楼上有些大惊小怪了吧

notion 这种在冲上市估值百亿的公司，这时候搞利用用户私有数据来训练公开可用模型的行为，肯定等于自杀啊

看了下它的 AI Program Terms ，说是技术由 openAI 提供，这还牵扯到两个公司了，那肯定得是提供的脱敏的数据给 openAI 做了个预训练模型出来，然后拿训练好的模型部署出来给你们用的。你们看到的生成建议要么实时根据你们 space 内的内容生成，要么有个 warm up cache 提前跑了，这个缓存也只针对此账号可以用

讲道理，如果先前的小范围测试爆出来一个客户的内容会被另一个客户的 AI 给建议出来，它们这个功能也早毙了

you can try searching it in English and you will get:

serverfault[.]com/questions/320716/find-out-which-process-is-changing-a-file

回题：没用

回正文：
只用密钥防一个 22 或者 6379 完全不够看，那么多提权的漏洞，而且暗网估计还有一堆未曝的 0 day 在流通，中不中招靠人品

所以数据加密，多地备份才那么重要，厂商才敢把服务器镜像卖那么贵

@winglight2016 #8
我又想起来一个悖论：如果想完全不触碰到任何敏感词，那就必须先了解所有的敏感词​​​​🤣
到时候国内的 AIGC 怕不是要被网友通过种种 promts 玩成大毒草🤣

@BestBigSword #3 真的自训练的？？？那么有钱？哪个团队的啊？
昆仑万维已经有钱到能养烧钞票如烧纸的 AI 自研团队的地步了吗？

@haha512 #6 让我想到隔壁某葱有人找 chatGPT 编的新式笑话，真的挺危险：

两个人在谈论 X 国特色社会主义，一个人说：“这个政治体制太神奇了，它既兼容资本主义又
坚持共产主义，实在是妙极了！”
另一个人回答说：“是啊，就像苏联时期一样，人人都可以成为资本家，但是只有 GCD 才能
拥有财产！”

rebase 可以把分支的 merge 记录完整保留

你要不去这个沙盒网站做测试吧
https://learngitbranching.js.org/?locale=zh_CN&NODEMO=

以下限定躺床上的情景

有记笔记的习惯，纸质书 << 电子书

不想记笔记或者塞了书签 /折了纸页回头整理笔记，纸质书 >> 电子书

emmmm
我觉得未来某个平和的日子里，一定有一场关于电视 /主机的炫光派和灭光派的战争🤣

为了小小的快乐

挺好，写条目挺全，适合找不到问题时拉清单一条一条处理或者查漏补缺

它没有任何视觉输入的，所以不知道人类说的心形的真实情况，估计是从喂进去的数据里挖出来的 css 心，但去掉 top ，left 后也足够牛皮了

大多数不关注相关[英文]领域的人，以及只用 [中文思维] 对话 chatGPT 的人，是像 OP 这样的。
当然现在这样的人越来越少了，都在用外界的新进展来更新调整自己的认知。


回到正题，知乎上的相关讨论仍然比这儿质量要好，起点要高，且见解足够深刻。而不是有 OP 这样的自视甚高者带头撒泼打滚。
（这点上算是形式和内容相符相成，帖子毕竟天然不适合长篇大论，更适合简单事件议论和情绪输出共鸣）

以下所有引用都更建议回到原文阅读，比我在这儿小学生读书式断章取义要强得多

##################################################################

Q：AIGC 概念股股价开年大涨，AIGC 究竟能产生多少经济价值？ ChatGPT 的商业化路径如何实现？
www[.]zhihu[.]com/question/581754585/answer/2882384195
"""
ChatGPT 的能力，体现在推理、归纳、多轮对话以及对整个世界的认知上，而这些能力的发挥前提，就是一个数量足够大、质量足够高的自然语言数据库，ChatGPT 是建立在 OpenAI 可以在全网抓取庞大数据基础上；而中文世界的文本数据，知乎有天然数据优势。（这可能也就是为什么我的体验是在 ChatGPT 上提供的中文内容，质量远远低于英文内容。
"""
评论：此段提到了 ChatGTP 的推理、归纳、情境理解能力，以及自然语言数据库丰富程度的重要性，间接回答英文质量比中文质量要高。并引出问题——
统计学机器可以诞生出推理、归纳的能力么？

