如果能夠與機(jī)器人進(jìn)行更自然的交互,，那不是很好嗎？嗯,，也許現(xiàn)在我們有了一種可以幫助我們實(shí)現(xiàn)這一目標(biāo)的技術(shù),。或者至少這是我在研究這篇文章之前的最初想法,。這就是為什么正面的部分先出現(xiàn),，但實(shí)際上是負(fù)面的部分才拋出了這種新技術(shù)以及它面臨的潛在問題，無論是技術(shù)上還是商業(yè)上,。

ChatGPT在2022年11月以一種更富有對話性的方式引起了人們的關(guān)注,。人工智能（AI）廣泛地指任何能夠執(zhí)行通常需要人類智能的任務(wù)的計(jì)算機(jī)程序或系統(tǒng)，例如學(xué)習(xí),、問題解決,、決策和語言理解。ChatGPT不同之處在于它使用的AI類型是自然語言處理（NLP）,，并且可以生成更像人類的文本,。

顯然，這將對機(jī)器人學(xué)產(chǎn)生影響,，所以在這里我們將更仔細(xì)地看看NLP的積極和潛在負(fù)面影響,。首先，讓我們明確一下我們在這里討論的機(jī)器人學(xué)的類型,。對于OLogic來說,，機(jī)器人學(xué)是一門涉及機(jī)器人的設(shè)計(jì),、構(gòu)造和操作的工程和科學(xué)領(lǐng)域。隨著時(shí)間的推移,，這些機(jī)器人變得更加智能和交互性,，從而導(dǎo)致了所謂的協(xié)作機(jī)器人（corobotics or cobots）的發(fā)展，其中機(jī)器人被設(shè)計(jì)成可以安全地與人類在同一環(huán)境中工作,。這些機(jī)器人可以感知,、處理和自主或半自主地行動(dòng)。隨著AI的發(fā)展,，機(jī)器人工程師使用了各種技術(shù),，如機(jī)器視覺和強(qiáng)化學(xué)習(xí)，使機(jī)器人能夠在廣泛的應(yīng)用領(lǐng)域執(zhí)行任務(wù),，如制造,、物流、醫(yī)療和探索,。

ChatGPT是最近發(fā)布的也是最酷的AI工具之一,，它有可能通過提高機(jī)器人的溝通和決策能力來增強(qiáng)機(jī)器人學(xué),。

那么,，這種新型AI在我們的機(jī)器人學(xué)背景下有哪些潛在的積極和負(fù)面影響呢？ 

作為一個(gè)AI語言模型,，ChatGPT可以提供多種方式來改善機(jī)器人學(xué),。以下是一些可能的方式：自然語言處理（NLP）：其中一個(gè)主要優(yōu)勢是如何使用ChatGPT來提高機(jī)器人的自然語言處理能力，使它們能夠更好地理解和回應(yīng)人類語言,。這在人機(jī)交互和客戶服務(wù)應(yīng)用中尤其有用,。

最近一個(gè)例子是，在一個(gè)熱門視頻中,，一組程序員為波士頓動(dòng)力公司的機(jī)器狗Spot配備了OpenAI的ChatGPT和谷歌的文本到語音調(diào)制,。

結(jié)果非常有趣，也是一種可能性的很好的指示,。然而,，在嘗試應(yīng)用這些NLP技術(shù)時(shí)，Spot仍然需要特定的短語和程序才能夠與人類“對話”,。

微軟,，作為OpenAI的數(shù)十億美元投資者，也發(fā)布了一些關(guān)于ChatGPT-機(jī)器人學(xué)集成的指導(dǎo)方針,。開發(fā)活動(dòng)的目標(biāo)是使與機(jī)器人的交互更加自然,。讓它們從依賴代碼來執(zhí)行任務(wù)的機(jī)器人，轉(zhuǎn)變?yōu)楦匀徽Z言指令的機(jī)器人,。

