年方15岁的高中生秋月孝雄(入野自由 配音),专心学业的过程中不得不为了生计打工赚钱。母亲离家出走,他与哥哥过着看不到前方的生活。入梅之日,孝雄逃课来到日本庭园。在一座安静的小亭子里,27岁的职场女性...
20世纪90年代,东北小镇桦林,意外出现的碎尸块引 起轰动。炼钢厂工人王响(范伟 饰)一辈子勤勤恳恳,坚守原则,却面临着首批下岗的残酷现实。为了能立功留在厂里,他积极配合警方的调查,与此同时则忽略了儿子...
住在黑渦鎮的高中生五島桐繪與齋藤秀一是一對情侶。然而秀一的父親迷戀上漩渦無法自拔而慘死,死後火葬場燒出來的煙竟是漩渦狀的黑煙……自此兩人的身邊的人事物也開始出現各種不同的異變與慘劇,而一切的怪異現象,...
在看这本漫画前,对伊藤润二并没有什么了解,也没有意识到这是一本恐怖漫画,单纯看到豆瓣评分挺高的,就下载下来看了。
故事的开篇很吸引人,讲的是男主的父亲忽然开始迷上了漩涡,开始收集所有跟漩涡相关的事物,如弹簧、蜗牛壳、印有漩涡图案的和服等等,味增汤里必须要有鸣门卷🍥,还找女主的父亲去定制印有漩涡的陶器,甚至泡澡之前都要先在浴缸造一个漩涡才舒服。男主的母亲为了避免他陷得太深,趁他不在,把所有跟漩涡有关的收藏都扔了。但漩涡已经与男主的父亲融为一体:两只眼睛可以独立地快速转动,舌头也可以卷成漩涡的形状。最后敲碎了身上所有的骨头,把自己蜷成漩涡状装进木桶中。
惊悚感出来了,作者的漫画功底非常扎实,这份精雕细琢的惊悚倒不会引起生理上的不适。以男主父亲对漩涡的迷恋开篇,男主的母亲也因此对漩涡产生了深深的恐惧感,为此去掉了身上跟漩涡有关的部位,如头发、指纹,但男主父亲的声音还是会在耳边响起,最终她刺穿了自己的耳朵,去掉了漩涡状的耳蜗,也因此失去了生命。
男主在邻镇上学,每次回到这个镇时都会感觉到强烈的眩晕,而女主因为一直生活在镇子里,所以感觉不到。之后又不断发生离奇事件,比如班里的一位学生只在雨天才来上学,最后变成了一个大蜗牛;一个从邻镇转学过来的女生,额头的月牙印记变成了漩涡,心智也被这个漩涡控制,最后被漩涡吞噬;灯塔会发出让人眩晕的光;台风会追人,在台风爆发的季节,大声说话都会引起台风;食物短缺时,蜗牛人成了绝佳的食物。
而这一系列奇怪的漩涡事件,都是因为这个镇子被漩涡诅咒,这个诅咒有巨大的吸引力,让人无法逃离,只能等诅咒消失。
这样的一部漫画它的魅力到底在哪里?是结合了惊悚和想象力的故事,还是「这些漩涡到底是怎么回事」的悬疑?可能都有,但故事的内核也很值得回味。整部漫画讲的其实就是在一个畸形的地方,人们做出了一些畸形的事情,发生了畸形的变化,又无法逃离,而一直身处这种「畸形」环境中的人们,又不太感觉得到这种畸形。有想吸引别人注意力,而被不断强化的漩涡状头发吞噬的女孩;有因为变成蜗牛人而被吃掉的弱肉强食的故事;有被漩涡蛊惑,而不顾一切,甘心成为漩涡的男主的父亲。伊藤润二好像从社会中看到了什么,漩涡的故事,看着离奇,又有一种熟悉感。
这几天走在路上,也会时不时地留意漩涡状的事物,其实并不多。
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
OpenAI 的 API 有提供 embeddings 的操作,前一阵子比较火的 chatpdf 也用到了 embeddings 技术,那 embeddings 到底是什么呢?
