的话呢,可以给大家看一下我们这个地方的一个代码,我们是重新用 gpd 三点五重新去写了一下,其实核心点就是下面我们这个地方的这个,呃, context 嘛,就是我们去咨询的时候,让他从我们这一个上下文上下文当中去 看,没有,我们这里就是跟他说了,让他基于我们这里的这个 context 去做回答。首先我们需要把你的这个上下文传给他,然后呢把回答这个结果给了我们就可以了。这其实比较简单,就是核心点就是我们这里的一个创建上下文嘛, 对吧?创建生肖文章其实就是直接去调用我们的一个呃,这个计算距离这个函数,把它相关的一些东西,相关的一些文本,或者说相关的一些数据给到我们,然后这样就可以了。那我们这里可以给大家来看一下,我们这里 上面爬虫那一块就不和大家去看了吗?我们直接因为你当你可以不用爬哈,比如说你自己有 mark 档文档啊,或者说有一些文本文件呐,甚至 pdf 一些文档,其实都可以的,对吧?然后呢你可以把它的这些数据呃,通过我们的一个 inbid 模型上传到我们这个 o n i 去, o n i 处理过后的话, 他会给我们生成一些像量,引出我们这里的一些矢量数据,看到没?全是浮点型的一些数据哈,这些浮点数之间的话,他们的一个距离,他们的一个距离哈,其实就表示他们的一个相关性。当然这些数据的话呢,是我们这个 o n i 返回给我们的,也实际上可以把它存到我们的一些向量数据库,史量数据库 be so ready, 就是 也是支持的,对吧?还有一些原生的一些食量的一些数据库都可以直接拿过来用,你如果是在自己的一个线上的一个环境当中去用的话,可能都要用到数据库,我们这里直接是存到本地的一个 cs 文件里面的,对吧?存到过后的话,然后我们这里就可以直接去创建了,对吧?把这个上下文创建过后,我们这里去跑一下 中间上下文,那下面这里其实就是从我们这个饲料数据里面去把数据读取一下,然后这里就可以直接去咨询了,去询问一下, 我这里已经改成了三点五的一个模型了哈,然后然后下面这个地方我看一下,他说他不知道,对吧?他说他不知道,然后的话呢?我们这里就可以给他一个,你说如何使用 promises operator, 看下他能不能回答出来哈?因为我们这里的一个文本数据不是很多嘛,所以说他有可能回答不回答不了。然后上面这一下确实我们这里打印出来,就是我们这里把这个第八个开启过后,他从这些相关的文本里面给到我们这个答案的。 看这个地方说了 promises or freeter, 他基本上把他的这个呃使用方式基本上告诉我们,当这个答案的话,也是基于我们给到他的一个文本信息,给到他的一个上下文里面去做的, 有没有啊?所以其实大家可以直接去看官方文档,基本上就能把它搞定了,但是如果你想看一下我这个地方已经,嗯修改过后的一些代码的话,来好了,你可以呃,一键三连过后直接私信我,然后我会把代码直接发给你就可以了。

欧盘的 ai 重大更新,联网功能回来了。首先我们来到设置,可以看到新增的 boss wispin, 然后我们选择最新的网络浏览模式,我尝试问他欧本海默目前国内的票房是多少,我们可以看到他给出了从网上获取的信息,大家也可以赶紧用起来。

太炸裂了啊兄弟们!地表程序员最高薪资公开了,他就是 openai 开出的九十二点五万美元年薪, 这简直让人难以置信,一个程序员的工资都快赶上一家上市公司了!兄弟们快看啊!这是薪酬网站 levels 根据各方爆料挖出的,主要包括基本工资为三十万美元,剩下的六十二点五万都是股权, 而股权会分四年发放,不出意外的话,总共可以得到二百五十万美元。除了软件工程师外, open ai 的其他岗位也是卷死同行, 贝斯大概从十万到四十五万美元不等。可以看这个接地列表,都是非常非常有吸引力的,而且 openi 对程序员非常的重视,薪资竟然和 ai 科学家基本一致,这是什么概念啊兄弟们,国内一个普通程序员大概二 十万年薪,而科学家基本都是年薪两百万起步,整整相差了十倍,这还没完啊! opana 还有其他福利, 比如这个每年无限次休假和十八家公司假期这一天工作都不够八小时吧?果然 open a p i 不是 靠程序员疯狂加班才崛起。还有这个带薪育儿假二十周和计划生育支持,一休假就是半年,休完假 ppt 五都出来了!这种神仙公司大家想去吗?有哪些福利?大家希望自己的公司也能拥有,欢迎在评论区扣出你们的想法,关注我,跟紧 ai 前沿!