機(jī)器視覺：ChatGPT也可以幫助改善機(jī)器視覺,，這對于機(jī)器人“看到”和導(dǎo)航周圍環(huán)境是必不可少的,。通過在ChatGPT生成的合成數(shù)據(jù)上訓(xùn)練機(jī)器人，或者使用ChatGPT來增強(qiáng)現(xiàn)有的數(shù)據(jù)集,，ChatGPT將能夠提供更多的訓(xùn)練示例,，以更準(zhǔn)確地識(shí)別和解釋視覺數(shù)據(jù)。這將幫助機(jī)器人以更高的效率和效果執(zhí)行任務(wù),。 

強(qiáng)化學(xué)習(xí)：ChatGPT可以通過強(qiáng)化學(xué)習(xí)來提高機(jī)器人的學(xué)習(xí)能力,。這涉及訓(xùn)練機(jī)器人根據(jù)環(huán)境的反饋來做出決策，使它們能夠適應(yīng)和改進(jìn),。數(shù)據(jù)分析：ChatGPT可以幫助改善機(jī)器人的數(shù)據(jù)分析能力,，使它們能夠快速準(zhǔn)確地處理和分析大量數(shù)據(jù)。這在物流和制造等領(lǐng)域特別有用,，因?yàn)闄C(jī)器人需要根據(jù)實(shí)時(shí)數(shù)據(jù)做出決策,。協(xié)作學(xué)習(xí)：最后，ChatGPT可以幫助機(jī)器人通過協(xié)作學(xué)習(xí)相互學(xué)習(xí),。這涉及機(jī)器人之間分享數(shù)據(jù)和見解,，以提高它們的集體智能和效果?？偟膩碚f,，ChatGPT有可能通過提高機(jī)器人的學(xué)習(xí)、決策和溝通能力來顯著改善機(jī)器人學(xué)（感謝ChatGPT提供的結(jié)尾句）,。

使用ChatGPT或任何其他AI技術(shù)在機(jī)器人學(xué)中可能會(huì)帶來負(fù)面后果,。以下是一些它在商業(yè)和技術(shù)上可行性方面面臨的問題類型的例子，以及它所造成的一些問題：概率性,，而不是確定性：這可能是需要克服的關(guān)鍵問題之一,。ChatGPT基于概率方法，這種方法較不結(jié)構(gòu)化,，因?yàn)楦怕誓Ｐ突诟怕世碚摶螂S機(jī)性在預(yù)測未來事件中起作用的事實(shí),。相反的是確定性，它與隨機(jī)性相反——它告訴我們某件事可以精確地預(yù)測,，而不需要隨機(jī)性的額外復(fù)雜性,。今天的機(jī)器人非常屬于確定性陣營。它們被編程為在遇到的每種情況下都知道該做什么,，這就是為什么大多數(shù)機(jī)器人在半控制環(huán)境中工作的原因,。谷歌研究和日常機(jī)器人試圖克服這些問題，在一個(gè)名為PaLM-SayCan的項(xiàng)目中,。該研究的前提是“按我能做的去做,，而不是按我說的去做”。他們的研究結(jié)果可以在GitHub上找到。該網(wǎng)站上有多個(gè)例子和試驗(yàn),，最近的總結(jié)顯示,，SayCan與改進(jìn)的語言模型（PaLM）結(jié)合，他們稱之為PaLM-SayCan,，提高了整個(gè)系統(tǒng)的機(jī)器人性能,，與之前的大型語言模型（LLM）FLAN相比。（https:///E2g1APtSuUM）PaLM-SayCan選擇正確的技能序列84%的時(shí)間,，并成功執(zhí)行它們74%的時(shí)間,，將錯(cuò)誤減少了一半，與FLAN相比,。這特別令人興奮,，因?yàn)樗状未砹苏Z言模型的改進(jìn)如何轉(zhuǎn)化為類似的機(jī)器人性能提高。

機(jī)器人學(xué)習(xí)（RL）：為了幫助開發(fā)更自然的語言交互和進(jìn)一步的基于學(xué)習(xí)的機(jī)器人學(xué),，需要大量的訓(xùn)練數(shù)據(jù),。如果您對這個(gè)技術(shù)領(lǐng)域感興趣，并想了解更多,，Bridge Dataset收集了來自33,078個(gè)遠(yuǎn)程操作演示,、8,887個(gè)腳本策略的展開和21個(gè)不同環(huán)境的數(shù)據(jù)。

