有没有哪个瞬间,让你突然对ChatGPT感到失望? | AIGC实践

news2025/2/14 3:08:34

不知道你是否和我一样,在第一次使用ChatGPT输入Prompt,并得到答复的那一刻,都会忍不住地赞叹一句:握草。

但随着时间慢慢拉长,体验不断深入,想法也会慢慢改变……

a6027267fd5376ddb12125b7a56e626a.png

主题图 by Midjourney。Prompt:The moment of disappointment with ChatGPT. --ar 16:9

前些日子在读一本名为《戒糖》的书,想借助ChatGPT帮助,收集一些相关信息,以便扩展阅读。结果,娄子了。

我问:你知道《戒糖》这本书吗?

ChatGPT自信答道:是的,我知道《戒糖》这本书。它是由李光斗博士撰写的一本关于如何戒掉糖分的书籍。……

错了,这本书的作者并不是李光斗。但此时我只以为,是有两本同名的书被搞混了,于是补充道:我说的是《戒糖:改变一生的科学饮食法》。

ChatGPT诚恳道歉,并继续答道:……是由徐瑞琳和谢佳撰写的一本健康饮食类图书。

又错了:也不对,是中信出版集团出版的。

双错了:啊啊啊啊,作者是罗晓。

终于,ChatGPT通过组织、复述我提供的信息,给出了正确的信息。于是继续:你能提供一些相关信息吗?

叒错了:出版时间、页数、定价……全部与实际不符。

ChatGPT似乎也开始对我不断指出它的错误感到不耐烦,反复辩解道:我已经检查了我的信息源;再次检查了我的信息源……

无奈放大招,直接指定图书的唯一编码ISDB:9787521714463。以机器逻辑提问AI,这回总不至于搞错了吧?

然并卵,叕错了……此情此景,怎么形容呢,大概像极了:

385126be328d95915d36a5a1316c37fa.png

根据ChatGPT官方介绍:

212fc1abc5e5e924a8d492589b49093a.png

虽然OpenAI官方给出了3个局限性说明:

  • May occasionally generate incorrect information

  • May occasionally produce harmful instructions or biased content

  • Limited knowledge of world and events after 2021

但是显然,人们对于ChatGPT的吐槽,远远不仅于此:

缺乏常识。 虽然 ChatGPT 可以生成类似人类的响应并可以访问大量信息,但它不具备人类水平的常识——而且该模型也缺乏我们拥有的背景知识。这意味着 ChatGPT 有时可能会对某些问题或情况提供无意义或不准确的回答。

理解上下文的局限性。 ChatGPT很难理解上下文,尤其是讽刺和幽默。虽然 ChatGPT 精通语言处理,但它可能很难掌握人类交流的细微差别。例如,如果用户在他们的消息中使用讽刺或幽默,ChatGPT 可能无法理解预期的含义,而是提供不适当或不相关的响应。

生成长篇结构化内容时遇到问题。 目前,ChatGPT 在生成长篇结构化内容时遇到了一些麻烦。虽然该模型能够创建连贯且语法正确的句子,但它可能难以生成遵循特定结构、格式或叙述的冗长内容。因此,ChatGPT 目前最适合生成较短的内容,如摘要、要点或简短解释。

可能有偏见的回答。 ChatGPT 是在大量文本数据上进行训练的,这些数据可能包含偏见或偏见。这意味着人工智能有时可能会产生无意中偏见或歧视性的回应。

有限的知识。尽管 ChatGPT 可以访问大量信息,但它无法访问人类拥有的所有知识。它可能无法回答有关非常具体或利基主题的问题,并且可能不知道某些领域的最新发展或变化。

准确性问题或语法问题。 ChatGPT 目前对错别字、语法错误和拼写错误的敏感性有限。该模型还可能产生技术上正确的响应,但在上下文或相关性方面可能并不完全准确。在处理复杂或专业信息时,这种限制尤其具有挑战性,其中准确性和精度至关重要。您应该始终采取措施来验证 ChatGPT 生成的信息。

