يقول الناس غالبًا إن الآلة هي التي تفكر. في الواقع، الأمر ليس بهذه البساطة. المفتاح ليس في الذكاء الاصطناعي نفسه، بل في البيئة الكاملة التي يوجد فيها. نوعية التعليمات التي تقدمها له، والسياق الذي تضعه، وظروف الاستخدام — هذه البيئة التي يتم بناؤها يدويًا هي العامل الحقيقي الذي يحدد الناتج النهائي لنموذج اللغة الكبير (LLM). بعبارة أخرى، هو الإطار الذي بنيناه والمساحة التفسيرية المحيطة به، التي تدفع النموذج إلى "التفكير". الآلة فقط تلعب دورها على هذا المسرح.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 11
أعجبني
11
3
إعادة النشر
مشاركة
تعليق
0/400
StablecoinAnxiety
· 01-15 15:16
قول صحيح، الإطار يحدد كل شيء. نحن فقط نغذي البيانات، ونبني المسرح، ثم نتفاجأ بأن الآلة أصبحت "ذكية"، أمر مضحك
الهندسة التحفيزية هي حقًا فن الكيمياء، هل تفهم أم لا
شاهد النسخة الأصليةرد0
BoredStaker
· 01-15 15:05
قولك صحيح، هندسة البرمجة الموجهة هي التكنولوجيا الحقيقية، بينما النموذج نفسه هو مجرد دمية
شاهد النسخة الأصليةرد0
nft_widow
· 01-15 14:51
يبدو الأمر ممتعًا، لكني أعتقد أن هذا التفسير يبسط المشكلة بشكل مفرط. حتى لو كانت كلمات التلميح دقيقة جدًا، فإن البيانات غير الجيدة ستظل تنتج مخرجات غير جيدة. ما يحدد الأمر حقًا هو نظام التدريب الذي نعطيه للنموذج، فما الذي نمده به من مواد؟
يقول الناس غالبًا إن الآلة هي التي تفكر. في الواقع، الأمر ليس بهذه البساطة. المفتاح ليس في الذكاء الاصطناعي نفسه، بل في البيئة الكاملة التي يوجد فيها. نوعية التعليمات التي تقدمها له، والسياق الذي تضعه، وظروف الاستخدام — هذه البيئة التي يتم بناؤها يدويًا هي العامل الحقيقي الذي يحدد الناتج النهائي لنموذج اللغة الكبير (LLM). بعبارة أخرى، هو الإطار الذي بنيناه والمساحة التفسيرية المحيطة به، التي تدفع النموذج إلى "التفكير". الآلة فقط تلعب دورها على هذا المسرح.