更大并不意味著更好：這一點(diǎn)對于我們克服NLP在現(xiàn)實(shí)世界部署中的主要技術(shù)限制至關(guān)重要,。NLP或LLM令人驚訝的局限性是,，您給它們提供更多的訓(xùn)練數(shù)據(jù)并不會(huì)導(dǎo)致更好的性能。事實(shí)上,，可能是相反的,，因?yàn)閿?shù)據(jù)集變得不干凈,，由于所有數(shù)據(jù)的平均效應(yīng),。

一種試圖從視覺上理解這一點(diǎn)的方法是考慮一個(gè)模型已經(jīng)在16種顏色上進(jìn)行了訓(xùn)練。藍(lán)色和黃色之間的區(qū)別非常明顯,，因此模型可以解釋信息并提供準(zhǔn)確的預(yù)測,。如果您向模型中輸入更多的數(shù)據(jù)，在這個(gè)例子中可能是500種顏色,，以試圖提供更微妙和粒度更細(xì)的信息,，結(jié)果是模型無法區(qū)分它們。數(shù)據(jù)集的峰值和谷值平均化,，使得它們之間沒有明顯的分界線,，導(dǎo)致模型在預(yù)測時(shí)出錯(cuò)。

更多并不意味著更好的態(tài)度顯示了對如何改進(jìn)技術(shù)的關(guān)注,。只是向它扔更多的數(shù)據(jù)并不是答案,，因?yàn)檫@是一條收益遞減的道路——而且很快就會(huì)達(dá)到。這也是為什么OpenAI的Sam Altman宣布，不會(huì)很快有Chat GPT-5,。

目前試圖克服這一點(diǎn)的方法是通過提示工程,。

提示工程：因?yàn)楦蟛⒉灰馕吨茫襆LM并不像人類那樣真正理解世界,，這導(dǎo)致了許多錯(cuò)誤,、錯(cuò)誤的結(jié)果和純粹的謊言，其中事實(shí)是編造出來的,。這導(dǎo)致了一種新的技術(shù)工作,，稱為提示工程，其中一個(gè)人必須花時(shí)間精煉給LLM的問題,，以便以一種方式引導(dǎo)模型朝正確的方向,。幾乎是在指導(dǎo)模型需要檢索什么類型的信息，以便做出正確的答案,。正如您可以想象的,，這本身就是一種技能，而且又讓結(jié)果受到人類偏見的影響,。

蒸餾模型：也稱為知識(shí)蒸餾,，這影響了對這類模型未來的財(cái)務(wù)投資。雖然ChatGPT需要數(shù)億美元和幾個(gè)月的時(shí)間來訓(xùn)練每個(gè)版本,，但通過利用知識(shí)蒸餾方法,，斯坦福大學(xué)的一個(gè)小組最近發(fā)布（并終止）了他們的聊天機(jī)器人演示Alpaca，并得到了一些有啟發(fā)性的結(jié)果,。這個(gè)600美元的ChatGPT仿制品被發(fā)現(xiàn)與OpenAI的GPT-3.5模型有非常相似的性能,。他們是怎么做到的？他們從OPenAI的text-davinci-003（更常被稱為GPT-3.5）中收集了52,000個(gè)問答示例,，并用它來重新訓(xùn)練一個(gè)LLaMA模型成為一個(gè)指令遵循形式,。

這對普通人來說意味著什么？基本上,，您可以用比ChatGPT成本低得多的價(jià)格獲得80%的性能,。所以，除非ChatGPT限制對這些LLM輸入和輸出的訪問,，或者他們成功地起訴每個(gè)人,，否則似乎很難知道這些公司將如何維持它們的競爭優(yōu)勢和商業(yè)優(yōu)勢,。

