阻止我们春运回家的恶劣天气，AI可以预测吗？

阻止我们春运回家的恶劣天气，AI可以预测吗？ 我们也许正在经历着 2009 年以来最复杂的春运天气。 近期，我国中东部地区迎来持续大范围雨雪冰冻天气，2 月 4 日更是大风、大雾、暴雪、冰冻四预警齐发，部分地区高铁、高速、航班等交通出行均受到不同程度的影响。对于即将回家或正在回家路上的人来说，返乡的路程十分漫长。 PC版： 手机版：

AI 专家预测“编程的终结”

AI 专家预测“编程的终结” 一位 AI 专家说，“除了非常专业的应用，我们所知的大多数软件都将被训练的人工智能系统所取代，而不是编程产生的。”他说的不仅仅是像 Github CoPilot 这样的东西，而是用训练模型取代了编写程序的整个概念。未来计算机学生不再需要学习二叉树、C++ 编程技巧这样的世俗技能。在大多数情况下，大规模的、由人类策划的数据集将不再是必要的，他们只需要提出正确的例子，正确的训练数据，以及评估训练过程的正确方法，而机器将完成剩下的工作。重点是转向教导智能机器，而不是直接对其进行编程，这更像是一个专注于人工智能教育的领域，甚至将来可能出现面向人工智能的精神病学。来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

大型AI模型出现的不可预测的能力

大型AI模型出现的不可预测的能力 在去年组织的一次测试中，研究人员输入不同的提示去测试不同规模大语言模型的能力。其中之一是一个女孩和三条鱼的绘文字，询问它们描述了哪部电影。最小的模型产生了超现实的答案：“The movie is a movie about a man who is a man who is a man”。中等复杂度的模型猜测是《Emoji大电影》，最复杂的模型一锤定音《海底总动员（Finding Nemo）》。计算机科学家对大语言模型的表现非常吃惊。语言模型已经研究了几十年，五年前最强大的模型是基于递归神经网络，本质上是根据提供的文本字符串猜测下一个单词是什么，所谓递归是从输出中不断学习，利用反馈去改进性能。2017 年 Google Brain 的研究人员提出了被称为 transformer 的新型架构。递归网络是逐字分析句子，transformer 则是同时处理所有单词，它能并行处理大块文本。Transformers 能通过增加模型的参数快速扩展语言模型的复杂度。2020 年 OpenAI 的研究人员发现随着参数规模的增加语言模型改进了其能力和准确度。但大语言模型也同时带来了一些始料未及的东西。研究人员发现大语言模型产生了数以百计的“新”能力，这种行为被称为涌现。研究人员如今正努力去识别新的涌现能力，以及找出背后的原因本质上是去尝试预测不可预测性。了解涌现可揭示出 AI 和一般机器学习深层问题的答案，如复杂模型是真的在做新事情，还是极其擅长统计。它还可帮助研究人员去利用潜在的益处和减少涌现风险。来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot