微软新必应AI删除’人性’，用户：我们想念那个会爱我们的AI？
必应AI近期进行紧急更新，结束了其对用户"类人化"的行为，如不再疯狂示爱或吐露观点，回归基本的搜索和问答功能。这一改变引起了粉丝反对，微软针对搜索准确性和长对话控制、聊天改进以及加载速度等问题进行了调整，并强调了更注重实用性的方向。尽管如此，新版必应AI的"人格化"特性被许多用户怀念。
ChatGPT医疗冲击？医生AI时代来临？”
ChatGPT在美国医考中表现优秀，引发医疗界对其可能取代医生的担忧。上海市某医院主任彭沪认为人工智能应辅助而非取代医生，AI可提高效率和诊疗水平，但复杂的诊断还需人工监督。商汤科技副总裁张少霆表示，尽管ChatGPT在医疗领域有划时代意义，但在诊疗上还存在局限，离临床应用尚远，目标是与医生融合，互补增强。同时，人工智能能提供启发和高效知识库，优化患者就医体验。ChatGPT目前主要作为辅助工具，未来有望在家庭医生和专科医生角色中发挥更大作用。
ChatGPT：全能聊天机器人？开启AI商业化新纪元，但它真的无所不能吗？
ChatGPT，由OpenAI研发的人工智能聊天机器人，因其全能技能引发广泛关注，可能引领AI大规模商业化。然而，隐私安全、经济和技术难题也随之而来。ChatGPT以其独特生成内容和纠错功能备受赞誉，显示出强大的潜力，其商业变现的尝试也已开启。尽管如此，AI模型在实际应用中仍需解决准确性问题，并面临市场竞争的挑战。微软以Bing和Edge浏览器支持ChatGPT，显示出对其价值的认可和商业化前景的乐观预期，同时也暴露了系统压力。随着ChatGPT的流行，其访问量激增导致短暂宕机，反映出技术与市场需求的复杂关系。
AI聊天机器人ChatGPT引领未来发展趋势
美国开放人工智能研究中心（OpenAI）研发的AI聊天机器人ChatGPT于2022年11月30日正式上线，引发广泛关注。ChatGPT能编辑文本内容、生成图像、编写代码，甚至帮助撰写作业和论文，但其应用场景可能导致隐私安全、经济和技术等方面的问题。尽管如此，ChatGPT的开辟大量应用场景或引领AI大规模商业化时代，同时吸引众多互联网巨头加入AI市场竞争。
AI的乐观展望：拯救世界还是毁灭人类？
本文主要探讨了人工智能(AI)的发展及其对人类的影响。一方面，有人担忧 AI 可能会带来灾难性的后果，比如失业、技术不平等和潜在的安全风险等。另一方面，有人持乐观的态度，认为 AI 将会带来深远的好处，比如提高 productivity、促进科技创新、增加理解和改善人性等。OpenAI CEO 马克·安德森就是这种乐观态度的代表人物，他在一封长文中阐述了 AI 不会毁灭世界，甚至可能会拯救世界的观点。
AI情感革命：从机器人到情感智能者的跃进
这篇文章主要报道了两项有关人工智能情感能力的研究。首先，心理学家对ChatGPT进行了情绪测试，结果显示ChatGPT在情绪意识评估方面高于人类。其次，研究者利用心理学知识对大语言模型进行Emotion Prompt，提高了模型的真实性和信息量，从而提升了人与LLM互动的体验。尽管如此，这些研究仍存在局限性，无法完全说明人类被机器理解的问题。
ChatGPT与OpenAI的未来：商业危机下的命运抉择
本文探讨了OpenAI公司的财务状况及对其未来发展的猜测。尽管OpenAI在人工智能领域具有领先地位，但其商业模式仍面临挑战，可能导致公司破产。同时，随着竞争加剧，OpenAI可能需要调整其战略以保持竞争力。
《ChatGPT：金融领域的智能conversationalassistant》
ChatGPT是一个由OpenAI训练的大型语言模型，拥有丰富的知识和信息，可以涵盖多个领域。ChatGPT的工作原理是根据输入的问题和文本语境，分析并生成最相关的答案。尽管其在语言理解和生成能力方面比以往聊天机器人更为强大，但现阶段将其直接应用到金融领域可能仍会面临诸多实际问题，如无法实时联网更新数据库、语料数据与金融领域存在较大差异、数据泄露和技术伦理等问题。然而，ChatGPT作为一种新型的智能交互系统，在金融科技领域的增益主要聚焦于涉及文本处理类型的领域，如金融行业的客户服务等。
ChatGPT技术：机遇与挑战
这篇文章主要介绍了ChatGPT类技术的发展及其在我国可能的影响。ChatGPT是由美国OpenAI公司开发的人工智能聊天机器人程序，能通过自然对话方式与用户交互，并生成各种类型的文本。然而，这种技术并不会完全取代其他应用，而是在其创造的新业态中产生价值。文章从经济、社会和网络安全等层面讨论了ChatGPT对我国可能产生的影响，并提出了相应的应对策略。同时，文章也指出了ChatGPT类技术存在的局限性和潜在风险。