無意的偏見：這是一般AI行業(yè)所認(rèn)識(shí)到的,，和其他AI模型一樣,，ChatGPT也容易出現(xiàn)同樣的問題。像ChatGPT這樣的AI系統(tǒng)可以學(xué)習(xí)和復(fù)制它們所訓(xùn)練的數(shù)據(jù)中存在的偏見,。如果數(shù)據(jù)存在偏見,，AI系統(tǒng)就可能延續(xù)這種偏見，導(dǎo)致歧視或不公平對待。這需要仔細(xì)地關(guān)注和管理,，以確保我們消除在實(shí)踐中發(fā)現(xiàn)的任何偏見,。

失業(yè)：更一般地說，在社會(huì)上,，機(jī)器人學(xué)和AI的一個(gè)大問題是它們對工作的影響,。隨著它們不斷進(jìn)步，人們擔(dān)心它們可能會(huì)在某些行業(yè)取代人類工作者,，導(dǎo)致工作流失和失業(yè),。如果被取代的工人無法找到新的工作或者獲得與機(jī)器人共事所需的技能，這可能會(huì)帶來社會(huì)和經(jīng)濟(jì)后果,。

依賴：一般來說,，過度依賴機(jī)器人學(xué)和AI會(huì)使人類過度依賴這些系統(tǒng)，導(dǎo)致技能和能力的喪失,。如果技術(shù)失敗或出現(xiàn)故障,，這可能會(huì)特別有問題，導(dǎo)致錯(cuò)誤或事故,。

道德問題：使用機(jī)器人學(xué)和AI引發(fā)了關(guān)于它們對社會(huì)影響的道德問題,，特別是在隱私、自主性和問責(zé)方面,。例如,，可能會(huì)有關(guān)于個(gè)人數(shù)據(jù)如何收集和使用、誰對機(jī)器人造成的錯(cuò)誤或事故負(fù)責(zé),、以及機(jī)器人做出的決定如何合理化等問題,。

在我們繼續(xù)開發(fā)和部署機(jī)器人學(xué)和AI技術(shù)時(shí)，重要的是要認(rèn)識(shí)并解決這些潛在的負(fù)面后果,。這可以通過仔細(xì)考慮這些技術(shù)的道德含義,，持續(xù)監(jiān)測和評估它們的影響，以及采取積極措施來減輕潛在風(fēng)險(xiǎn)來實(shí)現(xiàn),。

這是一個(gè)令人興奮的技術(shù)領(lǐng)域,，我們將密切關(guān)注我們在OLogic的開發(fā)項(xiàng)目中引入這些技術(shù)的情況。由于蒸餾變體的計(jì)算能力在幾個(gè)千兆字節(jié)的范圍內(nèi),，OLogic期待著在我們自己的邊緣AIoT PumpkinPi上運(yùn)行這些蒸餾模型。這將以一種比當(dāng)前大型計(jì)算軌跡更實(shí)惠和有競爭力的方式,，將新的邊緣情況應(yīng)用帶入市場……

Pumpkin Pi i350 EVK是一個(gè)邊緣AI平臺(tái),，專為需要視覺和語音邊緣處理的主流AI + IoT應(yīng)用而設(shè)計(jì)，例如面部,、對象,、手勢、運(yùn)動(dòng)識(shí)別、LPR,、語音激活和速度識(shí)別,、聲音隔離、生物技術(shù)和生物測量等,。

