
1. 法律
1.1. 法律研究:大语言模型能够快速处理和分析海量法律文献,包括案例、法规和规章制度等,显著提升传统法律研究的效率
1.2. 合同处理:在合同分析和起草方面,大语言模型可以帮助识别存在问题的条款,提供措辞建议,并确保内容符合法律法规要求
- 1.2.1. 还能生成常见法律文书的初稿,为律师节省宝贵时间
1.3. 预测分析:通过分析历史数据,大语言模型可以对法律案件的可能结果进行预测
- 1.3.1. 尽管这类预测不具有绝对性,但能为律师和当事人提供有价值的参考
1.4. 法律咨询:大语言模型可以提供基础法律信息和建议,帮助公众了解自身的权利和义务,为经济条件有限的群体提供基本的法律信息获取渠道
1.5. 争议调解:在争议解决过程中,大语言模型可以帮助各方厘清立场,提出解决方案,并协助起草相关协议
1.6. 合规管理:大语言模型可以协助机构进行合规监控,及时发现并提示潜在的合规风险
1.7. 电子证据:在诉讼过程中,大语言模型可以协助审查和分析大量电子文件,快速筛选出与案件相关的重要文档
1.8. 法律行业高度依赖档案检索:许多律师事务所都雇用法律助理专门负责搜索与当前案件类似的历史判例,并在法庭辩论中援引这些案例以争取胜诉
- 1.8.1. 考虑到和解金额往往十分巨大,这项工作至关重要
1.9. 部分律师事务所因顾虑大语言模型的可靠性而完全禁止使用大语言模型
- 1.9.1. 有律师事务所继续采用这一技术,同时严格要求在提交法律文书前进行详尽的事实核查
1.10. 律师事务所助理的主要工作内容往往是阅读大量烦琐文件
-
1.10.1. 顶级律师事务所通常会安排数十名助理审阅数百万页文件,以搜寻关键信息
-
1.10.2. 在这种情况下,经过大语言模型辅助的助理工作效率会显著提升
-
1.10.3. 研究显示,即便是律师也很难完全理解和记住使用法律术语撰写的合同内容
-
1.10.3.1. 复杂的措辞可能让客户觉得物有所值,毕竟律师是按小时收费的
-
1.10.3.2. 有人认为法律术语能够更精确地表达意思
2. 语言
2.1. 过去,我们必须通过键盘才能与计算机沟通
- 2.1.1. 如今,由于大语言模型的发展,计算机已经能够与我们直接对话,让我们不再局限于键盘就能获得计算机的协助
2.2. 语言翻译
-
2.2.1. 语言翻译是20世纪人工智能研究领域的圣杯
-
2.2.2. 早期的计算机翻译程序主要依赖简单的词语对应替换,但由于许多词语具有多重含义,这种方法存在明显缺陷
-
2.2.3. 谷歌翻译采用神经网络技术后,相比早期的翻译程序取得了显著突破
-
2.2.4. GPT-4的翻译能力相比谷歌翻译又有了质的飞跃
-
2.2.4.1. GPT-4能够在44种语言之间进行精准翻译
-
2.2.5. 如今,通用翻译器已不再是科幻作品中的幻想,而是已经变成了现实
2.3. 语言翻译技术的突破得益于大语言模型能够从语义层面理解词语的含义
-
2.3.1. 在语言学中,这种对词义的理解被称为语义
-
2.3.2. 大语言模型不仅能理解单个词语的含义,还能分析周边词语的上下文关系
-
2.3.3. 与20世纪的一种语言学观点形成对比,该观点将词语视为无语义的符号,难以为计算机处理语言提供足够的信息
-
2.3.4. 高效精准的语言翻译技术将有助于消除文化间的误解,同时能够加快商务谈判和外交活动的进程
2.4. 情感分析
-
2.4.1. 大语言模型在语言处理领域的另一个重要应用是情感分析
-
2.4.2. 作为意见挖掘的重要组成部分,情感分析可以判断文本所表达的情感倾向是积极、消极还是中性的
-
2.4.3. 这项技术主要用于分析客户评价、社交媒体评论或问卷调查回复
2.5. ChatGPT及其类似模型是自然语言处理领域的重要工具
-
2.5.1. 不仅能够理解和生成人类语言,还能以多种方式灵活运用语言
-
2.5.2. 尽管ChatGPT在自然语言处理任务中表现出色,但它并不具备人类那样真正的语言理解能力和对世界的认知
-
2.5.2.1. 它的所有回应都是基于训练过程中习得的数据模式生成的
2.6. 在自然语言处理领域的应用案例
-
2.6.1. 文本生成:ChatGPT能够基于初始输入生成接近人类水平的文本