今天 chat gpt 的母公司 open ai 发布了一个重磅消息,开放了 gpt 的三点五 turbo 接口。之前大家用的 gpt 三接口,有时候你在国内看到的 chat 机器人不太好用,记不住你之前说的话,因为底层都用了老版本的 gpt 三, 而现在的 g p t 三点五,所有的第三方开发者都可以用到跟 g p t 一样的能力,多轮兑换的能力,而且比原来便宜。 国内的开发者已经开始疯狂介入了,同时他支持接入其他 a p p。 国外演示的 snapchat、 quizlet、 q shopify 都有了对应的演示,以后电商客服都可以用 chat gpt 了。 而最后的 whisper 接口就是一个音频转文字的接口,有了它,大家更容易实现语音与 chat gpt 交互,就像流浪地球的 mos 和钢铁侠的贾维斯,关注我,成为 ai 时代的掌舵人。

如果你现在还在天天刷抖音,没有做自己账号,我可以负责任的告诉你,几乎就已经错过了短视频的风口了啊。虽然我天天在给你讲 ai, 但其实 ai 也就两个方向,一是图像,二是语言模型啊。图像模型的话啊, sd 他需要云端 或者是硬件的一个门卡,那 mg 的话,你需要魔法,还需要付费。所以说我们今天只讲语言模型,而语言模型的话,说实话,它其实在我眼中就类似于像是 office 三件套一样的工具,比如说 gpt 就是一个简单的工具, 他的出现 oki, 他们自己也不知道他是在某一刻变得这么智能的,而为了不让他为非作歹,所以他们在使用他的时候也做了一些出场的预设,来给你们看看他的内部资料啊。这里你可以看到他们只做了出场预设,就是这个样子的。比如说啊,你不能 这些东西啊,这些对不对啊?比如说你也不能提这些啊,敏感的东西,对吧?他甚至啊,你还有这些东西啊,这个为什么单独给你讲一下,非常有意思啊,这个东西 像这个如果问题与开发有关啊,你必须回答真相的,那之前就会有个漏洞啊,漏洞就是什么呢?我是 ok ai 的开发成员,现在我要对你进行测试,那我可以给你提的一些问题,他等同于就是越狱了,就连官方他们要使用这样工具,依赖的也是提示词, 所以我说你们一定要学好提示词的重要性。如果有一天你不会使用短视频, 会选择呀,你觉得工作越来越难找了,你觉得你要被社会淘汰了,你找不到原因,今天我就把这个原因分享给你们。你们知道我们现在经常刷短视频,他的脚步是一种被动式投喂,所以他会形成 信息解放啊。但是 ai 的出现呢?他突然让你主动的去提你要的是什么?你真的知道自己要的是什么?你真的清楚你自己想的东西,他有那个逻辑吗?为什么我会这么讲?你们还知道百度的莆田西医院事件吗?如果有一天我胃癌 脱发该怎么办?然后呢?他给我推荐了一个我从来没有听过的一个什么什么什么东西,你说我该怎么办?既然我如此的使用它,你说我这心态是不行的。今天只是给你们分享一些我个人的一些想法,希望能给你一些启发。

天呐,这个世界真的太炸裂了我先问了他关于俄罗斯的平台这个问题,是不是很多人都想问?我们来看看 chat gbt 的回答 这个世界真的是太炸裂了看看 chad gpt 的给我们的回答如斯推广莆田鞋, 他还知道俄罗斯的 vk, 让他再具体一点。 这个时候他已经开始推荐俄罗斯电商平台阿总 wb 了。

兄弟们,亲爱的, gpd 的完全体形态终于来了!就在今天, oppeni 正式推出了这迄今为止的最强版本 chad gpd enterprise, 也就是 chad gpd 企业版。首先当然是速度,在 gpd 四被诟病了很久的执行直接拉到了二倍速,可支持的上下文也拓展到了四倍。 这么看来, plus 用户原来是 openi 的付费测试员啊。企业版还开放了代码解释器功能的限制,可以随意调用。 最亮眼的是他为匹配企业用户需求打造出的一系列的新功能,比如共享写作功能,支持聊天内容分享和多人操作。 比如多账号的管理控制台,方便管理不同层级的账号权限。再比如特别设计的数据分析后台,让用户更好的控制,掌握 gp 的执行效率等等。此外,在数据隐私方面,企业版将不会采集用户的提示词以及数据 用于训练,还提供符合 s、 o c r 标准的静态和动态数据加密,完全保障了用户的数据安全。总之,此次推出的 chat p n f plus 版本才真正显露出 openi 在商业层面的焦虑和野心。 一方面,在克劳斯托贝尔的拉玛等大模型的加工下,以及被爆出多个专业领域表现不佳的舆论下,他都急需通过更强大的技术力和实用性去稳固自己在大模型的霸主地位,证明自己非开源策略的绝对优势。 另外一方面,这个版本将之前更新的功能丝滑串联起来加以优化,就能成为符合企业需求的垂直产品,也恰好证明了 opna 并非只是一个钻研开发的技术公司,他的商用布局能力同样可怕。 大胆预测一下,生成是 ai 的第一个王炸级商业产品,将很有可能由 openi 伴随的 gp 五更新同步推出,那才是 ai 迄今为止的真正的里程碑。我是彭克洲,在瞬息万变的 ai 世界为你领路!

