AI

A collection of 25 posts
未來的護城河,是你看待世界的方式
PersonalGrowth AI

未來的護城河,是你看待世界的方式

Study the science of art. Study the art of science. Develop your senses—especially learn how to see. Realize that everything connects to everything else. — Leonardo da Vinci 達文西的這句話放在今天,比五百年前更加貼切。 我們正站在一個特殊的歷史節點上。AI 的能力每隔幾個月就跳升一個層級,自動化已經不再是遙遠的未來。在這樣的時代,什麼才是真正的競爭優勢?什麼才能讓一個人、一家公司、一個品牌,不被浪潮淹沒? 在 ChatGPT 問世之前,人們焦慮於「技能不夠硬」或「專業不夠深」,拼命考證照、學新語言、追逐最新的技術框架,
6 min read
做一個有方向感的人
PersonalGrowth AI

做一個有方向感的人

Gemini 3 出來之後,我最直接的感受是:「執行力」真的開始變得很廉價。 寫程式、寫企劃、寫簡報、寫廣告文案,以前要找一個「會做的人」,現在只要一個會問問題、會下指令的人,加上一個夠強的模型,很多東西就能以「近乎免費」的邊際成本產出。 差別不再是「你會不會做」,而是「你知不知道該做什麼」。 如果一個人本來就不知道自己在幹嘛,只是等別人交代事情,然後努力把當下的 Task 做完,AI 只會讓這種角色更危險:因為過去還要一個人站在中間接收指令再執行,以後乾脆直接交給 AI,連這個「人類中繼站」都不需要了。 相反地,如果一個人腦袋裡本來就有一條清楚的軌道,有判斷、有取捨、有自己的問題意識,AI 只是放大器,可以讓他一個人做過去十個人做的事。執行力外包給 AI,方向感一定要自己負責。 這也是我想起聖嚴法師開示「方向感」的原因。 聖嚴法師所說的「
8 min read
資訊爆炸時代的選書與閱讀指南
AI Essay Productivity Learning

資訊爆炸時代的選書與閱讀指南

在這個資訊過剩的時代,大多數人其實不缺知識,而是被過量的資訊與雜訊拖垮了學習動能。讀書,變成了一種心理壓力而不是知識的解脫。我認識許多人,他們的閱讀習慣死於某本「買了卻看不下去」的書。他們的書桌上堆著一疊未完成的閱讀遺憾,而不再願意翻開下一本。 問題不在於閱讀本身,而在於我們沒學會如何選書與閱讀。 本篇文章,透過《每個人都有一本命定之書在等著他》的啟發,我整理出三階段的閱讀方法,來應對現代資訊超載的實用策略。它的目的很簡單:幫你避免在爛書上浪費時間,並且建立自己的知識體系。 第一階段:大量速讀 這一階段的重點不是理解,而是篩選。在資訊爆炸時代,閱讀的瓶頸不再是「看得懂」,而是「要不要花時間讀」。因此我們需要把書當成產品 MVP(Minimum Viable Product)來測試。 你要快速判斷一本書值不值得你花時間深入。以下是速讀的方式: * 看書名、副標題、封面設計(能透露作者意圖與受眾定位) * 快速瀏覽目錄、章節標題(觀察是否有系統性) * 翻閱幾頁,看語言密度、論述深度、是否有觀點
5 min read
超級個體:U 型社會的新職涯發展
PersonalGrowth AI Essay

超級個體:U 型社會的新職涯發展

隨著人工智慧與區塊鏈等技術的迅猛發展,現代社會正在經歷一場深刻的結構性變革,形成了明顯的「U 型化」趨勢 — 一端是科技巨頭與大型平台,另一端是靈活多變的個體工作者,而中間的傳統企業與職位正在逐漸萎縮。在這個新型社會結構中,職業生涯的發展不再是攀爬單一組織的階梯,而是在多元網路中探索個人價值的獨特軌跡。 古典老師提出的「超級個體」理論,我非常認同,這不僅是面對時代變革的應對之策,更是 U 型社會中個人價值最大化的路徑圖。 為何需要成為超級個體? 時代已經改變 當今社會呈現出幾個明顯的特徵: 1. 組織壽命越來越短,而人的壽命越來越長:世界 500 強企業的平均壽命僅有 35 年,預計到 2020 年可能只有 20 年,而人類有可能活過 100 歲。這意味著未來的人可能需要經歷 10 家公司、2-3 個城市、3-4 個行業,甚至 2-3 段婚姻。 2.
9 min read
[筆記] 訓練不了人工智慧?你可以訓練你自己
ChatGPT AI