ChatGPT對機(jī)器人意味著什么,？泰德·拉爾森 |5年2023月2022日編者按：本文原載于OLogic網(wǎng)站，經(jīng)授權(quán)轉(zhuǎn)載,。與機(jī)器人進(jìn)行更自然的互動(dòng)不是很好嗎,？好吧，也許現(xiàn)在我們有一項(xiàng)技術(shù)可以幫助我們實(shí)現(xiàn)這一目標(biāo),?；蛘咧辽龠@是我在研究這篇文章之前的最初想法。這就是為什么正面部分排在第一位,，但實(shí)際上負(fù)面部分提出了這項(xiàng)新技術(shù)最有趣的方面以及它在技術(shù)和商業(yè)上面臨的潛在問題,。ChatGPT 于 <> 年 <> 月以更具對話性的人工智能 （AI） 方法登上頭條新聞。人工智能廣義上是指任何可以執(zhí)行通常需要人類智能的任務(wù)的計(jì)算機(jī)程序或系統(tǒng),，例如學(xué)習(xí),、解決問題、決策和語言理解,。ChatGPT的不同之處在于它使用的AI類型是自然語言處理（NLP）,，它可以生成更像人類的文本。顯然,，這將對機(jī)器人技術(shù)產(chǎn)生影響,，所以在這里我們仔細(xì)看看NLP的積極和潛在的消極因素。首先,，讓我們明確一下我們在這里討論的機(jī)器人類型,。對于OLogic來說，機(jī)器人是一個(gè)工程和科學(xué)領(lǐng)域,，涉及機(jī)器人的設(shè)計(jì),，建造和操作。隨著時(shí)間的推移,，這些機(jī)器人已經(jīng)改進(jìn)為更加智能和互動(dòng),，這導(dǎo)致了所謂的協(xié)作機(jī)器人或協(xié)作機(jī)器人的發(fā)展，其中機(jī)器人被設(shè)計(jì)成專門在與人類相同的環(huán)境中安全工作,。這些機(jī)器人可以自主或半自主地感知,、處理和行動(dòng)。隨著人工智能的發(fā)展,，機(jī)器人工程師使用了各種技術(shù),，例如機(jī)器視覺和強(qiáng)化學(xué)習(xí),，使機(jī)器人能夠在廣泛的應(yīng)用中執(zhí)行任務(wù)，例如;制造,、物流,、醫(yī)療保健和勘探。ChatGPT是最新推出的,，最酷的AI工具,，它有可能通過提高機(jī)器人的溝通和決策能力來增強(qiáng)機(jī)器人技術(shù)。那么,，在我們的機(jī)器人環(huán)境中,，這種新型人工智能的潛在利弊是什么？

ChatGPT 的潛在積極影響

作為一種人工智能語言模型,，ChatGPT可以提供多種方法來改進(jìn)機(jī)器人技術(shù),。以下是一些可能的方法：自然語言處理（NLP）：主要優(yōu)勢之一是如何使用ChatGPT來提高機(jī)器人的自然語言處理能力，使它們能夠更好地理解和響應(yīng)人類語言,。這在人機(jī)交互和客戶服務(wù)應(yīng)用中特別有用,。最近的一個(gè)例子是，一個(gè)程序員團(tuán)隊(duì)在病毒視頻中為波士頓動(dòng)力公司的機(jī)器狗Spot配備了OpenAI的ChatGPT和谷歌的文本到語音調(diào)制,。結(jié)果非常有趣,，很好地表明了可能性。然而,，當(dāng)嘗試應(yīng)用這些NLP技術(shù)時(shí),，Spot仍然需要特定的短語和程序才能與人類“交談”。在OpenAI上投資數(shù)十億美元的微軟也發(fā)布了一些ChatGPT-機(jī)器人集成的指南,。開發(fā)活動(dòng)的目標(biāo)是使與機(jī)器人的交互更加自然,。將它們從依賴代碼行來執(zhí)行任務(wù)的機(jī)器人轉(zhuǎn)移到更自然的語言指令。機(jī)器視覺：ChatGPT還可以幫助改善機(jī)器視覺,，這對于機(jī)器人“看到”和導(dǎo)航周圍環(huán)境至關(guān)重要,。通過在 ChatGPT 生成的合成數(shù)據(jù)上訓(xùn)練機(jī)器人或使用 ChatGPT 來增強(qiáng)現(xiàn)有數(shù)據(jù)集，ChatGPT 將能夠提供額外的訓(xùn)練示例來更準(zhǔn)確地識(shí)別和解釋視覺數(shù)據(jù),。這將有助于機(jī)器人以更高的效率和有效性執(zhí)行任務(wù),。強(qiáng)化學(xué)習(xí)：ChatGPT可以通過強(qiáng)化學(xué)習(xí)來提高機(jī)器人的學(xué)習(xí)能力。這涉及訓(xùn)練機(jī)器人根據(jù)環(huán)境的反饋?zhàn)龀鰶Q策,，使它們能夠隨著時(shí)間的推移進(jìn)行調(diào)整和改進(jìn),。數(shù)據(jù)分析：ChatGPT 可以通過使機(jī)器人能夠快速準(zhǔn)確地處理和分析大量數(shù)據(jù)來幫助改進(jìn)機(jī)器人中的數(shù)據(jù)分析。這在物流和制造等領(lǐng)域特別有用,，機(jī)器人需要根據(jù)實(shí)時(shí)數(shù)據(jù)做出決策,。協(xié)作學(xué)習(xí)：最后，ChatGPT可以幫助機(jī)器人通過協(xié)作學(xué)習(xí)相互學(xué)習(xí),。這涉及在機(jī)器人之間共享數(shù)據(jù)和見解,，以提高其集體智慧和有效性?？傮w而言,，ChatGPT有潛力通過增強(qiáng)機(jī)器人技術(shù)的學(xué)習(xí)，決策和溝通能力來顯著改善機(jī)器人技術(shù)（感謝ChatGPT的結(jié)束語）,。