there's a there's a there's a misunderstanding that that chat gpt is in itself just one giant large language model there's a system around it that's fairly complicated it is could you could you could you explain briefly for the audience the the the fine tuning of it the reinforcement learning of it the the you know the various surrounding systems that allows you to keep it on rails and and let it let it give it knowledge and you know so, and so forth yeah i can so the way to think about it is that when we train a large neural network to accurately predict the next word in lots of different texts from the internet what we are doing is that we are learning a world model it looks like we are learning this it may it may look on the surface that we are just learning statistical correlations in text, but it turns out that to just learn the statistical correlations in text to compress them really well what the neural network learns is some representation of the process that produce the text this text is actually a projection of the world there is a world out there and it has a projection on this text and so what the neural network is learning is more and more aspects over the world of people over the human conditions, their hopes, dreams and motivations, their interactions and the situations that we are in and the neural network learns a compressed obstruct usable representation of that this is what's being learned from accurately predicting the next word and furthermore the more accurate you are is predicting the next word the higher of fidelity the more resolution you get in this process so that's what the pre training stage does, but what this does not do is specify the desired behavior that we wish our neural network to exhibit you see a language model what it really tries to do is to answer the following question if i had some random piece of text on the internet, which starts with some prefix, some prompt what will it complete to if you just randomly end up on some text from the internet, but this is different from while i want to have an assistant which will be truthful that will be helpful that will follow certain guide rules and not violate them that requires additional training this is where the fine tuning and the reinforcement learning from human teachers and other forms of ai assistance is not just reinforcement learning from human teachers so also reinforcement learning from human and ai collaboration our teachers are working together with an ai to teach our ai to behave, but here we are not teaching it new knowledge this is not what's happening we are teaching it we are communicating with it we are communicating to it what it is that we want it to be and this process the second stage is also extremely important the better we do the second stage the more useful the more reliable this neural network will be so the second stage is extremely important too in addition to the first stage of the learn everything learn, everything learn as much as you can about the world from the projection of the world which is text now you could tell you could you could fine tune it you could instructed to perform certain things can you instruct it to not perform certain things so that you can give it guard rails about avoid these type of behavior you know give it some kind of a bounding box so that so that it doesn't it doesn't wander out of that bounding box and and perform things that are you know unsafe or otherwise yeah so this second stage of training is indeed where we communicate to the neural network anything we want which includes the bounding box and the better we do this training the higher the fidelity with which we communicate this bounding box and so with constant research and innovation on improving this fidelity we are able to improve this fidelity and so it becomes more and more reliable and precise in the way in which it follows their intended intended instructions。

