大数据|GPT-3主导编程：最新的AI会扼杀编码工作吗？网络安全

文章图片

文章图片

全文共2172字，预计学习时长6分钟

图源：unsplash
早在2017年就曾有研究人员问道：“到2040年人工智能会写出大部分代码吗？”如今， OpenAI的GPT-3已被beta测试人员使用，已经可以用任何语言编写代码了，机器主导的编码几乎就在我们眼前。
GPT-3已接受了数千亿字或者甚至是整个互联网的训练，这就是为什么它可以用CSS、JSX、Python编码。 GPT-3不需要对多种语言任务进行训练，其训练数据已包罗万象。反而是当给定琐碎的指示时，网络会将自己限制在手头的任务上。
GPT-n的演变
GPT通过将监督学习与无监督的预训练（或使用无监督步骤的参数作为监督的起点）配对，在语言任务中达到了最先进的水平。与其后继者相比， GPT很小，它只在几千本书和一台8GPU机器上进行训练。
GPT-2大幅扩大了规模，包含了10倍的参数，并提供了超过10倍的训练数据。尽管如此，数据集仍然相对有限，它被专门训练为“来自Reddit的链接，它至少收到了3个karma 。 ”GPT-2被描述为一个“变色龙一样”的合成文本生成器，但它不像下游任务中的问答总结或翻译一样是最先进的。

图源：unsplash
GPT-3在人工智能领域中是里程碑式的存在，在一系列的任务中达到了最先进的水平，其主要突破是不再需要对特定任务进行微调。就尺寸而言，其模型再一次大幅扩大，达到1750亿个参数，是其上一代的116倍。
GPT-3根本不需要训练（一个零次学习的例子），其本来就令人印象深刻的性能在一次或两次学习之后黯然失色。
发展或灭亡
现在情况是：Beta测试人员正在使用GPT-3生成工作代码，这需要一些琐碎的知识。从按钮到数据表，甚至重建谷歌的主页，这些都可以通过零次学习完成。
除了人工智能的快速发展，其他两个主要的技术趋势正在加剧这样一个现实，未来编程工作将变得不再是“铁饭碗”：无代码和自动机器学习。
【大数据|GPT-3主导编程：最新的AI会扼杀编码工作吗？】无代码分析：让每个人都成为数据科学家
无代码是指使任何人更容易构建新产品的可视化工具，无论是网站、设计、数据分析还是模型。 Word Press、Wix和Shopify是典型的无代码工具，这使数百万人不再需要雇用开发人员或设计师，自己就能够做事情。
第二种趋势是AutoML ，即自动机器学习，这大大缩短了人工智能生产所需的时间。
AutoML会成为数据科学家的终结吗？

图源：unsplash
类似Apteo的工具顺应了这些趋势，使人们无需具备编码技能都能够部署人工智能模型。 GPT-3则将引发无代码和自动机器学习的又一波浪潮，许多潜在的雇主会选择这些工具，而不是雇佣昂贵的程序员。
当然，技术含量最低的程序员将最先离开，而专家就像在任何领域一样，将享受更长时间的工作保障。
不仅仅是代码——GPT-3已应用于任何语言任务
要将GPT-3引导到特定的语言任务，只需向它提供希望实现的示例。你可以直接用GPT-3写代码，也可以直接写诗歌、音乐媒体评论或任何其他文本。
例如，如果想生成一篇新闻文章，可以输入一个正标题，如“联合卫理公会同意历史分裂”和一个副标题，如“那些反对同性婚姻的人将形成自己的派别” 。
输入这些， GPT-3产生以下结果：
华盛顿邮报称，经过两天的激烈辩论，联合卫理公会已经同意了这一历史性的分裂——这一分裂预计将以创建一个新的教派结束，这个教派 “在神学和社会方面都是保守的” 。大多数出席5月教会年度大会的代表投票支持加强禁止LGBTQ神职人员的任命并制定新的规则，将对主持同性婚礼的神职人员“予以处罚” 。但是那些反对这些措施的人有一个新计划：他们称将在2020年形成一个单独的教派，其教会称为基督教卫理公会教派……
这段文字骗过了88%的人，只有12%的人认为这是由人工智能写的。
就像人类一样， GPT-3还可以根据例句学习生词。例如，给定语境：“Burringo”是一辆加速速度非常快的汽车。 GPT-3的输出是：在我们的车库里有一辆Burringo ，我父亲每天开它去上班。
这些结果令人印象极其深刻。人工智能正在不可避免的进化当中，对当前性能的任何批评都将化为其快速迭代中的泡影。
不仅仅是语言——GPT应用于图像
GPT不仅可以写代码和编写任何东西，还可以生成图像。相同的模型体系结构可以在像素序列而非文本编码上进行训练，从而生成新的图像而非文本。事实上，它非常擅长这样做，甚至可以和顶级CNN竞争。

图源：unsplash
这表明， GPT（及其后继者）不仅有可能在某一天取代编码器，其多功能性甚至使其具有取代整个行业的潜力。
GPT-3令人惊叹的性能让许多人相信我们正前所未有地接近超级智能，或者至少，人工智能生成的代码比我们想象的更接近，它能产生有创造性、有洞察力、有深度甚至是美丽的内容，未来已来。

留言点赞关注
我们一起分享AI学习与发展的干货
如转载，请后台留言，遵守转载规范