……

当各行各业都在探索AIGC应用,迫不及待地追求降本增效的同时,我们不得不抱持着审慎的态度,至少目前看来,仅正确性一点,就无法达到技术文档交付的质量要求。我们能做的,只是不断探索ChatGPT的能力边界,使其在特定场景,以及,可靠的内容工程管理保障下,尽可能充分地发挥效用。但归根结底,工具还只是工具,没有必要神话。

相关文章:#AIGC实践

其他推荐:

实施:GitHub + MarkDown 文档系统的工作环境部署及工作流程说明 | 技术传播

354187cb06018ed400fa56454654cec9.jpeg

技术传播是一片蓝海 | 技术传播

访谈:TC无处不在,只是我们没有发觉 | 技术传播

这次他们说好要“讲真的” | 传播

在座都别吵了,你们还有我 | 技术传播

一本培养强迫症患者的说明书 | 技术传播

就像用心做好日本料理 | 技术传播

顽固的老头子与无聊的说明书 | 技术传播

转战新媒体 | 技术传播

评测:王者荣耀的用户帮助系统 | 技术传播

让爸爸妈妈也能享受到科技发展带来的便利 | 技术传播

企业级信息管理系统初创方案构思 | 技术传播

 c695dcbe113ebec9b6c00a7d5ebb3242.png

睿齐

技术传播从业者

品牌内容策划

自由摄影师

自由撰稿人

汪力迪

公众号:techcomm / htstory

微信号:bgrichi

邮箱:hash_0813@163.com

8f5a341d210c8f425c7e8ebc854c10d9.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/645383.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【道友避坑】CUB数据集转yolov5格式

写在前面:最近我拿到一个CUB_200_2011鸟类训练模型,但是我想将他转为yolov的格式进行应用。看了些其他博主博客后,发现跳跃性有些强。再此记录转换过程,希望各位道友修得此法后,能有所收获! 一、获取数据集…

PCA算法

文章目录 1. 数据降维2. PCA原理2.1 基变换2.2 方差2.3 协方差2.4 协方差矩阵2.5 协方差矩阵对角化 3. PCA算法流程4. PCA算法的特点5. PCA算法的Python应用6. 源码仓库地址 1. 数据降维 在许多领域的研究与应用中,通常需要对含有多个变量的数据进行观测&#xff0…

免费AI编程工具- AWS CodeWhisperer安装(IDEA)

一、介绍 CodeWhispere介绍:可以根据IDE中的注释或者现有的一些提示、代码,来生成代码段或者建议。支持多种编程语言,可以和常用的IDE进行无缝集成。和GitHub Copilot和Cursor不同,个人使用是完全免费的,没有门槛。 …

极致呈现系列之:Echarts柱状图的创意设计与数字美学的完美平衡

先看下最终效果 目录 数字之美:Echarts柱状图的基础应用形色俱佳:Echarts柱状图的样式美化与创意设计独具匠心:Echarts柱状图的柱体形状自定义动感十足:Echarts柱状图的交互动画实现数字排序的艺术:Echarts柱状图的数…

《机器学习公式推导与代码实现》-chapter7决策树

《机器学习公式推导与代码实现》学习笔记,记录一下自己的学习过程,详细的内容请大家购买作者的书籍查阅。 决策树 决策树(decision tree)基于特征对数据实例按照条件不断进行划分,最终达到分类或回归的目的。 本章作…

React中几种编写弹窗的方式

方式一:按钮与弹窗封装成一个组件 将按钮和弹窗封装成一个组件,可以大大提高 React 代码的可重用性、可维护性和可扩展性。以下是示例代码: import React, { useState } from "react"; import { Button, Modal } from "antd";const …

django中的请求和响应

目录 请求和响应定义请求请求的样子案例常见的请求方法 django中的请求HttpRequest 常见属性 django的响应响应的内容content响应的状态码响应类型content-type常见的响应对象 请求和响应定义 请求 请求的样子案例 常见的请求方法 HTTP(超文本传输协议&#xff09…

中国市场成为高阶智驾战略高地,博世/安波福包揽四项大奖

高工智能汽车研究院监测数据显示,2022年度中国市场(不含进出口)乘用车前装标配搭载辅助驾驶(L0-L2)交付1001.22万辆,首次突破千万辆规模,同时,前装搭载率也首次突破50%大关。 此外&a…