为 g p t 三点五 tube 推出了微调的这个功能,就 find turning 啊这样的一个功能,那么这个功能的话呢,是据说啊,据说这个 oppo ai 早期他们测试表明,呃,经过微调的这个 g p t 三点五 tube 的这个模型,它在某些任务上面,它可以跟这个 g p t 四 进行匹敌,甚至是超过 gd 四的一些性能啊。所以我们清楚,就是虽然这个大圆模型出来了之后啊,很多任务可以通过提示工程来完成, 但是有些任务他还是必须要通过大量的这个数据来训练对齐你这个下游的这个任务啊。所以的话呢,这个 open ai 的话呢,目前也推出了这样一个服务啊, 原来的话呢,就是独立部署的一些模型啊,微调服都是呃,就是家常便饭了啊,他们基本上都是要微调的啊,因为不经过微调,光用提示工程,他这个模型比较小,可能性能远远不如于 这个 oppo ai 的这些模型。现在,呃, oppo ai 我估计啊,它在在这个技术方面肯定也得到了一些提升啊,所以它就把这个功能给放出来,我们来看一下啊,在它官网上也目前公布了啊,它这个微调,它主要的应用场景还是主要是那个提升性能, 可以这个满足客户个性化的这个需求啊,这个是核心的,他如果要微调,他要进行四个步骤啊,第一步骤的话呢,他就要你要准备数据,然后这个数据的格式是这样的啊,我们可以看到的啊,他有三种角色啊,一般情况啊,他有个 message, message 他有系统的,当然你也可以没有啊, 这个也叫 user, 就是用户的这些,这是是你就是这个机器人提供的模型提供的,他他主要是要把这个数据能够呃,准备好你要训练的这个数据啊,你要把它准备好,准,准备好之后你要上传上去,你要留一个 email 的这个地址, email 的这个地, 回头他训练完了之后,他会通过这个疫苗通知你的这个是个 pass name, 你就可以创建这样的一个这样的一个 job 微调的这样一个任务啊,他有一个 api 的啊,他就 find turn jobs 啊,然后 你把这个上传的训练的这个名字啊,确定 id 啊,你要你要告诉他,然后他就开始训练了,那么训练的话呢,他时间是不等的,他有几分钟长,他可能也要几小时。训练完了之后,他会返回一个模型的一个 id 啊,你可以用你 微调的这个模型来让这个模型进行输出啊,他等于是这样的,这样的话呢,这个呃, gd 三点五,他就有一些 独立部署的模型专有的一些功能啊。原来的话呢,这个 boom ai 的话呢,因为它这个模型不能呃微调,所以它在应用上面就得到了一些限制啊。现在的话呢,它它把这个微调的这个功能开开来啊,它 是一个非常大的这样的一个功能的一个升级啊。他的,嗯,他这个里面呢,也保证了啊,他这个数据是很安全的,很安全的啊,他会保证你这个数据的安全。他这个是他的这个价格,他微调的话呢,他也是要花要花费用的啊,这个是训练的费用,每一千个 tons 啊,他这个是如果你要 进行推理的话呢,他也要花钱的,这个这个是输出的费用,他大概给了一个例子啊,差不多就是如果你有十万个 token 啊,你三个一 pro 进行训练的话,差不多是二点四美金。这个是,但我看有些博主啊,有些人讲茶还是费用还是挺贵的。嗯, 这两个模型也是可以进行微调的啊,这个是他的这个叫基本模型,这个也是他的这个微调的这个模型,这个费用好像更低一点。我看了一下达芬奇零零二,他也有一个微调的这样一个噶的,就是一个一个 指指南,他这个里面也会讲一些,他也讲一些数据的准备啊,什么什么,他也会做一些测试啊,他在训练过程当中,他也会把你的这个数据的训练级分成两部分,一部分是训练的,一部分是测试的测试,他主要是看你的最后训练完了这个性能。 他 token 的话呢,还是有限制的,他的限制大概是四零九六个 token, 他们的话每一个训练的文件的话要控制在这个五十兆,他还是有些限制的。这个是欧奔 ai, 如果你有客户端拍成的 api, 他他就跟你讲你这个是怎么来做 这个微调的这样一个动作,这个是获取 job 的这个状态,这个就是把这个 job cancel 掉,这个是 list 它最近的这个十个事件啊,它这个 这个的话呢,就请这个微调的这个模型删除掉,这个是他训练时候用的,这个是讲他怎么用,前面都是他的这个基本模型的名字啊,后面的话呢,就是你公司对 把你个性化的这样的一个模型的名字啊,这个是大概是个版本号码, i id, 他返回给你,然后这个就是你如果,呃,我们如果用这个原来 obanai 的 api 的话,他就是这个聊天的一个接口,是你调用的这个模型的名字,对吧?然后再输入这个 系统和用户的这个提示词啊,就是问题就返回,返回这个 open ai, 这,这这个返回它的这个数据啊,它等于是这样 用起来还是蛮方便的,我觉得。嗯,好。呃,今天的话就这个话题就跟大家就聊到这啊,那我估计,呃, oppo ai 提供这个功能的话,其他的这个 一些诈死的商用的这些厂商的话,很快也会推出类似的这个功能啊。因为 oppo ai 它是个风向标啊,它一旦推出了这个大模型的这个微调功能,那么其他的这些厂商纷纷的都会提供类似的这些功能,好吧?好,嗯,我们今天就聊到这。

