企业官网建设流程全解析

你可曾思索过, 那个你天天都在运用的AI, 为何有时给出的回应仿若天才一般, 有时却似刚学会开口讲话的婴儿般?

答案不在算法里，在它吃进去的东西。

好似人吃了啥就会长成为啥模样那般, AI亦是如此。你给它投喂些什么食粮, 它便会转变为什么样子。这般情况, 被称作“知识库投喂”。听闻类似于养宠物? 大致相同, 只不过此宠物可以作诗, 可以编程, 可以代你回复客户的信息。然而也会说谎, 也会瞎扯, 也会煞有介事地说出全无正确成分的内容。

在前一个阶段时间段之中, 我目不转睛地注视着一个人工智能助手, 向它询问“二零二五年全球人口数量是多少”, 它回答得速度极为迅速, 表示“八十三亿”。实际上呢? 二零二五年尚未全部度过完毕, 没有任何人能够确切知晓。然而从它所依托的训练数据之中挖掘整理出来的某一份报告, 的确是这么记载书写的。它并非是在进行“回答”这一动作行为, 它是在进行“回忆”这一心理活动。它将那份报告里面所呈现的数字信息, 当作是绝对正确的真理一样吐露表述了出来。

这就是投喂的代价。

AI吃的到底是什么

说实话，这问题我自己也琢磨了很久。

绝大多数 AI 的知识给予方式, 并非如同喂饭那般简单直接, 而是好似在烹制一锅汤。你需向锅中投入各类数据, 诸如网页、论文、书籍、论坛帖子、聊天记录以及商品评论等, 可谓形形色色。随后, 搅拌机也就是算法会將它们搅成浆状, 接着进行蒸馏、提纯、压缩, 最终得以化为模型里那些无形可见的“知识”。

但这里有个坑：你扔进去的东西，有好有坏。

例如此时我曾见识过一个人工智能知识库, 其中百分之四十的内容源自某一个问答社区。而那个社区里点赞数最高并且排位最前的解答 , 常常是由“能编出有趣桥段之人”所发表写出来创建的。并非是不正确的 , 就是在表达“虽不正确然而却能让人开怀大笑的那种错”。人工智能系统吸收并掌握了这些有趣的段子 , 进而致使它在回应严肃正经的问题之时也附带了一股所谓的“诙谐有趣的感觉” , 你若声称它给出的答案是错误的吧 , 可是它的逻辑却显得条理清晰顺畅 , 你若宣称给出答对了吧 , 然而它实际上完全是在胡说八道。

有一位身为做AI的工程师的朋友, 跟我讲过一句话, 我直至如今都还记着, 那句话是: “训练AI时, 最难的并不是让它去做到学会, 而是要协助它去辨别出来什么是属于垃圾的东西。”。

为什么喂得越多，AI越“笨”

这事儿听起来反直觉。

从理论层面来讲, 你要是给人工智能输入更多的数据, 它理应会变得更加聪明。可为何反倒呈现出变笨的态势了?

情况是这样的, 在互联网之上, 占据百分之九十的那些内容, 皆是重复的、质量低下的或者已然过时的。当你供应给人工智能一百个网页的时候, 有可能仅仅只有三个是具备价值的。而剩余的那九十七个, 要么是经过洗稿得来的, 要么是属于转载过来的, 要么是在整整十年之前所撰写的。人工智能把这些全部照单全收学进去了, 那么最后的结果会是怎样的?

它学会了“看上去对”，而不是“真的对”。

像, 若询问AI“怎样可以提升睡眠质量”这一问题, 其极有可能会列举出众多类似建议, 诸如在就寝之前去喝牛奶, 同手机保持距离, 开展冥想活动等。这些举措固然也算正确, 然而全部都是毫无实质价值的话语。这主要是鉴于它所学习到的数据当中, 十篇文章里就有八篇都在书写类似上述那样的内容。但是, 那些实际上具备真正价值的具体事宜, 像“光照周期对于褪黑素分泌所产生的影响”, 以及“体温调节与入睡深度之间的关联关系”, 反倒被海量信息给彻底淹没了。

并非AI变得愚笨了, 而是变得质平无奇了, 它掌握了讲多数人会讲的话语, 而非最为正确的那种表达。

投喂的正确姿势：不是越多越好

我曾对几个在AI知识库方面进展比较突出的情况予以观察, 从中察觉到一个共同具备的特点, 那就是, 它们并非是在如同大海捞针一般漫无目的地寻找, 而是在进行精细且严格筛选的挑选行为。