現(xiàn)在是負(fù)面的

在機(jī)器人中使用 ChatGPT 或任何其他人工智能技術(shù)可能會(huì)產(chǎn)生負(fù)面影響,。以下是它在商業(yè)和技術(shù)上可行的問題類型的一些示例，以及它產(chǎn)生的一些問題：概率性的,，而不是確定性的：這可能是需要克服的關(guān)鍵問題之一,。ChatGPT 基于概率方法，該方法結(jié)構(gòu)較少,，因?yàn)楦怕誓Ｐ突诟怕世碚摶螂S機(jī)性在預(yù)測未來事件中發(fā)揮作用的事實(shí),。相反的是確定性，這與隨機(jī)相反——它告訴我們某些事情可以準(zhǔn)確預(yù)測,，而不會(huì)增加隨機(jī)性的復(fù)雜性,。今天的機(jī)器人在很大程度上屬于確定論陣營。它們被編程為確切地知道在遇到的每種情況下該怎么做,，這就是為什么大多數(shù)機(jī)器人在半受控環(huán)境中工作的原因,。谷歌研究和日常機(jī)器人試圖在一個(gè)名為PaLM-SayCan的項(xiàng)目中克服這些問題。研究的前提是“盡我所能,，而不是按我說的做”,。他們的研究結(jié)果可以在GitHub上找到。網(wǎng)站上有多個(gè)示例和試驗(yàn),，最新的摘要顯示,，與以前的大型語言模型（LLM）相比，SayCan與改進(jìn)的語言模型（PaLM）相結(jié)合,，他們稱之為PaLM-SayCan,，提高了整個(gè)系統(tǒng)的機(jī)器人性能。PaLM-SayCan在84%的時(shí)間內(nèi)選擇了正確的技能序列,，并在74%的時(shí)間內(nèi)成功執(zhí)行了它們,，與FLAN相比，錯(cuò)誤減少了一半,。這特別令人興奮,，因?yàn)樗状未砹苏Z言模型的改進(jìn)如何轉(zhuǎn)化為機(jī)器人性能的類似改進(jìn)。機(jī)器人學(xué)習(xí)（RL）：為了幫助開發(fā)更自然的語言交互和進(jìn)一步基于學(xué)習(xí)的機(jī)器人技術(shù),，需要大量的訓(xùn)練數(shù)據(jù),。如果您對此技術(shù)領(lǐng)域感興趣并想了解更多信息，Bridge 數(shù)據(jù)集已從 33,，078 個(gè)遠(yuǎn)程操作演示,、8,，887 個(gè)腳本策略部署和 21 個(gè)不同環(huán)境中收集了數(shù)據(jù)。訓(xùn)練模型：LLM機(jī)器學(xué)習(xí)較少提及的缺點(diǎn)之一是訓(xùn)練模型所需的大量數(shù)據(jù),，這導(dǎo)致了兩個(gè)主要缺點(diǎn),。首先，處理所有數(shù)據(jù)所需的大量計(jì)算能力,。每次更新數(shù)據(jù)集時(shí),，這實(shí)際上都會(huì)花費(fèi)數(shù)百萬美元。第二個(gè)問題是重新訓(xùn)練模型需要幾個(gè)月的時(shí)間,。您不能簡單地添加新的部分或子集,，您必須在整個(gè)數(shù)據(jù)集上重新訓(xùn)練LLM。如果您有公司的可持續(xù)發(fā)展目標(biāo)和溫室氣體目標(biāo),，您可能需要在陷入炒作之前檢查查詢中有多少資源,。更大不等于更好：如果我們要克服NLP實(shí)際部署的主要技術(shù)限制，這一點(diǎn)至關(guān)重要,。NLP或LLM令人驚訝的局限性是,，你給它們訓(xùn)練的數(shù)據(jù)越多，不會(huì)帶來更好的性能,。事實(shí)上,，情況可能正好相反，因?yàn)閿?shù)據(jù)集由于對所有數(shù)據(jù)的平均效應(yīng)而變得不干凈,。嘗試直觀地理解這一點(diǎn)的一種方法是考慮一個(gè)模型已經(jīng)接受了 16 種顏色的訓(xùn)練,。藍(lán)色和黃色之間的差異非常明顯，因此模型可以解釋信息并提供準(zhǔn)確的預(yù)測,。如果將更多數(shù)據(jù)輸入模型,，在此示例中，它可能是 500 種顏色,，為了嘗試提供更微妙和精細(xì)的信息,，結(jié)果是模型無法區(qū)分它們。數(shù)據(jù)集的峰值和波谷平均,，因此它們之間沒有明確的界限,，從而導(dǎo)致模型回復(fù)查詢時(shí)出現(xiàn)錯(cuò)誤。