[筆記] 訓練不了人工智慧?你可以訓練你自己

這篇文章改寫自李宏毅教授在台大的一場精彩演講,該演講深入淺出地探討了生成式人工智慧(AI)的原理、應用、能力、侷限以及未來的發展。李教授以其幽默風趣的風格,結合實際操作示範,帶領聽眾們一同揭開了生成式 AI 的神秘面紗,並激勵大家在 AI 時代積極訓練自己,掌握未來。 生成式 AI 的原理:文字接龍 李教授首先破除了大眾對生成式 AI 的迷思,指出其背後運作的核心原理,並非仰賴龐大的資料庫進行搜尋比對,而是基於「文字接龍」。以 ChatGPT, Gemini, Claude 等知名模型為例,它們都是基於大型語言模型(LLM),透過預測下一個字詞出現的機率,來產生連貫且符合語境的文字。 這個過程如同玩文字接龍遊戲,模型會根據使用者輸入的提示(Prompt),推算出下一個最有可能出現的詞彙,然後將其加入句子中,如此反覆進行,直到產生完整的句子或段落。而這其中的「機率分佈」是基於模型在海量文本數據上的學習和訓練,因此它能模仿人類的語言模式,甚至在許多任務上展現出驚人的創造力和理解力。 值得注意的是,模型在每次生成時都會進行隨機的「
10 min read
當介面消失?AI Agent 引領的零介面時代(Zero UI)
AI

當介面消失?AI Agent 引領的零介面時代(Zero UI)

你是否曾留意,自己是如何與 Siri 或 Alexa 互動的?或許是在開車時用語音導向,又或者是在烹飪時讓智慧音箱播放音樂。這些不經意的互動,正悄然改變我們與科技的關係。隨著 AI Agent 的日益普及,我們與技術的互動方式正經歷一場深刻的變革。 未來,Web 和 Mobile 應用是否還需要我們熟悉的按鈕、選單和視窗?Zero UI 的趨勢正引領我們走向一個無介面的未來,這不僅僅是技術的革新,更是對使用者體驗的重新定義。正如 John Maeda 在《簡約法則》中所強調的,設計的重點在於簡約,而這正是 Zero UI 的核心原則之一:將使用者與設備或系統的顯性互動減至最少,甚至完全消除,創造無縫、直觀且自動化的體驗。 Zero UI 與多模態體驗的崛起 大型語言模型(LLM)的突破性進展,使 AI 能夠理解和回應人類的自然語言,
8 min read
當寫作成為少數人的選擇,未來的思考會如何分化?
Writing AI Essay

當寫作成為少數人的選擇,未來的思考會如何分化?

如果有人告訴你,幾十年後,會寫作的人會像今天的鐵匠一樣稀少,你會相信嗎? 最近,我讀了 Paul Graham 的一篇文章《Writes and Write-Nots》,感觸頗深。他提到,隨著 AI 技術的普及,我們可能正步入一個分水嶺:寫作能力將不再是一項普遍具備的技能,而會成為少數人的選擇。 他的觀點深刻地探討了寫作這項技能的未來,甚至延伸到它對思維能力的影響。這篇文章啟發了我,也讓我重新審視了寫作與思考之間的關係。因此,我想透過這篇文章與大家分享這個有趣且發人深省的話題:AI 技術是否正在無聲無息地奪走我們的寫作能力?而這樣的未來,究竟對我們意味著什麼? 寫作是人人需要,卻難以掌握的核心技能 寫作是所有技能中最矛盾的一種。 一方面,它幾乎滲透到每一個職業:從學生的作業到高管的商業提案,無一不需要清晰的文字表達。而且,越是聲望高、影響力大的職業,對寫作的要求就越高;但另一方面,寫作卻又難得驚人。它需要的不僅是語言技巧,更是一種清晰的思維能力。 正因如此,寫作成為一種高壓的技能需求。這種壓力甚至讓那些頂尖學者也不得不向抄襲低頭。他們抄襲的內容常常是一些簡單的陳詞濫調,讓
7 min read
或許,未來 Web3 的主流使用族群不是人類?
Web3 AI