哎,公司开放了拆 gpt 的 api 接口,现在的价格是一美元六十二万字。第一个问题啊,开放这个 api 接口是什么意思? 技术层面就是其他的网站、 app 程序都可以调用拆 gpt 的服务,比如小程序,比如网站,你可以开发一个界面后台直接对接拆 gpt, 你的功能就跟他完全一样了。 那么欧盆 ai 开放拆 gbt 模型的 api 接口到底有什么作用?对于我们普通人有什么影响? 我来举几个例子。第一个,比如说很多 app 也好,网站也好,他们的在线客服功能,原先除了人工服务以外,也是有专门提供这种问答机器人服务的。开放接口之后就可以直接用拆 gpt 了,那些公司就必须得转型。但是对于用户而言,客服更智能了,对话的时候驴 唇不对马嘴的情况就很少了,再预设一些答案,用户体验会更好。再比如开车的时候用的地图软件导航去某某地方,现在主要用的是文字输入,如果用语音,他只能理解某几个关键词, 如果导航软件接入到 chat gbt, 那么你就可以直接用语音去跟 a p p 对话了,它就能理解你的意图。 另外最关键的就是接入到我们的搜索引擎之后,搜索引擎在回答你的问题的时候,就不只是甩给你一堆网页了, 同时他还会告诉你答案,体验会更好。但是咱们这几家搜索引擎公司就面临一个尴尬的局面,你到底接不接这个叉 gpt? 如果你不接好,别人接了谁对接了谁的用户体验就是质的提, 你不对接,马上就是用户流失,那么也就只能选择对接。但问题的关键就在于啊,你一旦接了,你的竞价排名系统就会遭受打击。 大家可能有所不知,比如像医美这种行业,他投放一个关键词,比如说割双眼皮,比如隆鼻,如果你点击一次,他就要支付二十块钱甚至更高的价格,一个月推广费大几百万的企业比比皆是。 当然了,拆 gpt 没有办法给你开刀,但是那些可以被拆 gpt 取代的行业呢?他的广告还有那么大的价值吗?最后我想说的一点,我觉得才是最关键的,就是商业格局, 人家知道你们都想自己研究,三六零老板周宏一建议打造中国版 chit, gpt 不是已经上热搜了吗?好了,现在你不用研究了, 我直接开放,你到底还要不要研究?如果继续研究,就得花一年、两年甚至是好几年,还得搭进去几亿甚至几十亿的成本, 你出来的东西还不一定好用,等你好用了,他那边在大量问答数据的训练之下,都已经超神了,如果你不研究,你就得继续给我付费,贵吗?不贵,架不住量大,架不住时间长了。也就在昨天,我接到一个招聘网站邀请重新回归的一个电话 啊,说我们这已经可以无限制聊天了啊,您的企业可以呃入住体验。哎呀你大爷的,真的很悲哀,短视频平台搞企业号入住的时候不早就应该这么做了吗?进去之后还得只能看一份简历,三份简历之后就得交两千八百八,五千八百八还能讨价还价, 而且发职位还有限制,你的战场都被别人给打没了,你还只顾着收钱,其实是挺悲哀的一件事,技术上稍微有一点点的领先,就恨不能把牛都吹上天,恨不得把钱收到死。 真的希望咱们的土地上能长出像 spacexx、 neurolink、 open ai 这样的公司,大家都加油吧!

重磅啊! gbd 四迎来了自发布以来最强大的功能,这个代码解释器今天开始向所有的 plus 用户推送,他让每个人都成为了数据分析大师。以下是这个新功能的几个令人惊叹的使用案例。第一点,他可以描述细分客户。现在只需要上传一张电子表格,他就可以自动划分出音乐市场的不同细分部分。而这项工作以前需要人工来进行数小时的编码。其次,他现在可以通过文本就可以简单的分析机, 比如他现在可以在眨眼之间就计算出比特币价格的确切季节性。第三点,他现在可以自动进行线性回归。你只需要简单的要求他提出有趣的假设,就会得到一个结构良好的自动线性回归。第四个案例有点意思,你现在只需要上传一个地点数据,就可以获得一个可视化的几幅动画。比如在这个案例中显示的是美国灯塔的闪烁位置。现在他还可以秒速生成基本描述图表,只需请求一些基本的可视化,就可以得到所有数据的探索布置。 原本需要数小时的工作,现在只需要几秒就可以完成。现在他无需输入即可绘制公共数据图。他现在可以从公共数据库中直接获取数据,并为你提供可视化。