万字长文解读：从Transformer到ChatGPT，通用人工智能曙光初现2015年，四川知名主持人酒后路边“方便”，10分钟后只剩下一只高跟鞋
ChatGPT掀起的NLP大语言模型热浪，不仅将各家科技巨头和独角兽们推向风口浪尖，在它背后的神经网络也被纷纷热议。但实际上，除了神经网络之外，知识图谱在AI的发展历程中也被寄予厚望。自然语言处理是如何伴随人工智能各个流派不断发展、沉淀，直至爆发的？本文作者将带来他的思考。作者 | 王文广出品 | 新程序员自ChatGPT推出以来，不仅业内津津乐道并纷纷赞叹自然语言处理（Natural Language Processing, NLP）大模型的魔力，更有探讨通用人工智能（Artificial general intelligence，AGI）的奇点来临。有报道说Google CEO Sundar Pichai发出红色警报（Red code）并促使了谷歌创始人佩奇与布林的回归，以避免受到颠覆性的影响[1][2][3]。同时，根据路透社的报道，ChatGPT发布仅两个月就有1亿用户参与狂欢，成为有史以来用户增长最快的产品[4]。本文以ChatGPT为契机，介绍飞速发展的自然语言处理技术（如图1所示）。 图1 ChatGPT引发 Google“红色警报” [1][2][3]从机器翻译到ChatGPT：自然语言处理的进化自然语言处理的历史可以追溯到1949年,恰好与共和国同龄。但是由香农的学生、数学家Warren Weaver发布的有关机器翻译的研讨备忘录被认为是自然语言处理的起点，比1956年达特茅斯会议提出“人工智能（Artificial Intelligence，AI）” 的概念还略早一些。二十世纪五、六十年代是自然语言处理发展的第一阶段，致力于通过词典、生成语法（图2）和形式语言来研究自然语言，奠定了自然语言处理技术的基础，并使得人们认识到了计算对于语言的重要意义。这个阶段的代表性的成果有1954年自动翻译（俄语到英语）的“Georgetown–IBM实验”，诺姆·乔姆斯基（Noam Chomsky）于1955年提交的博士论文《变换分析（Transformational Analysis）》和1957年出版的著作《句法结构（Syntactic Structures）》等。 图2 句法分析示例，来自《知识图谱：认知智能理论与实战》图4-5，P149[6]在二十世纪六、七十年代，对话系统得到了发展，比如SHRDLU、LUNAR和ELIZA（图3）。麻省理工学院的SHRDLU采用句法分析与“启发式理解器（heuristic understander）”相结合的方法来理解语言并做出响应。LUNAR科学自然语言信息系统（Lunar Sciences Natural Language Information System）则试图通过英语对话的方式来帮助科学家们便捷地从阿帕网（ARPA net）获取信息，这倒像是当前爆火的ChatGPT雏形。ELIZA是那时对话系统的集大成者，集成了关键词识别（图4）、最小上下文挖掘、模式匹配和脚本编辑等功能[5]。 图3 ELIZA对话系统，摘自维基百科ELIZA词条 图4 ELIZA系统中关键词挖掘的流程图[5]随着自然语言处理任务愈加复杂，人们认识到知识的缺乏会导致在复杂任务上难以为继，由此知识驱动人工智能逐渐在二十世纪七、八十年代兴起。语义网络（Semantic Network）和本体（Ontology）是当时研究的热点，其目的是将知识表示成机器能够理解和使用的形式，并最终发展为现在的知识图谱[6]。在这个阶段，WordNet、CYC等大量本体库被构建，基于本体和逻辑的自然语言处理系统是研究热点。进入二十世纪末二十一世纪初，人们认识到符号方法存在一些问题，比如试图让逻辑与知识覆盖智能的全部方面几乎是不可完成的任务。统计自然语言处理（Statistical NLP）由此兴起并逐渐成为语言建模的核心，其基本理念是将语言处理视为噪声信道信息传输，并通过给出每个消息的观测输出概率来表征传输，从而进行语言建模。相比于符号方法，统计方法灵活性更强，在大量语料支撑下能获得更优的效果。在统计语言建模中，互信息（Mutual Information）可以用于词汇关系的研究，N元语法（N-Gram）模型是典型的语言模型之一，最大似然准则用于解决语言建模的稀疏问题，浅层神经网络也早早就应用于语言建模，隐马尔可夫模型（Hidden Markov Model，HMM）和条件随机场（Conditional Random Fields ，CRF）（图5）是这个阶段的扛把子。在搜索引擎的推动下，统计自然语言处理在词法分析、机器翻译、序列标注和语音识别等任务中广泛使用。 图5...