或許,未來 Web3 的主流使用族群不是人類?

生成式 AI 模型的快速發展,讓 AI 不再局限於語言處理或資料分析,而是逐漸展現出接管更多領域工作的潛力。這些 AI 代理(AI Agents)未來可能不僅能執行日常任務,甚至有望主導經濟活動。然而,AI 要真正發揮潛力,必須具備金融交易的自動化能力,這正是現有金融工具的最大限制。 Ref: 【Web3 元觀察】可程式化的未來-連金融都可被代理的世界 - INSIDE 現有金融工具的侷限 當前的金融工具設計主要針對人類。無論是銀行帳戶、信用卡,還是 KYC 認證流程,這些系統都要求使用者是具體的自然人或法人(這就是為什麼 DID 對於未來的身分驗證特別重要,不過這會需要更長的篇幅,就不在這裡展開)。AI 無法透過這些流程,因此它們無法自主完成資金管理、付款或交易。這使得 AI 在金融交易自動化方面的潛力受到了極大限制。 而且,即便是做金融發達的國家,現有的金融工具也存在許多限制,尤其是對於個人創作者、
7 min read
讓 Claude 官方教你如何寫出卓越的提示詞(Prompt)
ChatGPT AI Claude Prompt

讓 Claude 官方教你如何寫出卓越的提示詞(Prompt)

是否感覺自己總是無法從 AI 助理那裡得到想要的答案?Claude 官方的這份提示工程指南將為我們解決這個困擾。雖然源自 Claude,但這套方法我想同樣適用於 ChatGPT 等其他 AI 助理。 優質提示詞與平庸提示詞之間的效果差異。精心設計的提示詞能引導 AI 生成準確、深入的回應,而模糊的提示詞則可能導致誤解和無效輸出。 Claude 的這份指南不僅告訴我們「怎麼做」,更重要的是解釋「為什麼這樣做」。每個技巧都配有實例,並且分析為什麼好的提示詞會帶來卓越結果。從提高表達清晰度到巧用角色扮演,從內容創作到資料分析,指南涵蓋了廣泛應用場景。 核心技巧包括激發 AI 深度思考、優化提示詞、利用 AI 知識庫,以及為特定任務訂製策略。指南後半部分更提供了實用的任務特定技巧,幫您將理論轉化為實際成果。 有效提示的通用建議 1. 清楚明確 * 開頭直接說明你的需求或問題。 * 提供背景和細節,幫助 Claude 理解你的需求。 * 將複雜的任務拆分成小步驟。 不良示範: 幫我做一個報告。 良好示範:
16 min read
深度思考力與好奇心:活用 AI 的關鍵
AI ChatGPT Mentality Productivity

