学界巨擘热议ChatGPT：机器人能救妈，但遇妻落水你选谁？
中国政法大学教授罗翔在华南师大附中讲座中指出，尽管ChatGPT功能强大，但它无法替代人类情感和理性判断，强调人的情感和独特性使其不会被AI取代，这是人类作为"万物之灵"的基石。他以生活场景举例，幽默地指出即使在技术发达的当下，面对道德抉择问题时，仍需要人性的指引。
ChatGPT能预测股市？超传统情感分析，未来分析师地位会变吗?
最新研究揭示ChatGPT在预测股票走势上展现出超越传统情感分析的高精度，引发对其取代人类投资分析师可能性的关注。通过分析新闻头条，教授发现ChatGPT分数与其目标公司股价表现存在显著正相关，显示其潜在市场预测能力。然而，人工智能在金融领域的应用仍面临准确性、风险和监管等挑战。
数据魔力揭秘：MarTech如何驱动数字营销革命?
在数字化时代背景下，文章探讨了MarTech作为数字营销利器的发展，重点介绍了数据驱动、情感分析以及ChatGPT等先进技术的作用。数据驱动通过洞察用户行为，情感分析则揭示消费者心理，ChatGPT则提供高效解决方案。技术如用户画像、营销自动化和预测性分析深化了数据的应用，通过A/B测试优化营销策略，这些技术和方法相互配合实现精准、智能的营销目标。企业提升自身数据服务能力是推动数据驱动营销的关键。
万字长文解读：从Transformer到ChatGPT，通用人工智能曙光初现文咏珊真放得开，两块布料当裙子，没遮住多少，却意外地性感优雅
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...
微软豪投OpenAI，ChatGPT冲击谷歌，NLP技术企业面临何境？
概括：微软即将在2023年裁员1万人以应对经济和客户变化，但将继续对OpenAI投资100亿美元。此举源于ChatGPT的强劲表现，它正挑战谷歌在通用AI和NLP领域的主导地位，同时也推动了NLP技术企业的焦虑。ChatGPT作为微调后的GPT3.5模型加上客户端界面，为用户提供直接交互的新功能，尽管面临训练成本和技术挑战，但微软希望通过与OpenAI的合作强化其AI能力，并在全球市场产生影响。谷歌已加快研发以应对这一威胁，百度也计划升级其生成式搜索服务。
国产ChatGPT混战，讯飞又添了一把“火”！
就在刚刚！ 科大讯飞发布了外界期待已久的重磅新品——星火认知大模型。 咱和讯飞的关系，大家懂得都懂…… 所以，我们提前拿到了星火的首发版本，这就给大家送上最热乎的评测体验~ 先说结论，虽然讯飞并不是国内最早发布认知大模型的厂商，但是一番体验下来，我想送上五个字的评价——“好饭不怕晚”。 具体“好”在哪里，请看前方记者鸭鸭在体验现场传回的一手画面！ 看完了“现场画面”，再带你们回顾下我体验的一些代表性问答场景。 很多人对于AI认知大模型的初步印象，往往都绕不开以下三个问题： 它是谁？它会啥？它能帮我干点啥？ 面对“疑问三连”，星火直接了当的回答——逻辑清晰，简洁明快。 当然，到底有没有“自吹自擂”的这么厉害，有待观察。所以，我让它帮我写了篇稿子。 文章开头我也说了，讯飞刚刚发布了星火认知大模型。按照之前的“惯例”，我得和你们巴拉巴拉介绍下这场发布会的详细进展啦、产品信息啦…… 但是现在有了星火，我可以放心摸会儿鱼。3秒的时间，它直接给我整出来了一篇新闻稿。 不得不说，撰写“吹”自己的文章，星火果然文思如泉涌…… 除了“常规”的稿件之外，我还让星火尝试写了下近来热度很高的“公关文”。 也别宝马MiNi了，这个其他家的大模型也写过不少。咱提高点难度，给它一个“当红艺人陷出轨风波”的剧本好不好？ 还是3秒钟，星火“嗖嗖嗖”又整出了一篇。看下来没啥大毛病，至少我觉得达到了内娱平均以上水准。 那……大哥你既然写稿能力这么强，不如再帮我个忙呗？ 五一放假前，咱鸭厂老板眼红淄博烧烤火热，非得让我趁着假期去一趟，研究研究人家是咋做生意的，回来出一篇调研报告…… 不过我去淄博只顾着吃了，调研报告嘛，就靠星火应应急呗。 