ChatGPT inaweza kuandika kanuni ya Python yenye ufanisi na kuandika maswali magumu ya SQL katika sekunde. Heck, itakuwa brainstorming kampeni yako yote ya masoko ikiwa unaruhusu. Sisi ni haraka kuamini hii "mjuzi," mifano ya hivi karibuni na yote, na nyaraka zetu za kisheria na kanuni ambayo huendesha shughuli zetu za biashara. Kama Mhandisi wa Ujuzi wa Biashara na uzoefu wa zaidi ya miongo kumi katika makampuni kama Amazon na Microsoft, nilikuwa na furaha.Nimeona teknolojia hii ikageuka kutoka kwa toy hadi chombo ambacho watu wengi wanadai ni tayari kubadilisha. Matokeo yameonyesha kile kinachotokea kweli: chaguo kubwa la kubuni, biashara ya gharama dhidi ya utendaji, ambayo huendesha mfumo mzima. Ni tatizo la uwazi, na ni shida kubwa ya kutosha kufanya wataalamu wowote wa data wasiwasi. Na sehemu ya ajabu zaidi? ni uhakika wa makosa. tatizo la kimantiki ambalo lilifichua mashaka Mtihani wangu ulikuwa orodha rahisi ya idadi zote kutoka -3000 hadi 3000 (katika mzunguko wa 100), ambayo ilikuja kwa jumla ya idadi ya 61. Orodha iliyoundwa hasa ili jibu la mwisho, sahihi litakuwa rahisi "zero." Hapa ni mahali ambapo tabia ya "shortcut" imekuwa wazi. Wakati nilipowaambia orodha iliyochaguliwa kwa utaratibu wa juu au chini, ilitumia mtihani kila wakati. Ilikuwa akijua kwa usahihi mfano rahisi: -3000 cancels 3000, -2900 cancels 2900, na kadhalika. Lakini nini kinatokea wakati unapoondoa muundo? Niliweka namba hizo sawa sawa kwa utaratibu wa random. Hii ilivunja kifungo rahisi na kulazimisha AI kwa kweli kuhesabu. Alishindwa, na sio kwa kiwango kidogo. Mafanikio ya “Ufanisi” Alikuwa hajakubaliana.Alikubaliana na a kwa ajili ya kuhesabu. Mafanikio ya Ni kama kuangalia Noah Wyle juu ya au : yeye ni daktari mwenye ujasiri, lakini usipaswi kamwe kumtegemea kufanya utaratibu halisi wa matibabu juu yako. Vivyo hivyo, AI huenda kupitia harakati za hesabu. Inajibu na kuanguka kwa hatua kwa hatua ambayo inaonekana kimsingi kimsingi, lakini jibu la mwisho ni ujasiri na kimsingi halali. ya Pitt ya Wakati nilipojaribu, ilikuwa "kuangalia mara mbili" na kupata Jibu sahihi tofauti ya Hata baada ya kutoa majibu sahihi kwa kila kikundi, bado haikuweza kuongezea kikamilifu jumla ya sita ya kikundi. Kwa jumla, nimepata majibu tofauti 12 ya uongo kutoka kwa hii nyuma na nyuma, wote kutoka kwa mwongozo huo. Hii haikuwa kushindwa kushughulikia orodha ya "ngumu". Ilikuwa kushindwa kabisa kufanya kuongeza ya msingi. Hatimaye, aliomba msamaha kwa "makosa yake ya hesabu ya akili," kukubali kuwa alikuwa anasimamia hesabu badala ya kufanya hivyo. Njia hii ya shortcut-first ni sababu hiyo AI imekuwa ya kihistoria kupoteza kazi nyingine rahisi, kama hesabu ya barua katika neno. lengo lake kuu ni kupata shortcut ya bei nafuu, sio lazima jibu sahihi. Kisha nikaona kompyuta iliyopotea Hivyo, ni ChatGPT tu kutokuwa na matumaini mbaya katika sayansi? Si sahihi. Nilirejea kwa jibu sahihi la kwanza na, badala ya kujibu, nilichagua chaguo la "Nadhani zaidi". Hivi karibuni hii ilitokea: # Define the list of numbers 
numbers = [ 2100, 800, -1800, 2400, 1000, -2400, 1200, ... ] 
# Calculate the sum 
total_sum = sum(numbers) 
total_sum 