深度思考力與好奇心:活用 AI 的關鍵

儘管我們已經有了像 ChatGPT 這樣的工具,當下的現實是,大部分人只能拿它用來進行簡單對話。從人類對世界的理解,對邏輯的掌握,以及抽象思考能力的平均水平來看,整體的表現實在令人哀傷。 算力,是對愚蠢人類的「容錯」能力。(出處:人工智慧和傳統行業的思考) 從企業角度來看,現狀亦是如此。業務部門經常抱怨研發部門開發的系統功能不易使用,而研發部門則認為業務部門無法清晰地提出需求。 我們都是人類,我們都使用自然語言來溝通,理應不存在溝通困難。然而,可悲的事實卻是,業務需求是對客觀世界的抽象和歸納,而功能的實現則是從基本能力開始,逐層具體化和堆疊,這兩者從未能夠完全對齊。 人工智慧可以填補自然語言的溝通鴻溝,但卻無法解決人類的邏輯和抽象能力遠遠跟不上的問題。 沒有人能夠完全掌握所有的知識,即使你掌握了眾多的生產力工具和知識圖譜技巧。但是,電腦不同。理論上,電腦可以輸入人類社會有史以來的所有知識,並使用最基礎的邏輯來關聯這些知識,這是任何一個人腦在有限時間內無法做到的。 從這個角度來看,ChatGPT 的某個意義在於「為人類彼此提供一個更好的溝通介面」。(如:幫助業務部門更加清晰地
10 min read
一鍵生成:用 AI 將 Figma 設計稿直接生成可維護的程式碼
Programming Design AI Productivity

一鍵生成:用 AI 將 Figma 設計稿直接生成可維護的程式碼

長期以來,切板總是對於前端開發人員來說最痛苦且費時的事情,我們目睹了 Web 技術的驚人進步,但將設計稿直接轉化為程式碼一直沒有令人滿意的解決方案。 就在昨天, Builder Velocity 發佈了 Visual Copilot(由 AI 驅動的「Figma to Code」),只需一個滑鼠點擊即可將 Figma 設計即時轉換為 React 程式碼。
8 min read
ChatDev:AI 代理組成的軟體開發團隊
AI ChatGPT

ChatDev:AI 代理組成的軟體開發團隊

近年來,AI 領域的突破令人矚目。布朗大學與中國多所大學合作的一項新研究,展示了一個由 GPT-3.5 驅動的「虛擬科技軟體公司」— ChatDev。這間公司不僅以驚人的效率和低成本開發軟體,還利用一種稱為「思考指令機制(Thought Instruction Mechanism)」的方法來協調各個 AI 角色。 該研究的主要目標是探索 GPT-3.5 是否能在沒有提前訓練的情況下,完成科技軟體公司開發軟體的工作。 實驗過程 ChatDev 按照傳統的瀑布式開發流程(Waterfall Model)被劃分為四個主要階段:設計、開發軟體、測試和維護。每個 AI 角色,如「CEO」、「CTO」、「程式設計師」和「測試工程師」,在不同的階段執行各自的任務。 思考指令機制 論文中提到,思考指令機制(Thought Instruction Mechanism)是有助於減少所謂
5 min read
ChatGPT 使用心法,開放心態是善用 AI 技術的關鍵
ChatGPT Life AI Mentality

ChatGPT 使用心法,開放心態是善用 AI 技術的關鍵

隨著科技的快速發展,人工智慧肯定會成為人們生活中不可或缺的一部分。然而,每當新技術出現時,總是會有一些人對其抗拒,認為傳統的方式才是最好的。 讓我嘗試用 ChatGPT 生成的寓言故事來表達我對這個觀點的看法: 有一個名叫老李的資深工程師,他的一生都在用 Emacs 這編輯器寫程式,並且因此自豪。 他經常與他的同事們爭論這才是比 Vim 更好的編輯器。 但隨著時代的變遷,Visual Code 這種現代化的生產力工具逐漸成為主流。 大部分的人都選擇使用 Visual Code,因為它更方便、更高效。 然而,老李始終無法適應這個變化。他依然沉浸在過去的成功中, 堅持認為使用 Vim 和 Emacs 才是真正的工程師。 就在這時,一位年輕的程式設計師小張加入了他們的團隊。小張熟練地運用 AI 技術, 大大提高了工作效率。他認為 AI 只是一個生產力工具,能幫助人們更好地完成工作, 並不會取代人的創造力和情感。 老李看到小張的成功,心中產生了濃厚的排斥感。他認為這些年輕人都忘記了真正的藝術。 可是,隨著時間的推移,
6 min read
LLM 時代,如何擁抱機遇?
AI

LLM 時代,如何擁抱機遇?