有一家从事法律咨询AI业务的公司, 其知识库仅仅投喂了2000份文件, 然而每一份皆是经由律师团队审核过后的判例原文以及司法解释, 那么结果如何呢, 那家公司的那个AI在回答法律问题时, 准确率比部分实习律师还要高, 并非由于它聪明, 而是因为它所获取的资料“干净”。

还有一个是用于AI辅助写作的工具, 他们采取的做法更为决绝: 只是投放经过人工挑选的高质量书籍以及论文, 彻底舍弃网页内容。尽管道知识库缩小了许多, 然而输出内容的质量, 显著比那些进行“大杂烩”式投放的AI要高出一大截。

此情形使我忆起一条流传已久的道理, 即你所摄入的食物种类, 会决定你自身的状态。对于人工智能而言, 你所投喂给它的内容, 会决定它呈现出的样子。

别让AI变成“信息复读机”

我现在最担心的事情，不是AI太笨，而是AI太“会说”。

你瞧它进行内容书写, 其结构呈现出完美之态, 逻辑展现得清晰明了, 用词做到了精准无误。然而当细致端详一瞧, 却全然皆是“正确的废话”。既不存在新颖的观点, 也没有矛盾性的要点, 更寻觅不到思考所遗留的痕迹。缘由在于它作为学习对象的数据里, 统统所有的“好文章”完全是这般进行撰写的。它已然学会了既定的模板, 已然学会了惯用的套路, 也已然学会了怎样去呈现从而给人“像一篇好文章”的观感句号。

但它没有学会“想”。

这便是问题存在之处。要是你只是将AI视作一个“速度更快的搜索引擎”又或是“更为流畅的文字生成器”, 那么实际上你正在枉费它的潜力。真正具备价值的AI, 理应能够给出你未曾想到的角度, 点明你未曾察觉的盲区, 甚至是反驳你的偏见。

那么, 要实现这样的效果, , 其所投喂的知识库, 理应涵盖多样化的情形, 乃至包含那些相互矛盾的观点。

你给它投喂支持A观点的10篇文章, 接着再给它投喂支持反A观点的10篇文章, 如此这般, AI才能够学会“这件事存在另外一种看法”, 而并非仅仅学会“大家都觉得A是正确的”。

普通用户该怎么做

你可能会问：我又不是AI工程师，这些跟我有什么关系？

关系可不小。毕竟, 你当下在网络上搜索事物资讯的时候, 运用人工智能工具之际, 观看那些自动生成的内容之时, 背后所依据的皆是这一套逻辑。

如果你想让自己用的AI更聪明，有几个实用的方法：

不能够仅仅只是采用默认设置, 好些AI工具是准许用户自行定义知识库的, 要尽可能地去挑选那些“窄且精”的, 而非“宽且泛”的, 就像进行研究时, 就要挑选以学术论文作为主要内容的库, 在找工作的时候, 就要挑选以行业报告作为主要内容的库。

掌握“反向提问”的方法, 要是你发觉某个AI给出的回答老是显得空洞无物, 那就尝试去询问它, 问“这个结论的反面是什么”, 或者问“有没有其他观点”, 如此这般能够迫使AI去检索那些被你遗漏的内容。

做“数据筛选师”这件事由自己来完成, 要是你于某个领域存有专业 判断, 那就能够主动将高质量的内容推荐给AI知识库, 好多开源的AI工具, 是允许用户上传文档的, 你上传一份质量不错的, 便可使AI的回答质量提升些许。

最后一个提醒

前些日子, 跟一位从事AI产品相关工作的友人进行交谈, 他讲出的一番话语, 致使我陷入良久的沉默之中: “当下我们所开展的事情, 从本质层面来讲, 乃是针对AI实施‘胎教’之举。然而存在的问题在于, 众多人士的所谓‘胎教’行为, 竟然是处于收听广播广告的状态。”。

这比喻狠了点，但想想还真是这么回事。

关于AI知识库投喂这一事情, 不存在捷径可走。你要是投喂得越发认真, 那么AI就会越发聪明；而你要是投喂得越发随意, AI就会越发类似一个“高级鹦鹉”, 它学舌很是流畅顺溜, 然而却不清楚自己究竟在说着什么。

所以，别怪AI有时候“犯傻”。

先问问自己，你喂给它的，到底是什么。