# Result 0
 Ilikuwa na jibu sahihi (zero) katika sekunde moja. Hii ni "gotcha." Ilikuwa na calculator wakati wote. Ilikuwa tu kuchagua si kutumia. Nini kinatokea kwa kweli hapa? Huu sio bug. Tunaona ni biashara ya kubuni. ChatGPT ni optimized kwa kasi ya kwanza na usahihi ya pili katika hali yake ya default. Njia ya kawaida, haraka ni ya maandishi tu. Inajaribu kutatua tatizo kwa kutegemea data yake kubwa ya mafunzo, ambayo inajumuisha mifano ya arithmetic. Kwa jumla rahisi (kama 2+2), hii ni ya kuaminika. Lakini kwa kazi ambazo zinahitaji usahihi halisi katika hatua nyingi, kama orodha yetu ya namba ya 61, inashindwa. Ni kama mtu anayejaribu kuongezeka kwa namba kubwa katika kichwa chake: wanaelewa dhana ya sayansi, lakini haraka kupoteza nyuma ya hatua za kati na "kuendesha." Njia hii ya maandishi tu ni haraka sana na, zaidi ya hayo, ni nafuu kuendesha. Njia ya kufikiri (kutumia kompyuta ya Python) ni sahihi kabisa, lakini ni gharama kubwa ya kuendesha. Usifanye makosa, njia hii ya "haraka" bado ilirejesha jibu katika sekunde chache. Lakini kwa OpenAI, gharama ya mfumo ni kubwa. Badala ya tu kutabiri neno jipya, AI inahitaji kufanya kazi nyingi zaidi: inapaswa kurekebisha mtafsiri salama wa Python, kuandika msimbo, kuendesha, na kisha kusoma matokeo. Hii ni ushindani wa gharama na utendaji katika vitendo. Ni kwa nini nyuma ya kila kitu tulichokiona tu. Hapa ni ambapo itakuwa binafsi Angalia, hapa ni hatari halisi kwa wataalamu wa data. Tunadhani AI ni uchambuzi. Hiyo si. Ni tu simulating nini uchambuzi Angalia kama inapaswa Sasa, najua jinsi majibu itakuwa: hii yote ni sehemu ya mfumo mpya wa "Dynamic". taarifa za vyombo vya habari za OpenAI zinajivunia kuhusu hili, wakisema ni "router ya wakati halisi" ambayo "kuamua haraka" ikiwa kujibu haraka au "kufikiri zaidi" kwa matatizo magumu. Hii inaonekana nzuri kwenye karatasi. lakini mtihani wangu unaonyesha kwamba router hii inayoitwa smart inaweza kushindwa kwenye kazi rahisi ambayo haina mifano ya dhahiri. Wakati niliwapa tatizo la kimantiki la namba 61 kwa utaratibu wa random, mantiki yake ya ndani ilipinga ugumu. Ilikuwa inaonekana kufikiri hii ilikuwa kazi rahisi ambayo inaweza kuharibu. Hii inatuambia kwamba heuristics ya router haijatengenezwa ili kukabiliana na tatizo hili la "mfano rahisi". Pengine ni tu kuangalia urefu wa swali au kama kuna ishara za kimantiki. Kwa hiyo, badala ya kutambua hii kwa usahihi kama "maswali magumu" na kuhusika moja kwa moja na mfano wake wa kufikiri, ilichagua njia ya haraka, tu ya maandishi na iliendelea kushindwa. Hiyo ni hatari ya kazi huko. kufikiria kuuliza AI “kuangalia jumla ya chini kwenye ripoti hii ya gharama.” Anatoa jibu na ujasiri, tu maandishi “Nionekana sahihi!” Unachapisha ripoti hiyo kwa kiongozi, ambaye haraka hufanya baadhi ya maadili ya akili na anajua hesabu zako ni sahihi. Katika wakati huo, umepoteza uaminifu wako kwa kutegemea chombo cha kazi ambacho hakikuwa na lengo la kushughulikia kwa uaminifu. kushindwa kwa AI ilikuwa kwamba ilisimamia hatua ya kuangalia badala ya kuhesabu kwa kweli. Wakati Mathematics ya kweli inafanya kazi Hivyo, ni muhimu kujua wakati AI ni ya kuaminika kwa kazi hizi. mtihani wangu ulijengwa ili kufikia hasara maalum. 
 