在這篇文章中,我們探討了人工智慧和新範式的變化情況,並為個人和組織提供建議,以駕馭這個令人興奮但又充滿挑戰的時代。 LLM 帶來的範式轉移 ChatGPT,一個基於 GPT-3.5 架構的人工智慧語言模型,在短短兩個月內吸引了超過一億的活躍使用者,實現了一個里程碑。是什麼讓它脫穎而出?根據自然語言處理專家的說法,是壓縮知識和調整不同模式的能力,如語言和圖形。此外,ChatGPT 代表了一種補充人類模式的模式,可以長期整合。 ChatGPT 的成功在於它封裝了世界上所有知識,並具備足夠強的學習和推理能力。此外,它的領域足夠寬,知識足夠深,並且易於使用,這是自然語言處理的突破之一。ChatGPT 的模型越來越接近人的認知模型,長期可以融合在一起。未來模型的生態會更多樣化,涵蓋新的領域、新的專業、新的結構、新的場景和新的適應能力,最終會形成閉環,不斷加強認知和推理能力。ChatGPT 的優勢將推動各行各業生產資本的提高,使得所有動腦筋的工作成本降低、產能提升。此外,生產資本也將在深層層面上提升,特別是一些本質上是模型驅動的行業,例如醫療。 創始人對於創業公司的成功越來越重要,他們需
5 min read
問對問題是用好 ChatGPT 的關鍵 - 吳恩達教你學會下 Prompt 的技巧
ChatGPT AI

問對問題是用好 ChatGPT 的關鍵 - 吳恩達教你學會下 Prompt 的技巧

吳恩達,人工智慧專家、史丹佛客座教授。曾任 Google Brain 團隊的創始人和領導者,現為 deeplearning.ai 和 Landing AI 的創始人和 CEO。日前他在 Twitter 宣佈跟 OpenAI 共同出品免費的公開課程:ChatGPT Prompt Engineering for Developers,課程材料是由 OpenAI 和 DeepLearning.ai 團隊共同開發。最終目標是激發開發人員的想像力,應用 LLMs 開發新的應用程式。 這門課程主要是針對開發人員介紹如何使用大型語言模型 (LLMs) 進行提示(Prompting),進而建立軟體應用程式,課程大約一個半小時而已,並且有提供 Jupyter Notebook 程式碼搭配說明,非常推薦工程師學習,我將我認為的重點整理到本篇文章。 1/ Thrilled to
8 min read
[筆記] 《What We See & What We Value?》- 李飛飛
AI

[筆記] 《What We See & What We Value?》- 李飛飛

李飛飛博士的團隊建立了一個名為 ImageNet 的資料集,在 2012 年的 ImageNet 挑戰賽中,奪冠團隊開發的 AlexNet 模型首次擊敗人類在圖像分類任務中的表現,這標誌著深度學習革命的開始,此後許多模型都以它為基礎和基準。 資料、計算、以及神經網路三者的發展引領了 AI 領域中的深度學習革命。未來 AI 的發展將持續受到腦科學和人類認知的啓發。 李飛飛博士分享了三個階段: 1. Building Al to See What Humans See 李飛飛教授提到跟人類一樣,視覺智能(Objective Recognition)是 AI 能自我學習的關鍵,但心理學家認為,要充分理解視覺場景,還必須考慮物體之間的關係。 李飛飛博士的團隊建立了一個名為視覺基因組的資料集(Action Genome),其中包含 10 萬張圖片,380 萬個物體,230 萬個關係,
3 min read
AI 技術:人類進化的下一步或失控的開始?
AI ChatGPT Featured

AI 技術:人類進化的下一步或失控的開始?