這種更多不等于更好的態(tài)度表明了對如何改進(jìn)技術(shù)的關(guān)注,。只是投入更多的數(shù)據(jù)并不是答案,，因?yàn)樗且粭l收益遞減的道路——這很快就會(huì)到達(dá)。這也是為什么OpenAI的Sam Altman宣布不會(huì)很快有Chat GPT-5的原因,。目前嘗試克服這個(gè)問題的方法是通過快速工程,。提示工程：因?yàn)楦蟛⒉灰馕吨茫琇LM實(shí)際上并不像人類那樣理解世界,，它會(huì)導(dǎo)致許多錯(cuò)誤,，錯(cuò)誤的結(jié)果和事實(shí)編造的簡單謊言,。這導(dǎo)致了一項(xiàng)稱為快速工程的新技術(shù)工作，一個(gè)人必須花時(shí)間以引導(dǎo)模型朝著正確方向前進(jìn)的方式完善給LLM的問題,。幾乎指導(dǎo)模型需要檢索的信息類型,，以便做出正確的答案,?？梢韵胂螅@本身就是一種技能,，并且再次使結(jié)果受到人為偏見的影響,。蒸餾模型：也稱為知識(shí)蒸餾，這會(huì)影響未來對這些類型模型的金融投資,。雖然 ChatGPT 需要數(shù)億美元和幾個(gè)月的時(shí)間來培訓(xùn)每個(gè)版本,，但通過利用知識(shí)蒸餾方法，斯坦福大學(xué)的一個(gè)小組最近發(fā)布（并終止）了他們的聊天機(jī)器人演示,，名為 Alpaca,，并取得了一些有見地的結(jié)果。這個(gè)售價(jià)600美元的ChatGPT外觀被發(fā)現(xiàn)與OpenAI的GPT-3.5模型具有非常相似的性能,。他們是怎么做到的,？他們從OPenAI的text-davinci-003（通常稱為GPT-3.5）中收集了52，000個(gè)問答示例,，并用它來將LLaMA模型重新訓(xùn)練為遵循指令的形式,。這對普通人來說意味著什么？基本上,，您可以以比 ChatGPT 的成本低得多的價(jià)格獲得 80% 的性能,。因此，除非ChatGPT限制對這些LLM的輸入和輸出的訪問,，或者他們成功地起訴了所有人,，否則似乎很難知道這些公司將如何保持其競爭優(yōu)勢和商業(yè)優(yōu)勢。意外偏差：這是一般AI行業(yè)所認(rèn)識(shí)到的,，并且與其他AI模型一樣,，ChatGPT也容易出現(xiàn)同樣的問題。像ChatGPT這樣的人工智能系統(tǒng)可以學(xué)習(xí)和復(fù)制它們所訓(xùn)練的數(shù)據(jù)中存在的偏見,。如果數(shù)據(jù)有偏見,，人工智能系統(tǒng)可能會(huì)使這種偏見永久化，導(dǎo)致歧視或不公平待遇,。這需要仔細(xì)的關(guān)注和管理,，以確保我們消除在實(shí)踐中發(fā)現(xiàn)的任何偏見。失業(yè)：在社會(huì)上,，機(jī)器人和人工智能的一大擔(dān)憂是它們?nèi)绾斡绊懝ぷ?。隨著他們的不斷進(jìn)步,，人們擔(dān)心他們可能會(huì)取代某些行業(yè)的人類工人，導(dǎo)致失業(yè)和失業(yè),。如果失業(yè)工人無法找到新工作或獲得與機(jī)器人一起工作所需的技能,，這可能會(huì)產(chǎn)生社會(huì)和經(jīng)濟(jì)后果。依賴：一般來說,，過度依賴機(jī)器人和人工智能會(huì)使人類過度依賴這些系統(tǒng),，導(dǎo)致技能和能力的喪失。如果技術(shù)失敗或故障,，導(dǎo)致錯(cuò)誤或事故,，這可能會(huì)特別成問題。倫理問題：機(jī)器人和人工智能的使用引發(fā)了人們的思考對它們對社會(huì)的影響的擔(dān)憂,，特別是在隱私,、自治和問責(zé)制等領(lǐng)域。例如,，可能會(huì)擔(dān)心個(gè)人數(shù)據(jù)是如何收集和使用的,，誰對機(jī)器人造成的錯(cuò)誤或事故負(fù)責(zé)，以及機(jī)器人做出的決策如何合理,。在我們繼續(xù)開發(fā)和部署機(jī)器人和人工智能技術(shù)時(shí),，認(rèn)識(shí)到并解決這些潛在的負(fù)面影響非常重要。這可以通過仔細(xì)考慮這些技術(shù)的倫理影響,、持續(xù)監(jiān)測和評估其影響以及采取積極措施減輕潛在風(fēng)險(xiǎn)來實(shí)現(xiàn),。