【数据分享】1901-2021年1km分辨率逐月总降水栅格数据(全国/分省/免费获取)

气象指标在日常研究中非常常用,之前我们给大家分享过来源于国家青藏高原科学数据中心提供的1901-2021年1km分辨率逐月平均气温栅格数据和1901-2021年1km分辨率的逐月最高气温栅格数据(可查看之前的文章获悉详情)! 本次我们继续分…

建造者模式(八)

不管怎么样,都要继续充满着希望 上一章简单介绍了原型模式(七), 如果没有看过, 请观看上一章 一. 建造者模式 引用 菜鸟教程里面的建造者模式介绍: https://www.runoob.com/design-pattern/builder-pattern.html 建造者模式(Builder Pattern&#xff…

企业自动化解决方案 - RPA

下方查看历史精选文章 重磅发布 - 自动化框架基础指南pdfv1.1大数据测试过程、策略及挑战 测试框架原理,构建成功的基石 在自动化测试工作之前,你应该知道的10条建议 在自动化测试中,重要的不是工具 什么是RPA? RPA指的是机器人流…

手势识别系统Python,基于卷积神经网络算法

一、介绍 手势识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Django框架,开发网页端操作平台,…

Elasticsearch:数据摄取中的使用指南

数据摄取是利用 Elasticsearch 的全部潜力进行高效搜索和分析的关键步骤。 在本文中,我们将探讨几个常用的基本实践,以确保将无缝且有效的数据摄取到 Elasticsearch 中。 通过遵循这些指南,你可以优化数据摄取流程,并在你的部署中…

还在为618电商推送方案烦恼?我们帮你做好了!

618是每年重要的电商大促活动,热度高流量大,是电商App吸引新用户,提高用户转化率(购买率)的最好时机。对电商App运营来说,消息推送是不可忽略的流量来源之一,适当的消息推送可以召回用户,提高用户复购率。如…

Tigers Global Logistics EDI 需求及SaaS解决方案

Tigers Global Logistics 是一家国际物流公司,总部位于香港,成立于1998年。该公司提供全球物流服务,包括仓储、运输、海关通关、电商物流等。Tigers Global Logistics 在全球范围内拥有超过70个仓库和物流中心,并在美国、欧洲、亚…

Spring MVC入门笔记

Spring MVC基础知识 1. 创建web应用 新建Maven项目 点击File -> Project Structure -> Facets -> 号 -> Web 修改文件描述符路径为硬盘:\项目名\src\main\存储页面的文件夹(如:webapp)\WEB-INF\web.xml 修改Web页面路径为硬盘…

领域建模之数据模型设计方法论

本文通过实际业务需求场景建模案例,为读者提供一种业务模型向数据模型设计的方法论,用于指导实际开发中如何进行业务模型向数据模型转化抽象,并对设计的数据模型可用性、扩展性提供了建议性思考。通过文章,读者可以收获到业务模型…

打造高效采购系统,提升企业采购效率

随着市场竞争的日益激烈,企业采购效率的重要性越来越凸显。采购系统作为企业采购的核心环节,是提升采购效率的关键。因此,打造高效采购系统是企业发展的必要条件。本文将围绕打造高效采购系统,提升企业采购效率展开讨论。 一、采购…

JavaWeb小项目——【源码】使用Vue+axios+Servlet+Lombok+JDBC+MySQL技术栈实现云笔记管理系统案例的开发

目录 引出小项目要求固定的东西1.pom.xml文件配置 web.xml文件配置2.util里面JDBC的DBUtils 字符串工具StringUtils3.entity里面的PageInfo分页实体类ResData响应标准格式4.filter里面的编码CharacterEncodingFilter和权限LoginAuthorFilter5.前端固定的js包和bootstrap包 小…

深入剖析mmap原理 - 从三个关键问题说起

作者:招财二师兄 链接:https://www.jianshu.com/p/eece39beee20 来源:简书 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 对于mmap,您是否能从原理上解析以下三个问题: 1&#…