Saya biasanya menikmati Slack di tempat kerja - saya belajar satu atau dua hal dan mendapatkan gambar anjing yang lucu atau sesuatu. Tapi hari ini berbeda.

Percakapan yang tak terhindarkan seputar chatGPT ada di obrolan Slack saya sendiri hari ini. Saya suka pembelajaran mesin, bekerja sebentar di lapangan dan sekarang saya membantu memberikan data kepada mereka yang melakukan pembelajaran mesin — ini terasa berbeda. Apa itu chatGPT openai? Dan mengapa itu membuat saya menulis pengantar yang tidak menyenangkan ini?

Jika Anda seperti saya, Anda akan berhenti membaca dan bermain dengan chatGPT sebentar lalu kembali. Cukup menakjubkan bukan? Anda menanyakan apa pun kepada chatGPT dan Anda mendapatkan jawaban yang sangat masuk akal. Terasa seperti sihir. Apa yang tidak bisa dilakukannya? Apakah menulis artikel ini?

APA ITU chatGPT

Penting untuk mengingat apa sebenarnya ini (saya dulu melakukan pemodelan bahasa alami yang sangat mendasar yaitu NLP) - GPT adalah singkatan dari generative pretrained transformer. Ini berbeda / menarik dari metode NLP canggih lainnya karena cara node terhubung dalam jaringan saraf yang dalam ini, tl;dr menghasilkannya dapat melakukan perhitungan pada kalimat besar yang diisi dengan kata-kata berbeda secara bersamaan, bukan secara berurutan. Transformator ini mempertimbangkan seluruh kalimat dalam konteks saat melakukan perhitungan yang sangat efisien (Anda tidak perlu mengacaukan konteks kata untuk model yaitu "salsa" seperti dalam tarian atau makanan). Insinyur pembelajaran mesin masih harus memutuskan contoh mana yang akan ditampilkan GPT yaitu outlier? Yang normal? Mereka secara aktif menyetel kenop untuk membuatnya lebih baik (disebut hyperparameter), dan juga membantu mengonfirmasi jawaban yang baik untuk chatGPT yaitu pembelajaran penguatan. Iterasi awal GPT baik untuk: mengisi bagian yang kosong, inferensi, atau terjemahan.

MUNGKIN SEKARANG BISA BERBUAT LEBIH BANYAK?

Iterasi GPT terbaru ini, chatGPT alias GPT 3.5, terasa seperti mengalami momen tongkat hoki — mirip dengan yang saya lihat di streaming data . Dalam sebuah kalimat, streaming data (Konfluen) memicu aplikasi penting misi dengan umpan informasi yang selalu aktif dan hampir real-time (pikirkan jika aplikasi perdagangan pialang untuk melakukan pemesanan atau sistem pemantauan tekanan otak di rumah sakit anak-anak baru saja berhenti menerima data?). Jadi streaming data benar-benar tulang punggung data untuk semua jenis aplikasi modern, dari Instacart hingga Northrop Grumman hingga aplikasi NLPmirip dengan ChatGPT. Tabrakan peningkatan teknologi ini sekaligus mengasyikkan dan menakutkan. Tepatnya berapa banyak peningkatan yang kita bicarakan?

PEMBELAJARAN MESIN SEBELUM GPT

Mari kembali ke diagram Kai Fu Lee dari ~2018 (banyak yang terjadi selama beberapa tahun di bidang teknologi). Lihat Lee's Ted Talk di sini. Tl;dr Lee menjalani pekerjaan yang kemungkinan besar akan digantikan oleh AI (bahasa daerahnya bukan milik saya). Dia mengemukakan bahwa AI akan memiliki:

• pengaruh terkuat pada pekerjaan yang berlebihan (kuadran kiri bawah)
• menjadi alat vital untuk pekerjaan kreatif (kanan bawah)
• bekerja sebagai alat “analitik” yang lebih ringan untuk pekerjaan dengan kasih sayang yang tinggi (kiri atas)
• dan akhirnya kanan atas kemungkinan akan tetap ditambah oleh AI.

PENGUJIAN obrolanGPT

Saya senang mengajukan beberapa pertanyaan yang saya dapatkan selama bekerja sebagai eksperimen untuk menguji seberapa banyak kemampuan chatGPT.

GPT BAGUS DI

Untuk tidak mengasingkan pembaca non-teknis, tl; dr adalah saya mengajukan pertanyaan kepada GPT yang memerlukan beberapa penggabungan berbagai teknologi yang berbeda. Itu tidak terlalu buruk. Contoh di bawah ini adalah GPT yang berhasil menggunakan teknologi khusus ini secara bersamaan:

1. alat infrastruktur-sebagai-kode yang disebut Terraform
2. Distribusi kubernetes yang disediakan oleh penyedia Cloud (AWS)
3. Sistem operasi berbasis linux (juga melalui AWS)

Sangat mengesankan bagaimana GPT memberikan umpan balik yang kaya di bidang rekayasa perangkat lunak pada umumnya. Untuk insinyur NLP ini, ini memberikan umpan balik yang jauh lebih baik daripada jika dia menjalankan R di mesin lokalnya (dia membuat emulasi R di dalam ChatGPT).https://twitter.com/ben_j_radford/status/1599180658827440128