在這篇文章中,我想和大家一起探討未來 AI 技術的發展,以及它如何影響我們的生活、教育和就業。同時,基於我對區塊鏈技術的了解,我也想探討 AI 對數據隱私和資訊安全的影響,以及區塊鏈在未來世界中扮演的重要角色。 希望通過這篇文章,可以一起能夠與讀者一起探討人類如何應對未來的策略和挑戰,共同為未來的發展做出貢獻。讓我們一起跨越時空,開啟一場關於未來的思辯之旅。 從近期的發展,推測未來 AI 的演化 生成式 AI 大型語言模型 LLM 可以應用的地方非常廣泛,市場也非常熱絡,每天都會有新的論文、技術、產品的發表,近一週的體感時間就像是「幣圈一天,人間一年」。 * 微軟宣布了 Microsoft 365 Copilot,這是一個由人工智慧驅動的工具,可以協助用戶完成各種任務,例如在 Word 中製作簡報和在 Excel 中進行數據分析。 * OpenAI 的 GPT-4 在各種測試中已經超越了人類表現,在專業和商業領域表現尤其突出。 * Meta
24 min read
[筆記] ChatGPT 是網上所有文字的模糊 JPEG 圖像
AI ChatGPT

[筆記] ChatGPT 是網上所有文字的模糊 JPEG 圖像

姜峯楠(Ted Chiang)是華裔美國科幻小說作家,畢業於布朗大學計算機系。 曾獲四項星雲獎、四項雨果獎、約翰·W·坎貝爾最佳新作家獎、四項軌跡獎等獎項。 他的短篇小說《你一生的故事》在2016年被改編成電影《異星入境》 技術和科幻的雙重背景,讓其對 ChatGPT 具有了獨特見解,強烈推薦姜峯楠這篇極具洞察的原文《 ChatGPT Is a Blurry JPEG of the Web | The New Yorker》。 ChatGPT 是網上所有文字的有損壓縮 如果將網際網路上的所有文字看做是原件,考慮到處理速度和準確度,ChatGPT 實際上是這些文字的有損壓縮後一個自然語言交互介面。既然是有損壓縮,就會拋棄一些細節,甚至關鍵訊息。 關於有損壓縮可能會導致的問題,作者舉了一個形象的例子: 2013 年德國一家建築公司複印了一張房子平面圖,三個房間都有一個標籤來說明其面積:14.13,21.11 和
7 min read
職場革命:AI 會如何改變工作與教育?
AI

職場革命:AI 會如何改變工作與教育?

人工智慧技術的快速發展已經開始改變職場和教育,進而影響著整個社會。隨著 AI 技術的普及和應用,人們對於未來的工作和教育也開始產生了種種疑問和憂慮。然而,這些變化也帶來了機會和挑戰,讓我們重新思考職場和教育的本質和未來的發展方向。在本文中,我們將探討 AI 技術如何改變工作和教育,並且探討人類應該如何適應和應對這些變化。 根據 MIT 研究人員的量化結果,使用 ChatGPT 帶來的生產力提昇為 37%,工時減少 37%,且工作品質提昇了 19.8%。生產力的提升來自於「取代」而不是「輔助」。 在過去,學者曾計算出工業革命對職場帶來的衝擊,估計這個技術革命在背後貢獻了 22% 到 41% 勞工整體生產力的提升。AGI(通用人工智慧)的出現可能是真正的第四次工業革命,所有的顛覆和影響才正要開始。 可見的未來,無法被 AI 取代的能力和領域 簡立峰:「所有敲鍵盤的工作都將被取代,包含工程師。」 (詳見:[筆記]
14 min read
[筆記] 10 個台灣新創不能忽略的趨勢 / 簡立峰老師 - AAMA 分享會
AI ChatGPT Startup

[筆記] 10 個台灣新創不能忽略的趨勢 / 簡立峰老師 - AAMA 分享會

本次我們邀請了 簡立峰老師 擔任分享者,老師將與大家分享其所觀察到台灣正在或即將發生的趨勢,從國際情勢、台灣轉型問題到新創的挑戰。 後疫情時代、ChatGPT 掀起 AI 熱潮的此時此刻, 誠摯邀請您一起來聆聽本場分享會,互相交流台灣所面臨的情勢、新創發展的新契機! 關於 ChatGPT: * 超級人工智慧之路:人類的不朽或滅絕? * 當 ChatGPT 都可以理解晶晶體,我們還有必要學習第二語言嗎? * ChatGPT 的技術原理剖析、發展歷程 世界:10 個不能忽略的生成式 AI 趨勢 趨勢一:電腦時代來臨 Computer 在台灣被翻譯為「電腦」,實際上過去都是「計算機」。台灣在這件事情算是先知,我們正在進入一個時代:從計算機走入電腦。過去的電腦是為美國人最佳化的。 而不論最後的結果如何,促成這件事情的就是我們人類自己,AI 被我們訓練 30 年了,我們成就了今天的 ChatGPT。 趨勢二:
19 min read
ChatGPT 與 LLM 的技術原理剖析、發展歷程
AI