对了，我还顺手让它帮我解决了烦人的日报/周报。 就列了点关键词，人家信手拈来输出了这么一大堆！我都没想到自己摸鱼一天能干这么多事儿！ 除了做“打工人救星”之外，星火还轻松hold了“老师”的身份。 浅浅试了一下，基本的语数外知识星火都可以轻松拿捏。 以“春天”为题，无论形式是现代散文、七言古诗、对联，星火通通张口就来。 经典数学题“鸡兔同笼”，星火轻松解答。 在外语方面，我直接尝试了“多语种同步翻译”。 “我爱你”的英文大家都知道“I Love You”。不过现在你要拿着这点英文去表白，未免显得有些格局过小、诚意不足…… 但是，如果是用世界上所有语言说“我爱你”呢？ （答案还有很长，没截取完整） 有啥不懂的“知识百科”问题，问星火也比问搜索引擎更简单直接。 比如说咱研究AIGC，最起码得先了解下ChatGPT是啥吧。 星火给出的解释就很全面，顺便还不忘谦虚一把，说自己和ChatGPT相比“应用范围和功能都较为有限”…… （我看你不是挺能干的嘛！） 在生活中，星火也成了我无处不在的帮手。 菜不知道咋做，问它。 （知道你们想吃烤鸭很久了） 不知道咋养生，问它。 （替广大男同胞们问了一个喜闻乐见的问题） 装修有难题，问它。 （选择困难症好帮手） 假期想出去玩又怕景点人多，问它。 值得一提的是，我在这里还特地测了下星火的连续对话能力，根据它推荐的景点又追问了几个衍生问题，它的回答都还算让我满意。 以上我测试的，都是星火的“工具”属性，突出的还是一个“有用”。...
如何高质量地陪伴孩子：探索、建立与挑战的智慧指南
本文主要探讨了父母如何高质量地陪伴孩子成长，强调了陪伴的含义、方法以及在建立良好关系中的关键点。文章指出，高质量的陪伴包括满足心理和生理需求、建立亲密关系、提供支持和安全感，并通过亲子互动、信任培养、沟通能力的提升等方式实现。文中还提供了建立良好陪伴关系的具体建议，如培养亲子关系、建立信任、培养孩子的自我控制能力等。同时，文章也提醒父母在陪伴过程中可能会遇到挑战，如时间不足、注意力不集中等，并给出了相应的处理建议。总的来说，本文旨在帮助父母理解并实践有效的陪伴策略，以促进孩子全面发展。
ChatGPT爆火背后的AI未来之路：智慧与情商，何去何从？
最近，OpenAI的ChatGPT因其全能功能引发了广泛关注，相较于之前的AlphaGo，它展示了人工智能的巨大潜力。然而，人工智能发展的瓶颈在于数据驱动模式的理论红利已近耗尽，需要新的研究范式。日本工程院院士任福继指出，情感计算是解决这一问题的关键方向，因为它能弥补人工智能智慧和情商的缺失，未来在医疗、教育等领域有广阔应用前景。尽管机器人实现真正的情感交互仍面临挑战，但通过技术手段可以捕捉并回应人类情绪，以提升人机交流体验。
ChatGPT+一帧秒创，文字转视频的浪漫新可能，如何利用AI打造情感表达的新载体？一键操作，让爱
文章总结：ChatGPT作为AI情感表达工具，帮助用户生成情书等文本内容，为人们提供基础的情感表达支持。然而，情感的深入表达往往需要视频，文中通过举例和一帧秒创视频智能创作工具，阐述如何将ChatGPT的文字一键转化为视频，丰富了情感载体的形式。这种一体化的服务使得创造信息的过程更便捷，特别是在节日场景中，用户可以利用ChatGPT和一帧秒创快速生成个性化视频，提升生活情感表达的效率和体验。
ChatGPT能否颠覆金融？AI破解美联储讲话与股市走势
研究人员通过实验表明，未经过专门训练的ChatGPT在解码美联储政策声明和根据财经头条提供建议时，展现出了与BERT及四位人类审阅者相当甚至超越的人类推理水平，显示出强大的语言理解和预测能力。这标志着OpenAI的ChatGPT系统在财经领域具备处理复杂语言任务和预测市场走势的能力，为金融投资应用开辟了新的前景，同时也预示着人工智能在投资决策中的应用将更广泛并可能带来显著利润提升。