TIDAK BEGITU BAIK DI

Di sini saya mengajukan pertanyaan yang lebih umum kepada GPT yang saya dapatkan, di mana ia baru saja muncul dengan perintah CLI yang sama sekali tidak ada ( Confluent Tunnelbukan perintah dalam CLI Confluent - saya bekerja di Confluent). Di sini saya menanyakannya: " bagaimana cara menghubungkan sumber data lokal saya ke Confluent Cloud dengan aman "

Menariknya, jika Anda mengevaluasi kecerdasan chatGPT dengan evaluasi tradisional (manusia) kami, tampaknya rata-rata rendahnya:https://twitter.com/SergeyI49013776/status/1598430479878856737

MENGAJUKAN PERTANYAAN YANG TIDAK TERKAIT DENGAN PEKERJAAN SAYA

Ok yang ini ironis/tidak terlalu berguna, tapi tetap saja, saya menanyakan ChatGPT tentang dirinya sendiri, dan itu memberikan informasi yang salah:

Membuat ChatGPT berpura-pura sebagai pekerjaan tertentu mungkin merupakan fenomena yang paling menarik perhatian di internet saat ini. Misalnya, memintanya untuk bertindak sebagai koki, ia memberikan beberapa ide makan malam yang enak dengan daftar bahan dan instruksinya:

Kegembiraan lainnya "bertindak sebagai" meminta di sini .

PANDANGAN OPTIMIS

Saya berpendapat jika kita melihat prediksi Lee pada tahun 2018, chatGPT memiliki dampak yang sangat besar pada kedua kuadran kanan sumbu Y kita. Umpan baliknya sangat kaya. Tugas kreatif seperti membuat skrip untuk skenario, mendekorasi ruang fisik — hal-hal ini seringkali sulit untuk dimulai. Saya memberi makan chatGPT beberapa petunjuk dan saya memiliki dinding teks untuk membuat ide saya mengalir - itu sangat mengesankan. Lebih dekat ke ruang kemudi saya, chatGPT juga mengatalisasi tugas pengembangan untuk rekayasa perangkat lunak. Pada chatGPT 3.5 (memicu chatGPT), itu tidak mampu membuat kode yang benar-benar "siap pakai"; namun, itu memberi saya bahan awal yang bagus yang kemudian dapat saya perbaiki - menghemat waktu saya untuk penelitian awal melalui Stackoverflow dll.

PANDANGAN YANG TIDAK SANGAT OPTIMIS

Di benak semua orang saat ini adalah dapatkah chatGPT melakukan sesuatu yang merusak. Sendirian tentu saja tidak bisa, itu bukan agen otonom, perlu campur tangan manusia untuk melakukan apapun. Tetapi katakanlah jika Anda tidak berhati-hati dalam menguji dan menafsirkan output chatGPT, dan hanya mem-porting beberapa kode dari chatGPT - saya dapat membayangkan situasi di mana pengembang secara tidak sengaja merusak server atau sesuatu seperti itu. Menurut saya ini tidak terlalu mengkhawatirkan karena sebagian besar insinyur memiliki proses yang baik untuk pengujian, validasi, dan akhirnya merilis kode ke sistem produksi.

Apa yang mungkin mengkhawatirkan adalah seperti yang ditunjukkan dari contoh saya di atas di mana saya bertanya kepada chatGPT apa itu — chatGPT terkadang hanya menghasilkan informasi yang salah (openai mengetahui hal ini). Anda dapat berargumen bahwa sirkulasi informasi yang salah di web sudah merajalela — apa sumber lainnya? Namun, ini adalah pertama kalinya kami mendapatkan informasi yang salah ini tanpa wajah. Tidak ada yang bisa melacak jalur permintaan dari antarmuka chatGPT, melalui lapisan jaringan saraf kompleksnya, dan menyimpulkan dengan tepat bagaimana respons diterima. Ini sangat kontras dengan seseorang yang mengutip artikel dari sumber jurnalistik (di mana Anda mungkin dapat menyimpulkan pengaruh politik, dll.).

PENUTUP PIKIRAN, GPT 4 akan datang

ChatGPT akan memberi Anda jawaban. Gunakan cukup lama dan itu akan memberi Anda jawaban yang salah. Itu akan salah paham dengan Anda. ChatGPT hanyalah iterasi 3.5 dari seri GPT. Segera itu akan memberikan jawaban yang lebih baik. Saya menghabiskan banyak hari kerja saya dengan mengajukan pertanyaan seperti: apakah itu yang Anda maksud? Apakah Anda tahu mengapa persyaratan itu ada? Bagaimana evaluasi itu berjalan? Dari pertanyaan terbuka seperti inilah saya dapat benar-benar membantu orang, dan terkadang mengungkap hal-hal yang mereka tidak tahu bahwa mereka membutuhkannya. Kami lebih dari sekadar mesin penjawab pertanyaan. Kami sangat bernuansa. Keluarlah dan dengarkan dengan sungguh-sungguh — Anda akan mengajukan pertanyaan yang lebih baik, dan itu berarti jawaban yang lebih baik.