令人振奮的未來

這是一個(gè)令人興奮的技術(shù)領(lǐng)域，我們將密切關(guān)注這些技術(shù)引入OLogic的開發(fā)項(xiàng)目,。由于蒸餾變體的計(jì)算能力在幾千兆字節(jié)的范圍內(nèi),，OLogic 期待在我們自己的 Edge AIoT PumpkinPi 上運(yùn)行這些蒸餾模型。這將以比當(dāng)前大型計(jì)算軌跡更實(shí)惠和更具競爭力的方式為市場帶來新的邊緣案例應(yīng)用程序,。

Pumpkin Pi i350 EVK是一款邊緣AI平臺(tái),，專為需要視覺和語音邊緣處理的主流AI +物聯(lián)網(wǎng)應(yīng)用而設(shè)計(jì)，例如面部,，物體,，手勢，運(yùn)動(dòng)識(shí)別,，LPR,，語音激活和速度識(shí)別，隔音,，生物技術(shù)和生物特征測量等,。謝謝，ChatGPT，也感謝您的投入,。這是有見地的,，盡管水平非常高。

https:///what-does-chatgpt-mean-for-robotics/

文章來源：本文來自微信公眾號(hào)“圖靈人工智能”2023年6月19日（本文僅代表作者觀點(diǎn)）

本篇編輯：郭舒怡