营销技术堆栈优化会议：最大限度地提高运营效率
显然是聊天，带来了另一类人，他们现在至少有了关于它是什么的谈论词汇。但我记得我已经拥有自己的事业年了。我的意思是，我们没有网络，我们没有网站，我们没有移动设备，这些设备现在肯定发挥了作用，但我记得当这些设备出现时，人们就像，哦，我们’重新注定。结束了。目前围绕人工智能有很多此类语言，但您认为我们真正处于进化的连续体中的哪个位置：这是一个很好的问题，因为我认为我们实际上还处于起步阶段。我认为我们在很短的时间内取得了显着的进展，但我认为我们仍然处于非常早期的阶段。如果你想到人工智能，我们现在所处的位置，我们在十年前，我们已经取得了一些进展，但我认为从根本上来说，在科学层面上，我们才刚刚开始触及表面。我给你举一些例子。所以最初，第一个模型确实给我们提供了一些证据，证明这种提出问题的新方式，神经网络，本质上它们是非常复杂的方程。如果使用来运行这些复杂的方程，那么我们实际上可以解决相当复杂的问题。这是我们在年左右以及在年左右意识到的事情，所以在年 马来西亚电报数据 到年之间，进展是非常线性的。新模型被创建，新想法被提出，但事情的扩展和进展非常线性。：但在年之后，随着模型的引入（聊天、和所有这些大型语言模型背后的基础架构），我们有了另一种实现。就在那时我们意识到，如果你采用这些模型并扩大它们的规模，并根据模型的大小和我们用来训练它们的数据集的大小来扩大它们，它们会呈指数级增长。就在那时，我们到达了今天的地步，我们再次意识到，自年以来，仅仅通过缩放它们，我们就没有做任何根本上不同的事情。肯，
https://www.asiadata.co.uk/wp-content/uploads/2024/04/%E9%A9%AC%E6%9D%A5%E8%A5%BF%E4%BA%9A%E7%94%B5%E6%8A%A5%E6%95%B0%E6%8D%AE.png
你在书中深入探讨的几件事。除了媒体传播的恐惧之外，依赖人工智能的真正和明显的陷阱是什么：我认为当我开始写这本书时最大的问题和真正的动力是：它是一个强大的工具，原因有两个。看起来很容易使用。你可以花一个周末学习，你可以写几行，你可以转换，你可以分析，你可以解析以前仅使用库无法完成的数据。因此，您实际上不必了解自己在做什么，并且可以获得一些看起来有用但隐藏在该过程中的结果。事实上，您可以获取数据，大量数据，以某种方式对其进行修改并获得响应，获得一些结果，而不了解中间发生的情况，这
頁:
[1]