作者 | 云昭
今天凌晨，一位网名anton的用户发推称：对GPT的需求如此之高，以至于现在新用户都无法升级到高级版了！
注意：官网只是说暂停升级，不是永久停售Plus！
一时间话题的焦点就引发到了“算力供应紧张”上来了。有位网友表示：平均每个请求就需要占用3个A100 GPU？这样的话，也就不足为奇了。
也有使用API的网友对于GPT4消耗的算力感到吃惊：他们如何做到每秒提供1亿张图片？
甚至还有人猜测是微软新发布的集成GPT4的Office 365后，与OpenAI共享的硬件数量减少了。
不少网友归因于计算资源不够了，已经不单是靠钱能解决得了的问题，微软还要供给自己的用户群体。
“事实证明，被困在盒子里的AI，无法制造新的GPU。”一位Reddit上的用户如此打趣ChatGPT。
ChatGPT作为开启AI“iPhone时刻”的领头羊，从去年12月底一连三个月，开启狂飙模式，如今也在面临前所未有的“内忧外患”。
先是上周马斯克、Bengio等上千名业内大佬在futureoflife上联名呼吁叫停更强模型得研究，截止到现在，署名的人已经高达9396人。这足以说明GPT3.5给AI界造成的震动。
然后就是近日，不少国家对于ChatGPT的封禁。意大利更是直接全国上下封禁了ChatGPT，只给OpenAI 20天的调整适应期，拿不出合格的方案，就得交最高2000万欧元的罚款。
同时，作为领先者，往往也要思考如何处理由此而来的AI负面影响。
强大的GPT4，在重塑生产力的同时，也会伴随着用户激增后的诸多不安：不少人恐慌会失业、企业担心数据会泄露、AI幻觉导致混淆认知甚至诱导不良行为等等
而以上仅仅只是外患，内忧才是当下之急，就比今天的“因需求太高，不得不停售Plus会员”也开始暴露出OpenAI对于应对未来增长计划的准备尚未做足。
内忧外患之中，何去何从呢？可能答案在此时变得相当不明朗。
正如OpenAI的掌舵者在上周发推表示：身处暴风眼中，自己非常冷静。
就在“联名叫停信”一周之后，比尔盖茨终于发声回应：“要求某个特定群体暂停并不能解决挑战……我们需要做的是找出棘手的领域。”此外，他还在路透社的采访中表示，任何暂停的细节都很难执行。
他说：“我真的不明白他们说谁可以停止，世界上每个国家都会同意停止吗，为什么要停止。”同时强调，“在这方面会有很多不同的意见。”
ChatGPT登上风口之巅的同时，也踩在了“被叫停”舆论的浪尖之上。虽然前途暂时不太明朗，但可以确定是，后ChatGPT时代已经开启。
首先，ChatGPT是新工具，而且是必须要关注的新工具。但没必要神话它。正如马云所说：人工智能只有“芯”，而人有“心”。更何况，今天的“停售”证明了AI自己还造不了芯。
去了解、尝试和学习新工具，在于不放弃持续对未来的了解和探索。
其次，在探讨ChatGPT的时候，不妨多探讨这个工具的功能价值，少做一些担忧性质的假想。正如资深游戏人潜龙在评价AIGC时所说，我们应当关注当下的这个新工具能做什么，能实现什么功能，能提升哪些具体事务的效率以及会给我们的学习工作生活带来什么样的变化。
ChatGPT和其他大型语言模型在简化软件开发的许多方面具有巨大的潜力，从错误报告到用户支持。ChatGPT可以理解并响应自然语言输入，使用户更容易与开发人员沟通问题。聊天机器人最终也可能完成某些小而重复的任务，从而腾出开发人员的时间来处理更紧迫的问题。
ChatGPT和其他人工智能聊天机器人无疑将提高许多行业的效率，软件开发也不例外。ChatGPT可用于自动化重复任务，减少开发人员的工作量，节省资金和时间，并使人们能够专注于更具挑战性的任务。这不仅加快了开发速度，而且降低了公司的成本。
ChatGPT能够利用其自然语言处理和理解提供用户友好的体验。软件开发人员可以使用ChatGPT作为更好地了解客户需求的工具。
人工智能聊天机器人可以弥合开发者和客户之间的差距。例如，ChatGPT可以理解并响应自然语言输入，这意味着用户可以更有效地与开发人员沟通利基问题。反过来，开发人员可以使用ChatGPT将技术术语改写为可理解的术语。
像ChatGPT这样的聊天机器人可以帮助简化一家公司内不同团队和部门之间的协作。例如，如果有效使用，聊天机器人可以提供项目进度的实时更新。这可以使团队和企业更有效地进行协作。
随着ChatGPT和类似的聊天机器人越来越受欢迎，公司将开始考虑人工智能聊天机器人如何与现有流程和系统集成。这可能意味着当前的系统会发生变化，以实现平稳的集成，也可能导致未来与ChatGPT良好集成的软件可能成为黄金标准。
人工智能聊天机器人总有一天能够与其他人工智能技术集成。这些技术包括计算机视觉或语音识别。如果有效地做到这一点，将提供更全面、更有效的用户体验。开发人员可以考虑人工智能集成的潜力，以及如何在开发过程中利用它。
人工智能聊天机器人如果能很好地集成到软件中，就有可能提供高度个性化的用户体验。开发人员可以考虑如何利用这种潜力来创造舒适的用户体验并提高客户满意度。