Q：如何评价 OpenAI 的超级对话模型 ChatGPT ？
www [.] zhihu [.] com/question/570189639/answer/2787763735
"""
近期在写 paper 时重读 GPT-3 ，才发现自己之前一直都没有真正理解 in-context learning 的含义，而只是表面的认为其就是不 fine-tune 而冻住主要的模型参数，也从而大大低估了 in-context learning 的能力。在 NLP 领域，或许这个 in-context 的能力是 auto-regressive LLM scale 到比较大之后的 emergent property ，但视觉任务因为不同任务输出空间差异很大，所以如何在视觉领域进行 in-context learning 一直都是个悬而未决的问题，也有很多工作试图将不同任务统一到一个输出空间（ pix2seq 、unified-io 、uvim 等），但都未窥 visual in-context learning 的门径：即需要将任务输入和输出一起 concat 起来输入到模型中，而非传统的图像作为输入、任务输出作为模型输出。
"""
评论：此段提到了 in-context learning 情境学习，可以粗略理解其为上下文语境语义学习。并进一步提到了 emergent property 涌现性质，并怀疑 in-context learning 可能是参数足够多、数据量足够大之后模型自发产生的涌现性质，非此前的计算科学可预测的。且提出了模拟实现 in-context learning 的路径——输入输出一股脑全丢进去，让大模型自己找联系。
此回答也间接用猜想回复了第一段引用——
统计学机器可以诞生出推理、归纳，只不过是以我们暂且不熟悉的“涌现”性质诞生的。

附一个上文中提到的 emergent property 涌现性质——
en[.]wikipedia[.]org/wiki/Emergence
"""
In philosophy, systems theory, science, and art, emergence occurs when an entity is observed to have properties its parts do not have on their own, properties or behaviors that emerge only when the parts interact in a wider whole.
在哲学、系统理论、科学和艺术中，当一个实体被观察到具有其各部分本身不具有的属性或行为时，即代表出现了“涌现”现象。这些属性或行为只有在其各部分处于更广泛的整体中相互作用时才会出现。

Emergence plays a central role in theories of integrative levels and of complex systems. For instance, the phenomenon of life as studied in biology is an emergent property of chemistry.
涌现在综合层次理论和复杂系统理论中起着核心作用。例如，生物学中研究的生命现象即是化学的涌现特性。
"""

说回 chatGPT ，其恰巧可能正是 LLM 参数足够多、训练数据足够庞大之后，用了适当的方法喂出来的第一批弱人工智能，其能力尚未能用计算科学解释，只能归于“涌现性质”。

扯了这么多，只希望能帮到可能帮到的人

我能找到的，关于程序员 35 岁失业的最早的中文互联网信息，止步于知乎的这个 2012 年问题

IT 技术行业的「大龄恐惧症」是臆想还是真实的？那些 35 岁以上的程序员后来都干什么去了？
https://www [.] zhihu [.] com/question/20189348/answers/updated

可以通过问题日志看到是 12 年提的，当时提问的人就用了 35 岁被裁的说法

发扬光大的估计还得是牢厂，在 35 岁概念兴起之前，牢长就有优化提纯人员 2010 奋斗者协议

@wcao #3 期待期待，GKDGKD
这样再让那些手握 PB 资源的大佬上个 Alist
带优质 tag 的黄口水口水口水图口水口水口水网就遍地开花了（被管理员就地乱棍打死

讲道理
大部分人类也是统计学 GI （仿造词，基因智能 Genetitial Intelligence ），真考逻辑学及格都够呛
比如下面这道题，估计这里 60%的人都要错，甚至接受过逻辑学训练的人也会掉坑

求 not( (var_A = X and var_B != Y) or var_C = Z ) 的最简展开形式🐶

况且况且况，95%以上的人都不如 chatGPT 能拿 google L3 级别的工作呢🤣🤣

其实挺期待 AGI 快速到来，奇点理论成真，然后一步加速到位开始走机械飞升、铁心灭绝、失控机仆三种路线其中之一（此处应配有知乎捧脸笑表情）
这样现代社会的所有烦恼都无了🤣🤣

可以

妄想 op 继续努力以支持 iphone

eagle+自标注标签+预训练图片识别模型
在 openGPT 级别的图片识别应用出来前，吊打一切图库 app （虽然感觉图片识别领域的 openGPT 也很快了）

这我就不得不提某打牌王了
有钱氪金玩 Yu-Gi-Oh! Master Duel
没钱玩单机 Yu-Gi-Oh! Legacy of the Duelist: Link Evolution
都没中文，但中文翻译不如看英文，你只要知道寥寥几个词的意思就可以
（引用一下：
语言是最大的门槛，如果完全看不懂那当然就不用买。简中系统下默认英文，理论上高中英语水平就够用了。卡片效果的话要再记几个常见名词: summon 召唤，draw 抽卡、field 场上、target 取对象、GY （ Graveyard ）墓地，spell 魔法，negate 无效，banish 除外。至于什么 destroy this card ，gain 500 ATK/DEF ，应该就不用多解释了吧？也可以试试这个链接里的卡片效果能不能看懂，如果能的话感觉差不多了。
reference: https[://]zhuanlan[.]zhihu[.]com/p/127803345
）

可以体验一把被电脑 /对手花式 one turn kill 甚至 first turn kill 的快感🐶🐶🐶