突然宣布:“封杀”ChatGPT!打响人类保卫战第一枪!
中国基金报 泰勒
意大利打响了人类保卫战的第一枪?
意大利:即日起禁止使用ChatGPT
就在刚刚,意大利出手打击全世界最火的人工智能ChatGPT!
据意大利数据保护局(DPA)最新发布的消息,从即日起禁止使用聊天机器人ChatGPT,并限制开发这一平台的OpenAI公司处理意大利用户信息。同时个人数据保护局开始立案调查。
个人数据保护局认为,3月20日ChatGPT平台出现了用户对话数据和付款服务支付信息丢失情况。此外平台没有就收集处理用户信息进行告知,缺乏大量收集和存储个人信息的法律依据。
意大利数据保护局宣布,OpenAI公司必须在20天内通过其在欧洲的代表,向意大利个人数据保护局通报公司执行保护局要求而采取的措施,否则将被处以最高2000万欧元(差不多是1.55亿人民币)或公司全球年营业额4%的罚款。
欧盟在数据保护方面一直是全球的先行者,在落地层面也是全球最为严格的监管者。2018年5月欧盟推出的《通用数据保护条例》(简称GDPR),是目前覆盖面最广的个人数据隐私保护法规,甚至被称为惩罚性监管。
《欧盟营商环境报告2019/2020》曾做过调查,统计数据显示,96.1%受访企业认为GDPR增加了企业成本,其中90.3%受访企业表示管理成本增加,其次是人工成本和客户服务成本。
律师事务所DLA Piper 2021年发布的报告显示,自欧盟GDPR生效以来,数据保护当局已经执行了2.725亿欧元的罚款。该律所发现,近三年意大利数据保护局(DPA)已经开出了大约6930万欧元的罚单,为欧盟最高;德国、法国、英国和西班牙的DPA则包揽了前五名。而2021年1月以来全球范围内数据隐私安全事件频发,各国数据保护局开出的罚单力度总体是有增无减。
图:2018年5月至2021年1月GDPR罚款累计
而不久前,包括马斯克在内,多位科技公司高管和顶级AI研究人员正呼吁暂停对强大的新AI工具的快速开发。
这些人士表示,六个月或更长时间的暂停,将使该行业有时间制定AI设计方面的安全标准,从而防止风险最高的一些AI技术的潜在危害。
据生命未来研究所官网,3月22日,生命未来研究所(Future of Life)向全社会发布了一封《暂停大型人工智能研究》的公开信,呼吁所有人工智能实验室立即暂停比GPT-4更强大的人工智能系统的训练,暂停时间至少为6个月。
信中写道只有在我们确信它们的效果是积极的,风险是可控的情况下,才应该开发强大的人工智能系统。马斯克此前曾多次表达对人工智能的担忧,认为人工智能是未来人类文明最大的风险之一,威胁程度远高于车祸、飞机失事、毒品泛滥等甚至比核武器都危险得多。
马斯克、苹果联合创始人Steve Wozniak、Stability AI创始人Emad Mostaque等上千名科技大佬和AI专家已经签署公开信。
该公开信也呼吁,AI实验室和独立学者应针对高级AI的设计和开发共同制定实施一套共享安全协议,确保AI的安全性。
与此同时,AI开发人员必须与决策者合作,大力推进强有力的AI治理系统的发展,包括:针对AI的新型监管机构;对高级AI系统的监督追踪和大型算力池;帮助区分真实数据与AI生成的数据、并且追踪模型泄漏的溯源和水印系统等。
信的末尾提及,人类可以和AI共创繁荣未来,只不过要做好准备:让我们享受AI的‘长夏’,而不是毫无准备地进入‘秋天’。
OpenAI的管理人员说他们还没有开始训练GPT-5。OpenAI首席执行官Sam Altman在接受采访时表示,公司长期以来在开发时将安全作为重点,并在GPT-4发布前花了六个多月的时间对其进行安全测试。
从某种意义上说,这是多此一举,Altman说。我认为,一直以来我们对这些问题的讨论是声音最响、力度最大且持续时间最长的。
深夜炸弹!徐和谊,被查!
ChatGPT是个啥?
ChatGPT的崛起:从GPT-1到GPT-3,AIGC时代即将到来
此外,为了与 GPT-3 API 交互,我将使用gpt3-sandbox存储库中的脚本。使用 API 文件夹中的 gpt.py 就可以访问 GPT-3 API。
gpt3-sandbox 存储库链接:
https://github.com/shreyashankar/gpt3-sandbox
脚本链接:
https://github.com/rsharankumar/Use-Cases-using-GPT-3
聊天机器人 chatbot
在下面的示例中,导入所需的软件包以及从gpt3-sandbox存储库中下载的脚本。我们将向模型传递三个参数:
- engine:有四个选项可供选择,分别是 Davinci、ADA、Babbage、Curie。此处使用 Davinci,因为它是使用 1750 亿个参数训练的最强大引擎;
- temperature:其范围通常在 0-1,用于控制生成输出的随机性。值为 0 时模型具有确定性,即每次执行后的输出都是相同的;值为 1 时,生成的输出将具有较高的随机性;
- max_tokens:最大完成长度。
在下面的脚本中,需要询问的问题被传递给变量prompt1,然后使用 submit_request 函数传递给模型。其结果存储在output1变量中,如下图:
将文本转换为公式
在下面的示例中,可以基于非常少的训练即可将文本转换为公式,这一点其他预训练模型则无法实现。
如图所示,temperature 值已经增加,以使响应输出具有一定的随机性,我们还将一些预定义的示例作为训练数据集传递给模型。仅用 5 个示例,就可以训练该模型将文本转换为公式。用已知示例训练模型后,如图所示,将 x squared plus 2 times x 作为输入,模型成功将其转换为公式 x^2+2x。
翻译器(英语-法语)
此外,还可以训练模型使其充当翻译器。如下所示,仅通过三个示例来训练模型,就能将英语文本翻译为法语。
附上以上用例的视频教程https://youtu.be/g5WhlYBx-T0,其中提供了用例实现的逐步介绍。
原文链接:
https://towardsdatascience.com/how-to-build-amazing-ai-use-cases-under-10-mins-using-gpt-3-ebc51b2b2b97
如何使用GPT-3在10分钟内构建惊人的AI应用程序?
你是否认为,构建一个基于自然语言处理(NLP)的AI应用程序(例如聊天机器人或翻译软件)需要大量的数据、计算机技术、并且会花费大量时间?但其实并非总是如此—