 
 
 Wakati inatumia wazi mtafsiri wake wa msimbo (kama njia ya "Kumbuka kwa muda mrefu"). Kwa arithmetic rahisi, katika mazingira (kwa mfano, "Nina apples 3 na kununua zaidi ya 2, ni kiasi gani nina?"). Kwa sayansi ya kimantiki na dhana za ufafanuzi (kwa mfano, "Ufafanuzi wa Teorema ya Pythagorean"). Hatari, kama jaribio langu linaonyesha, haijulikani ni hali gani ya AI. Kwa kweli unapaswa kufanya nini kuhusu hili Hii haimaanishi "usitumie AI." Hiyo inamaanisha tunahitaji kuitumia kama mtaalamu, sio mwanzo. Tunahitaji kutibu kama "shortcut engine" ni hivyo hapa ni mwongozo wangu wa vitendo kwa wanasayansi wa data kulingana na matokeo yangu: Angalia, ikiwa unakumbuka kitu kingine chochote: ikiwa inaonyesha msimbo, unaweza kuamini matokeo. Tumia "Nadhani zaidi" kwa jibu lolote la "hakika au la."Usiogope kwanza kushindwa. Tumia chombo sahihi kwa ajili ya kazi. Kwa arithmetics rahisi, kutumia Excel. Ni kujengwa kwa ajili yake na ni zaidi ya kuaminika. Kwa nini kufanya injini ya "kuandika ubunifu" kufanya kazi ya kompyuta? Hata hivyo, kwa kuzalisha mtiririko wa kazi wa uchambuzi au kusafisha data kabla ya hesabu, kutumia AI na utekelezaji wake wa msimbo ni njia yenye nguvu na yenye manufaa ya kufanya kazi. Hii yote inakuja kwa uwazi. AI haina makosa kwa sababu haina kushindwa kimantiki; ni makosa kwa sababu inahifadhi makosa ya nyuma ya mask ya uaminifu. Ina kalkulator nzuri kabisa katika kifungo chake cha nyuma lakini inapingana na njia ya haraka, isiyo ya kuaminika bila kukujulisha ambayo inatumia. Kama wataalamu wa data, hiyo sio msingi tunaoweza kujenga. Angalia, mpaka mifumo haya inatuambia jinsi wanapata jibu, sheria ni rahisi: ikiwa sio katika mstari wa msimbo, sio jibu.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

This story contains new, firsthand information uncovered by the writer.

Data Portfolio

Read My Stories

Sauti hii imetolewa katika lugha asilia ya hadithi!

ChatGPT ni Gaslighting wewe na Math

About Author

MAONI

HANG TAGS

MAKALA HII ILIWASILISHWA NDANI

Related Stories

A PENDENT WORLD

Sweet Security Unveils First Unified Detection And Response Platform

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

Speed up Swift compile time

A PENDENT WORLD

Sweet Security Unveils First Unified Detection And Response Platform

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

Speed up Swift compile time

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps