写故事的人工智能

[title]沃尔夫勒姆：人工智能能解决科学问题吗？[heading2]科学作为叙事It’s a ubiquitous story in machine learning.One trains a neural net to successfully predict,classify,or whatever.But if one “looks inside” it’s very hard to tell what’s going on.Here’s the final result of applying an image identification neural network:这是机器学习中无处不在的故事。人们训练神经网络来成功地进行预测、分类或进行其他操作。但如果一个人“向内看”，就很难说出到底发生了什么。这是应用图像识别神经网络的最终结果：And here are the “intermediate thoughts” generated after going through about half the layers in the network:以下是经过网络中大约一半层后产生的“中间想法”：Maybe something here is a “definitive signature of catness”.But it’s not part of our current scientific lexicon—so we can’t usefully use it to develop a “scientific narrative” that explains how the image should be interpreted.也许这里的东西是“猫性的最终标志”。但它不是我们当前科学词典的一部分，因此我们无法有效地使用它来开发解释图像应如何解释的“科学叙述”。

在整体的人工智能领域中，监督学习用于标记事物，一直占据很大比例。现在生成式AI在近期快速崛起，但强化学习与无监督学习也是AI领域重要的一种工具。生成式AI由监督学习技术搭建。2010-2020年是大规模监督学习的十年，这为现代人工智能奠定了基础。生成文本会使用到大语言模型，生成的过程是，大语言模式使用监督学习不断预测下一个词语，比如，i like，它会不断预测like后的词语是什么，经过大量的数据，它可能后面带的是，beaty，或者，eating，而eating后又大概率预测会有food。这样不断地生成新的文本内容。（这需要千亿，甚至万亿级别的单词数据库）[heading4]大语言模型是思考的朋友[content]运用大语言模型，来写故事，修改本文，非常有用。网络搜索与LLM的区别是，网络搜索可以追寻信息来源，同时你可以使用LLM提供相关的建议与策略。但大语言模型很会编造故事，所以会产生错误信息，这需要鉴别信息准确。[heading4]人工智能是一种通用技术（可以应用的空间）[content]人工智能有大量运用空间。现在通过网址来交互的应用——基于网络界面应用，如下方左图又或者将LLM内置与更大的软件来进行自动化——基于软件程序应用，如下方右图[heading4]写作[content]使用LLM来写作，集思广益，头脑风暴将非常有用。使用网页版的聊天信息时，提供更多的信息。翻译也可以使用LLM，翻译效果可能比机器翻译更好。但网络文本较少时，效果也不太好。可以让LLM将内容翻译成为海盗英语进行测试翻译准确度。

[title]满满爸爸：亲子共创绘本《森林里的勇气与友谊》引言这是一个完全由AI工具制作的绘本故事，讲的是一个关于勇气和友谊的故事，故事的起点来自于满满酱的奇思妙想。虽然内容有点幼稚，但是好在画面还算精美。第一次亲子共创，肝图很上头。这是送给满满的一份礼物，也送给所有朋友！希望你们喜xs喜欢，请大声说出来，我来告诉满满大家喜欢她讲的故事！