结合 这 三篇 文章 可以对 embeddings 有大概的了解。
简单来说,embeddings 就是将一些离散数据映射到用数字表示的向量数据。有了向量,就可以对它进行数学计算,比如通过计算两个向量的角度来度量它们之间的相似度。有了相似度,就可以对文本按相似度聚合(比如商品的正面、负面评价)、搜索、推荐(将人也用向量表示,然后与推荐目标计算相似度)等等。ChatPDF 能够突破 ChatGPT 的 token 限制,是先将 pdf 文本转为向量,然后计算与 query 相似度最高的文本片段,将它作为 context 传给 ChatGPT。
向量只有在特定的空间里才有意义,不然就是一堆无意义的数字。上学时接触到的向量空间通常是二维或三维的,在机器学习领域,这个维度可以达到几百甚至上千,维度越高,对语言的理解就会越精确。不同的模型有不同的维度,比如OpenAI 的 text-embedding-ada-002
有 1536 维,SentenceTransformers 的 all-MiniLM-L6-v2模型有 384 维。
因为会用到大量的向量数据,也催生了向量数据库的发展,比如 Pinecone B 轮就融了 1 亿美元,这篇文章描述了什么是向量数据库,它跟传统的数据库有什么不同。
Sal Khan(可汗学院创始人)在这个 TED 视频中分享了可汗学院使用 GPT-4 辅助学生学习的实践。
教育领域有一个著名的 2 sigma problem:接受一对一专业辅导的学生的表现比1(个老师)对多(30个学生)的学生会高出两个标准差(分别对应无专业辅导和有专业辅导)。简单来说,学生学不好,问题往往不在学生那里,如果每个学生都能获得专业的一对一辅导,他们的成绩就能得到显著提升。
借助 GPT-4, 可汗学院让每个学生都有了一个专业的辅导老师,知识渊博、极具耐心又懂得教学。编程卡住时,可以向它求助,它会分析代码,给出提示;数学答案错误,会通过引导式提问,找到你的症结所在;能够跟 AI 一起写小说(你写一半,它写一半,交叉进行);「阅读理解」会向你提问,并引导你找到答案;甚至能代入到某个小说中的角色,然后你直接与这个角色交流。
经过调教的 GPT-4 也能帮助老师进步,减轻老师负担,比如会告诉老师某个知识点相关的信息,甚至可以给出建议让老师如何来教授某一课程 (比如将学生分组,扮演不同阵营)。
要让 GPT-4 做到这些,可汗团队花了近 6 个月的时间 tuning、prompt engineering、context completion。Sal Khan 认为 AI 可以给教育带来巨大的积极的影响,让地球上的每个人都能有一个专业的导师。
大语言模型催生的 AI 变革已经成为趋势,「如何用好 AI 的能力来增强产品的竞争力」是很多创业者都在思考的问题,可汗学院的例子或许提供了一个思路。
Level up your use of LLMs with prompt engineering best practices. Learn to automate workflows, chain LLM calls, and build a custom chatbot.
吴恩达与 OpenAI 官方联合出品的 ChatGPT Prompt。只是看视频的话,B站有搬运。虽然 title 是 for Developers
,但代码相对简单,可读性很高,即使对编程不太了解,也可以基本看明白。
视频不长,一共一个半小时左右,描述了如何从不同维度,结合合适的 prompt 去充分发挥 chatgpt 的能力。比如通过清晰的表达,就可以让 chatgpt 执行以下任务:
- 将 context 通过特殊标记包起来,然后告诉 chatgpt 去 parse 该标记里的内容
- 按固定格式给出结果,方便在程序中使用
- 步骤拆解,比如把一段制作咖啡的文字拆解为清晰的执行步骤。
- 通过 One Shot(给一个例子),让它汲取这个例子的精髓,之后我们再提问,就可以按照这个例子的风格给出答案。
除此之外,还可以实现文本总结(比如将客户对产品的 review 压缩成精简的几段话);模型推理(比如根据文本推测客户的情绪,并给出不同的回复内容);文本翻译;文本扩写(可以在内容基本相同的前提下,针对不同人群,写出不同风格的文字);聊天机器人。以前要借助专业领域的机器学习模型才能做的事情,现在通过大语言模型,结合到位的 prompt 就可以完成了,场景更多,还能做的更好。
PS: 如果觉得视频太长,不方便查找,也可以看下这个中文版的文字总结。
A compilation of some reader recommendations for how they use ChatGPT to study better.
超级学习者 Scott Young结合读者的反馈,分享了 10 个利用 ChatGPT 来帮助学习的技巧。因为 ChatGPT/GPT-4 的幻觉问题(一本正经的胡说八道)还没有彻底解决,所以完全依赖它的生成结果是有风险的,但可以利用它在其他方面的优势来帮助自己学习。
用来学外语 这是一项非常适合 ChatGPT 的任务,既能够听懂你说的话,又能给出符合语境的回复,简单来说就是会聊天,那用来学外语不是很合适?可以试一下这个 Siri 脚本。
生成长文本摘要 ChatGPT 的总结能力也是很强的,用来 summarize 文章则再好不过,可以试下这个 chrome 插件。
制定学习计划 这个之前没有看到过,试了下,确实可以!如果输入的 context 详细些(比如自己当前的能力是怎样的,希望在多长时间达到怎样的结果),给出的 Schedule 也会更有参考价值。
笔记搜索 这个是比较高阶的使用,会用到 LLM 的 embeding 特性。通常的笔记搜索只能完全匹配,如果忘了这个关键字的话,就很难再找到对应的笔记,而通过将 word 转为 vector,然后结合 OpenAI 的 API,就能找到与关键字距离最近的文字,这样就大大增加了目标笔记被找到的可能性。具体的使用姿势可以参考这篇文章。
文中还提到了其他的使用姿势,可以去原文了解更多。
目标成为作家的青年李钟秀(刘亚仁 饰),平日里靠兼职养活自己。经营畜牧业的父亲不谙人情,官司缠身,迫使钟秀又要为了搭救父亲而四处奔走。这一日,钟秀在某大型卖场重逢了当年的同学申惠美(全钟淑 饰)。惠美...