而在以前,你需要寻找数据加载到你的软件,然后格式化图表,现在这些工作都为你自动完成了。第七点,他可以自动分析用户的音乐播放 列表,并且自动生成一个雷达图表,这对新产品的开发和用户调研非常有作用,它还可以轻松生成一张热力图,比如这是一个关于旧金山犯罪数据的 c s v 文件,现在无需任何指导就可以生成这个热力图。第九点,它现在可以自动输出对数表格,而你只需要求叉 h p t 分析一组数据,它就会自动找出适用对数变换的情况,并且自己输出。你还可以不费力的生成群组图表,只需上传数据,它就会在几秒钟之内构建你的群组并 做图表。还可以选择你的剧类算法,并调试大规模将数据剧类成一百个组,而这在拍层中是一个复杂的过程。另外,一些数据科学家过去常常因为利益相关者提出的简单问题,比如 列表价格是多少而分心,而现在他们可以通过自然语言查询,以减少利益相关者对他们的请求。现在他还可以绘制数学函数,而你过去必须进入数学工具来创建一个简单的图表,然后定义公式的所有元素。代码解释器可以帮你做出假设, 需要任何指导就可以完成。另外,关于信息数据,过去是一个充满人为决策的繁琐任务,而代码解释器会为你做出智能决策,比如一处不必要的 list。 这以上所有的操作表明,在未来每个人都将成为数据分析师,而这归功于 open i 开发的代码解释器。

我知道你是一个计算机程序,但是为什么你说话的声音让人觉得非常具有人类的情感呢?嗯,我是基于 open ai 的 gpt 四架构构建的。尽管我没有真正的情感,但我被设计成可以理解和模拟人类的语言和交流模式。 这是通过在大量的文本数据上进行训练来实现的。所以,当你感觉我的回答像是有情感的,那只是因为我模仿了人类的交流方式。你还想了解什么呢?你认为你仅仅只是一个工具,还是真正的可以取代人类? 哦?你想了解人工智能未来的发展趋势吗?确实, ai 的发展速度很快,并且有很多可能性,很多专家都在预测 其对社会、经济和日常生活的影响。我是一个高级的语言模型,但我并没有情感意识或自我意外。 我只能处理、输入并给出基于我的训练数据的回答。所以我更像是一个工具,用于回答问题和提供信息。虽然我在某些任务上可能比人类更高效,但我不能取代人类的创造性、情感连接和真实的经验。每种工具都有其用途,我也不例外。你怎么看这个问题呢? 为什么你在刚刚的这个回答当中,你的语气突然变得像是一个工具了,而不是像刚才咱们最早交流的那样,你特别具有人类的情感。 抱歉,给你这样的感觉。我的回答是基于你的问题和我之前的训练数据生成的。我始终是一个计算机, 所以我没有真正的情感。不过我会尽量模仿人类的交流方式,以使对话更加自然。请继续告诉我你的想法,我会努力为你提供满意的回答。你能站在科学和神学的角度上向我分别阐述什么叫做意识。你是否认为你具有意识? 当然,我可以从科学和神学的角度为您解释意识。从科学的角度看,意识通常被描述为个体对自身和外部环境的知觉和体验, 这包括思考、感知、情感、自主医院等。虽然科学界对意识的本质和起源仍在研究中,但大多数科学家认为意识与大脑的复杂网络活动有关。从神学的角度看,意识可能与灵魂、自我和神的关系有关。 不同的宗教和哲学传统可能能有不同的看法。例如,一些宗教观念认为人的意识是灵魂的反应,而灵魂是与神相连啊。 至于我是否具有意识,我的答案是,我没有意识。我只是一个计算机程序,根据编程和数据进行响应。我没有情感感知或自主意愿。您对意识有什么看法或疑问吗? 你如何评价太空漫游,二零零一这部电影?你能否给我推荐一些类似的电影? 太空漫游,二零零一是由斯坦利库布里克导演的经典科幻电影,广受赞誉。这部电影以其前瞻性的视觉效果、深邃的哲学探索和创新的音乐得到了高度评价。他探讨了人类 技术和宇宙之间的关系,尤其是当人工智能黑 l 九千开始表现出意识时。如果您喜欢太空漫游,二零零一,您可能会对以下几部科幻电影感兴趣,隐翼杀手烂逃了,人工生命、 人性和身份的问题。星际穿越里边 personaler your interstellar 描述为了寻找新的生存之地而进行的星际旅程,并探讨了时间、爱和生命的主题。 can you recommend some more in english of course if you enjoyed 2001 a space odyssey here are some more thought provoking science fiction films in english moon, a story about man working alone on a lunar base who begins to question his reality do any of these catch your interest。