ChatGPT 與 LLM 的技術原理剖析、發展歷程

LLM ChatGPT 作為當前自然語言處理領域的熱門技術之一,其模型設計和性能優異程度深受廣大研究者和應用開發者的青睞。本文將對 ChatGPT 的技術原理進行剖析,介紹其背後的深度學習技術和演算法,同時分析其發展歷程及其在自然語言處理領域的應用。 三個關鍵背景知識 要探討 ChatGPT 的技術原理,有三個關鍵背景知識我們需要先建立: 1. 神經網路與深度學習 2. 大型語言模型 LLM 3. 生成式 AI 算力的增加讓 AI 神經網路再度復甦 人工智慧(AI)的歷史可以追溯到上世紀五十年代,當時,科學家們開始設計能夠模擬人類智能的機器,嘗試實現機器能夠像人一樣進行推理、學習、問答等任務。 神經網路最早起源於上世紀五六十年代,並且曾經在八十年代和九十年代得到了廣泛的關注。但是,當時的計算資源和資料量有限,神經網路無法發揮出其潛力,在此過程中,AI 技術經歷了多個階段的發展,從最初的符號邏輯推理到基於規則的專家系統,再到統計學習的機器學習。 隨著資料量和計算資源的不斷增加,神經網路在二十一世紀初逐漸復興,2006 年,深度學習(Deep Learning)
12 min read
當 ChatGPT 都可以理解晶晶體,我們還有必要學習第二語言嗎?
AI ChatGPT

當 ChatGPT 都可以理解晶晶體,我們還有必要學習第二語言嗎?

ChatGPT 是一種強大的語言模型,其對人類語言的掌握程度相當高。在使用 ChatGPT 的三個月中,我深深感受到它對自然語言的理解程度之深刻,甚至能夠輕易掌握晶體的概念。最讓我驚訝的是,使用 ChatGPT 時,我完全不需要像使用 Siri 或 Google 那樣預先想好應該用什麼語法結構或關鍵字來幫助 ChatGPT 理解我的意思,而且 ChatGPT 的回答中也不會出現中英文夾雜的錯誤。 根據我使用晶晶體與 ChatGPT 的對話,可以明顯感受到它對於自然語言的理解能力已經超越了平均水平: 程式語言的五個層次 程式語言是電腦可以讀懂的語言,從下而上,可以被分為五個層次,每個層次都表示著不同的程式語言類型: 1. 機器語言(Machine Language):二進制的指令和數據,由計算機直接執行。 2. 組合語言(Assembly Language):使用助記符號(mnemonic)代替二進制指令,但仍然需要直接與硬體交互。 3. 低階語言(Low-Level Language):類似於組合語言,
4 min read
超級人工智慧之路:人類的不朽或滅絕?
AI

超級人工智慧之路:人類的不朽或滅絕?

Tim Urban 是 Wait But Why 網站的創始人之一,該網站主要以長篇部落格的形式探討各種主題,內容涵蓋人工智能、外太空和拖延症等領域。他曾在 2016 年的 TED Talk 中探討拖延症的主題,該演講基於 Blog 中的概念,截至 2022 年 12 月,該演講已經累積了超過 5000 萬的觀看次數。網站上的一篇有關 Elon Musk 和 Neuralink 的文章是與 Musk 本人共同製作的。 Tim Urban 這兩篇關於 AI 人工智慧的文章值得人類對於 ChatGPT 的出現後對未來將產生的變化深思,更了不起的是,這還是 2015 年的文章! 它提出了一個現實而令人不安的問題:當超級人工智慧的時代來臨時,我們是否能掌握住未來的命運?文章引用了大量的研究和數據,
15 min read