Vol.34 【AI之外】人机结合的知识库探索，从ChatGPT聊起

<p>大家好，这里是大佳的成长磁场第34期。&nbsp;</p><p>【AI之外】的最后一期内容，想跟听友朋友们探讨<strong>在“大语言模型”的AI时代，我们怎么高效搜集信息、分辨有效信息、长期应用信息。&nbsp;</strong></p><p>&nbsp;本期结合<strong>#AI大神，安德烈·卡帕斯的科普视频</strong>，拆解ChatGPT“大语言模型”一路发展起来的关键步骤、改进措施和迭代过程，跟听众朋友们分享：信息收集、知识库搭建的思考和技巧，<strong>希望DAJA都够探索出更好的“人机结合”模式。共勉！&nbsp;</strong></p><p><strong>&nbsp;</strong>&nbsp;</p><p>&nbsp;⏰本期时间戳：&nbsp;</p><p>预处理=采集信息+处理信息+形成参数化预测</p><blockquote>&nbsp;03:33 GPT采集信息的标准：广泛、公开、多元、可表达，并且经过多层过滤</blockquote><blockquote>&nbsp;06:40 神经网络学习：大数据+概率学，推算出统计意义之下的最优解&nbsp;</blockquote><p>&nbsp;后处理=人工训练+场景模拟+输出对话</p><blockquote>&nbsp;09:31 <strong>AI一本正经的胡说八道，原来叫幻觉性虚假信息</strong></blockquote><blockquote>&nbsp;12:03 <strong>AI智能体的发展瓶颈，在于问答场景不能穷举</strong></blockquote><blockquote>&nbsp;13:05 <strong>学会交叉验证，才能发现AI的知道不知道&nbsp;</strong></blockquote><p>&nbsp;17:05 打造个人知识库的轻量化步骤&nbsp;</p><p>&nbsp;</p><p>&nbsp;⭐本期金句：&nbsp;</p><p>※ <strong>大模型本质上是一场大型的复述行为。&nbsp;</strong></p><p>※ 信息和知识，都是在不同的历史环境，有不同的成立前提。&nbsp;</p><p>※ 人工训练的核心目的是让模型学会拆解问题，然后去寻找统计学上最好的回答，并且通过符合人机交流的语言...