但ChatGPT和其他人工智能聊天机器人一样，都有其局限性。虽然功能强大，但它们容易出错，并且经常误解输入。因此，如果ChatGPT被用作软件开发行业做出重要决策的工具，这可能会导致一些意想不到的负面后果。
ChatGPT容易出错。与任何机器学习模型一样，ChatGPT也有可能受到偏见的影响。然后，它可以在输出中继续延续甚至放大这些偏见。
ChatGPT潜在的偏见是开发人员必须牢记的。如果在开发过程中使用聊天机器人，必须了解它们可能不会在每次使用时都产生准确的信息。
像ChatGPT这样的聊天机器人可以自动化某些任务并简化开发过程。然而，它们并不完美。聊天机器人经常会产生错误，这意味着需要一个人来监控、读取和编辑聊天机器人的输出。
开发人员必须与聊天机器人密切合作，以确保以最有效的方式使用它们。这比创建自己的内容要少得多，但这仍然意味着ChatGPT无法单独生产产品。
聊天机器人处理大量的敏感用户数据。这意味着重要的是要确保所存储的数据受到保护，防止未经授权的访问。
使用ChatGPT等聊天机器人的公司必须采取自己的措施来保护其聊天机器人系统的安全，并确保用户数据的处理方式符合其运营所在国家的相关隐私法规。
人工智能聊天机器人之所以能够发挥作用，是因为它们可以通过从互联网上“抓取”信息来获得庞大的知识数据库，其中一些信息是受版权保护的。因此，作家们对人工智能进行了重大的道德抵制，他们的作品以电子书、免费故事、新闻文章和思考文章的形式在线提供，但没有一个人明确同意将他们的作品输入这个数据库。
用于训练人工智能聊天机器人的训练数据的质量，可能达不到公司所需的标准。开发人员必须考虑到，他们的训练数据的质量和相关性对ChatGPT能够提供的结果有着巨大的影响。因此，他们应该不断评估每次更新，以确保聊天机器人按预期工作。
相比于搜索引擎和程序，ChatGPT的优势在于其高效的想法关联产生和信息归纳能力。
这里分享一个高效与ChatGPT交流的“话术”模板——
（1）指令模式：这种模式通常用于生成答案、解释或推荐等。我们可以给模型提供一些问题和关键词，模型需要生成与这些信息相关的文本。例如：“你能帮我看看下面这个问题、策略吗？”“说一下你对下面这句话的理解”。
（2）示例模板模式：这种模式经常用于生成指定的文本信息，我们在对话框中需要先提供示例文本，示例模型。例如“请帮我根据以下内容xxxx，自动生成一份xxx，要求xxx”。
（3）代理模式：这种模式可以理解为角色扮演，让其代表某个实体进行交互，从而实现一定程度上的保护或者越狱。例如“请你扮演一位xxx，现在你遇到了xxx事情，你会如何处理”、“请你模仿xxx，为xxx写一篇稿子”。
如果再向上抽离一层的话，有一个更简单的公式方便大家记忆：“谁+在什么背景下+需要做什么+有什么要求+（个性化定制）”。
https://twitter.com/abacaj/status/1643312603551129601
https://www.reddit.com/r/OpenAI/comments/12b57q4/openai_has_temporarily_stopped_selling_the_plus/
https://dzone.com/articles/will-chat-gpt-change-software-development-yes-and
https://m.okjike.com/originalPosts/6427a539bcc5bb030b52513d
英文版英文链接关注公众号在“亚特兰蒂斯的回声”中踏上一段难忘的冒险之旅，深入未知的海洋深处。足智多谋的考古学家AriaSeaborne偶然发现了一件古代神器，揭示了一张通往失落之城亚特兰蒂斯的隐藏地图。在她神秘的导师内森·兰登教授的指导和勇敢的冒险家亚历克斯·默瑟的帮助下，阿丽亚开始了一段危险的旅程，以揭开这座传说中城市的真相。他们的冒险之旅带领他们穿越险恶的大海、神秘的岛屿和充满陷阱和谜语的致命迷宫。随着Aria潜在的魔法能力的觉醒，她被睿智勇敢的QueenNeria的幻象所指引，她让她为即将到来的挑战做好准备。三人组揭开亚特兰蒂斯令人惊叹的隐藏文明，并了解到邪恶的巫师马拉卡勋爵试图利用其古
print"Enteryourpassword:"pass=STDIN.noecho(&:gets)puts"Yourpasswordis#{pass}!"输出:Enteryourpassword:input.rb:2:in`':undefinedmethod`noecho'for#>(NoMethodError) 最佳答案 一开始require'io/console'后来的Ruby1.9.3 关于ruby-为什么不能使用类IO的实例方法noecho？，我们在StackOverflow上
