规模上有效的方法可能不适用

[fomayof928@mowline]

规模和实时互联网 这非常简单：在 Beta于 Google 规模。正如已故的比尔·斯拉夫斯基（Bill Slavsky）指出的那样，仅仅因为谷歌有一个想法——甚至为一个想法申请了专利——并不意味着他们在搜索中实现了这个想法（出于多种原因）。 另一个问题是互联网的绝对速度。 ChatGPT 在静态语料库上进行训练 - 某一时刻。



Google 非常快速地对互联网进行抓取和索引，并且可以 加拿大电报数据库 回最新的、本地的、甚至个性化的信息。 值得注意的是，谷歌在机器学习方面投入了大量资金。 Google 的 LaMDA（对话应用程序语言模型）能够生成复杂的、类似人类的文本。谷歌很清楚这些模型的局限性和成本。如果他们在搜索中部署速度缓慢，可能有充分的理由。



尽管偏见的主题远远超出了本文的范围，但规模也会导致偏见问题。一旦超越静态、受控的语料库并向整个实时内容世界开放机器学习模型，人类偏见就会呈指数级增长（包括种族主义、性别歧视、恐同症和其他破坏性偏见）。在谷歌规模上，减少偏见是一个需要大量人工干预和资源的问题。 红色代码和未来的威胁 这一切并不表明 Google 没有认真对待 GPT（包括 Chat GPT）。