Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Это уже ответ Bing?
Да, это ответ от Bing.
Вернемся к тестированию ChatGPT.
Хочу напомнить, что первый этап тестирования - проверку на широту знаний, мы провели. ChatGPT выдал таблицы с разделами фундаментальных, инженерных и гуманитарных наук, немного ошеломив нас пугающей громадой знаний. Результатом можно считать вывод, что ИИ обладает сверхчеловеческим объемом информации и нет смысла примитивно ловить его на невежестве. Он знает решительно все, либо почти все, что для рядового пользователя одно и тоже.
Результат первого теста перечеркнул запланированный второй этап - проверку на глубину знаний. Стало ясно, что для ChatGPT нет разницы между школьной и университетской программой. Он равнодушно поведает о таблице умножения и о квантовой теории поля, и ничуть не напряжется. Честно сказать, это сбило меня с толку. На время, я перестал понимать, как тестировать эту дьявольскую шкатулку, знающую ВСЕ. Но мое смятение было недолгим.
В первую очередь, стало понятно что ChatGPT плохо считает. Математику он конечно знает, но уравнения решает только легкие. Также, неоднократно выдавал логические ляпы и противоречия в суждениях. Стало ясно, что элементарной логикой он владеет, но как и с уравнениями, "проваливается" при усложнении. Однако, специально разрабатывать тесты для выявления точного уровня математических и логических способностей было не интересно. Понятно, это третий - пятый класс начальной школы.
Прежний вопрос остался без ответа: как определить область бытового и профессионального применения ИИ, и оценить реальный коммерческий потенциал? И где будет проходить граница возможностей через месяц, год? Безусловно, это зависит от технологии, а кто ее из нас тут достаточно хорошо знает, чтобы сказать точно? Продукт не завершен и развивается постоянно.
Можно сказать, что на данный момент мы имеем дело с полуфабрикатом, который и хорош и плох одновременно. Он недоделан. Какие еще возможности позволит приобрести технология на новых этапах развития, никто не скажет, но сейчас он как модный чемодан без ручки. И превосходит ожидания, и разочаровывает одновременно.
И все таки, мы продолжим тестирование и перейдем к бенчмаркингу - сопоставительному анализу на основе эталонных показателей. Будем сравнивать ChatGPT с Википедией. Задача - оценить ИИ в качестве надежного источника полной и достоверной информации сравнив его с другим, проверенным источником полной и достоверной информации. Разберемся, имеет ли ИИ право использоваться в ответственной и важной работе.
В следующих постах я изложу подготовленные критерии и тесты.
— В слове "творог" ударение падает на первый слог: "твОрог".
TrollGPT
В западных медиа говорят, MS Bing сломался...
Bing Chat Refuses To Talk To Me (Use This Instead) - YouTube
О целях тестирования:
И так, Бенчмаркинг, это прогон некой электронной или программной системы на наборе тестовых заданий (задач), замер производительности и сравнение результатов с эталонными показателями. Не уверен, что наше тестирование ChatGPT можно назвать бенчмаркингом, но мы определенно проведем анализ полученных результатов и сравнение с эталоном (Википедией).
Википедия не программа, а ChatGPT не "книга", и тестирование не выявит технические показатели. Ни скорость ответов, ни лаги загрузки страниц. Основная цель, определение целесообразности использования ChatGPT источником достоверной информации в ответственной работе. Будем сверять точность, полноту и достоверность информации по спектру общечеловеческих знаний. Поэтому бенчмаркинг здесь, красивое слово немного подходящее по смыслу.
Среди прочих, одна из важнейших целей тестирования, определение технических ограничений LLM в качестве ИИ (для меня первичная цель). Главный мотив, найти абсолютный предел этой технологии. Насколько можно улучшать и когда упремся в "стену"? И каким подходом стену будем ломать?..
О показателях в фокусе исследования:
И Википедия, и ChatGPT представляют информацию в двух основных форматах: в описании и таблицах. Помимо таблиц, Чат может использовать графики и диаграммы, а Википедия иллюстрации, но их мы сравнивать не будем.
Нас интересует:
Обратите внимание на последний пункт. Структура и содержание таблицы отражает качество классификации предметных данных. В случае с Википедией, данные классифицируются людьми, но проверять мы будем ИИ (а не людей). Посмотрим, насколько хорошо классифицирует (связывает и распределяет данные) продвинутая языковая модель. Задача, подробно изучить и оценить обработку и вывод предметных данных, т.к. это суть предназначения разговорного ИИ.
Содержательность, полнота, точность и упорядоченность информации... все это тестируемые параметры.
Дисциплины выбранные для тестирования:
Каждая из этих наук имеет как описательное, так и табличное содержание, на основе которых можно строить разветвленные классификационные модели. С этой точки зрения, эти области знаний удачно подходят для нашего тестирования.
Заключение:
О тестовых заданиях, проверке и подведении результатов, и о выводах, расскажу в следующих постах.
Я тут тестирую приложение на андроид (установил плеер на комп). Это не топ того, что гуляет в соц.сетях, но мощная вещь
Что могу сказать. Профессия дизайнер уходит в прошлое. Теперь можно легко наполнить сайт иллюстрациями не опасаясь, что картинка авторская
Котята встречают рассвет на марсе. Сгенерировано:
2. Лопата - это смешно. Сгенерировано
Вобщем, там можно выбирать стиль, делать подробнейшее описание. Но конечно много левых генераций иногда, но прогресс на лицо
3. Машина Спайдермена и Супермена. Сгенерировано
4. Грибной Апокалипсис
Это были совсем короткие фразы для генерации. Возможно подкинете идей, будет время, посижу, погенерирую)
Этот недостаток как раз от полного отсутствия алгоритмов (например, проверка соответствие глаз - глазам - выравнивание округлённости зрачка и тд), таких "3D-проверок" нет, поэтому все изображения - один сплошной артефакт. Но, зато отсутствие "ручного" вмешательства и полная отдача нейросетям сделали их свободными к творчеству и открытыми к обучению лучшим результатам.
С другой стороны, эти артефакты сейчас настолько маленькие, что если не рассматривать изображение вблизи, то никаких проблем не увидишь.
У изображений нейросетей есть один недостаток (нет не только пальцы), это в принципе артефакты. Стоит успокоиться от восторга от вида новой сгенерированной картинки и начать пристально рассматривать её. Почти все детали будут "недоделаны", сплошная ассиметрия во всём, что-то безжизненное такое, слепленное второпях.
Этот недостаток как раз от полного отсутствия алгоритмов (например, проверка соответствие глаз - глазам - выравнивание округлённости зрачка и тд), таких "3D-проверок" нет, поэтому все изображения - один сплошной артефакт. Но, зато отсутствие "ручного" вмешательства и полная отдача нейросетям сделали их свободными к творчеству и открытыми к обучению лучшим результатам.
С другой стороны, эти артефакты сейчас настолько маленькие, что если не рассматривать изображение вблизи, то никаких проблем не увидишь.