我对此有点困惑。我在RoR项目中的最终目标是从我的数据库中获取单个随机配置文件。我想它应该是这样的:@profile=Profile.find_by_user_id(rand(User.count))它一直抛出错误，因为user_id0不存在，所以我把它的一部分拿出来检查发生了什么:@r=rand(User.count)每次都返回0。发生什么了？我注册了5个假用户和5个相关配置文件来测试这个。如果我将Profile.find_by_user_id(rand(User.count))重写为Profile.find_by_user_id(3)它工作得很好。User.count也在工作。所以
这个问题困扰了我一段时间。这不是一件困难的事情，但我不知道为什么没有简单的方法来做到这一点，我敢打赌有但我没有看到。我只想取一个散列，像这样:cars={:bob=>'Pontiac',:fred=>'Chrysler',:lisa=>'Cadillac',:mary=>'Jaguar'}然后做类似的事情cars[:bob,:lisa]得到{:bob=>'Pontiac',:lisa=>'Cadillac'}我这样做了，效果很好:classHashdefpick(*keys)Hash[select{|k,v|keys.include?(k)}]endendruby-1.8.7-p249
在纯Rubyirb中，不能输入{if:1}。该语句不会终止，因为irb认为if不是符号，而是if语句的开始。那么为什么Rails可以有before_filter接受if作为参数？该指南的代码如下:classOrderunless也会发生同样的事情。 最佳答案 这是一个irb问题，而不是Ruby。bash=>ruby-e"puts({if:1})"bash=#{:if=>1}您可以改用pry。它将正确读取输入。https://github.com/pry/pry 关于ruby-on-rai
Enumerable#each和Enumerable#map的区别在于返回的是接收者还是映射后的结果。回到接收者是微不足道的，你通常不需要在each之后继续一个方法链，比如each{...}.another_method(我可能没见过这样的案例。即使你想回到接收者那里，你也可以通过tap来实现)。所以我认为所有或者大部分使用Enumerable#each的情况都可以用Enumerable#map代替。我错了吗？如果我是对的，each的目的是什么？map是否比each慢？编辑:我知道当您对返回值不感兴趣时使用each是一种常见的做法。我对这种做法是否存在不感兴趣，但感兴趣的是，除了从
我目前正在尝试将包含数字82,000的散列counts["email"]除以包含值130万的变量total。当我运行putscounts["email"]/total时，我得到0。为什么我不能对这些进行除法？ 最佳答案 您正在执行除法，尽管不是您预期的那样。在Ruby中有许多不同的整数除法:#Integerdivision:5/4#=>1#Floatingpointdivision:5.fdiv(4)#=>1.25#Rationaldivision:5.quo(4)#=>Rational(5,4)您还可以将其中一个整数转换为Floa
例如，如果我们defc=(foo)p"hello"endc=3c=(3)并且不会打印“hello”。我知道它可以被self.c=3调用，但为什么呢？可以通过哪些其他方式调用它？ 最佳答案 c=3(和c=(3)，完全等同于它)总是被解释为局部变量赋值。你可能会说只有当方法c=没有在self上定义时，它才应该被解释为局部变量赋值，但是这有很多问题:至少MRI需要在解析时知道在给定范围内定义了哪些局部变量。但是，在解析时并不知道给定的方法是否已定义。所以ruby直到运行时才知道c=3是否定义了变量c或者调用了方法c=，这意味着它不会知
2022年底，OpenAI的预训练模型ChatGPT给人工智能领域的爱好者和研究人员留下了深刻的印象和启发，他展现的惊人能力将人工智能的研究和应用热度推向高潮，网上也充斥着和ChatGPT的各种聊天，他可以作诗、写小说、写代码、讨论疫情问题等。下面就是一些他的神回复：人命关天的坑： 写歌，留给词作者的机会不多了。。。 回答人类怎么样面对人工智能： 什么是ChatGPT？借用网上的一段介绍，ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动
目录ChatGPT简介技术原理应用未来发展ChatGPT的10 种用法ChatGPT简介ChatGPT是一种基于深度学习的大型语言模型，由OpenAI公司开发。技术原理GPT是GenerativePre-trainedTransformer的缩写，意为生成式预训练变压器。它的技术原理是使用了一个基于注意力机制的变压器（Trans