-
2.6.1.1. 这项功能在写作辅助、内容创作等多个领域都有广泛应用
-
2.6.2. 语言理解:通过对海量互联网文本的学习,ChatGPT掌握了在具体语境中预测和生成句子的能力,展现出一定的语言理解水平
-
2.6.2.1. 这种能力可应用于情感分析、文本分类和信息提取等任务
-
2.6.3. 问答功能:基于训练所得的知识,ChatGPT可用于开发问答系统
-
2.6.3.1. 当用户提出问题时,模型能够生成简明扼要且准确的答案
-
2.6.4. 翻译能力:ChatGPT可实现多种语言之间的互译,这使其在语言翻译服务和多语言应用支持方面发挥重要作用
-
2.6.5. 对话系统:由于能够生成符合上下文且连贯自然的回应,ChatGPT可用于构建对话系统或聊天机器人
-
2.6.6. 语义搜索:不同于传统的关键词匹配,ChatGPT能够基于语义相似度进行信息检索和排序,从而提供更准确、更符合上下文的搜索结果
-
2.6.7. 文本摘要:在处理长篇文本时,ChatGPT能够提取核心要点,生成简明扼要的摘要
-
2.6.7.1. 这一功能在处理文章、文档或其他书面材料时特别有用
-
2.6.8. 教育辅导:凭借其生成内容丰富且逻辑连贯的回应能力,ChatGPT可应用于教育科技领域,不仅能够协助学生学习新知识,还可以提供语言技能训练的机会
-
2.6.9. 内容过滤与审核:通过理解文本的上下文和内容,ChatGPT可以用于检测并过滤掉不适当或有害的内容
3. 计算机编程
3.1. 比起文本生成,更令人惊叹的是GPT在编程领域的表现
3.2. 作为GPT-3的衍生模型,Codex经过专门训练,能够理解和生成多种编程语言的代码,并为AI编程工具GitHub Copilot提供技术支持
3.3. 与自然语言的微妙性和模糊性不同,计算机程序的范围更为明确,且必须保持逻辑严谨
- 3.3.1. 虽然代码风格可以呈现两个极端,或优雅清晰,或晦涩难懂(后者常被戏称为“意大利面条代码”),但所有计算机程序只有确保逻辑清晰,才能正常运行
3.4. 人工智能并未取代程序员,反而帮助他们提升了工作能力
3.5. Copilot具备交互式对话功能,用户可以通过对话明确表达需求
-
3.5.1. 它不仅能够自动补全和调试代码,还意外地展现出优秀的代码文档编写能力,这大大提高了代码的可读性和可维护性
-
3.5.2. Copilot是一个改变“游戏规则”的工具
4. 建筑
4.1. 生成式模型出乎意料地在建筑设计领域找到了新的应用场景
4.2. 目前广受欢迎的生成式人工智能程序,如DALL-E、Stable Diffusion和Midjourney,能够根据文字提示生成逼真的图像
4.3. DALL-E能在几秒钟内生成令人惊叹的建筑渲染图
- 4.3.1. 将原本需要几个月的方案设计时间压缩至几天
4.4. 并非所有建筑师都能熟练地将设计理念转化为有效的文字提示
- 4.4.1. 未来的建筑教育可能会将提示工程纳入课程体系,培养新一代既懂建筑设计又精通人工智能的复合型人才
4.5. 生成式设计为建筑师打开了更广阔的创意空间,不仅能够帮助他们探索多样化的设计方案,还能在权衡多个因素后优化设计决策
-
4.5.1. 尽管生成式设计工具能够辅助设计过程,但它无法替代建筑师的专业判断、创造思维,以及对场地环境和客户需求的深入理解
-
4.5.2. 最终的设计决策权仍然掌握在建筑师手中
5. 电影制作
5.1. 类似ChatGPT这样的人工智能工具,已能在好莱坞承担多项工作,包括撰写节目简介、为制片高管准备剧本摘要,甚至通过唇形同步技术实现多语言配音
5.2. 当编剧和演员因罢工而失去收入时,好莱坞制片方却在持续加大对人工智能技术的投资,并积极招募精通ChatGPT和DALL-E等人工智能工具的程序员
5.3. 虽然编剧们担心被人工智能取代,但部分编剧已开始利用ChatGPT激发创意,获取场景构思和情节转折的灵感
- 5.3.1. 随着他们对提示工程的运用越发纯熟,其创作水平和场景设计能力也将得到提升
5.4. AI技术已可以取代群戏中的临时演员
- 5.4.1. 这种发展虽然让演员们感到担忧,但实际上也为知名演员创造了新的收入机会
5.5. 人工智能设计的虚拟网红在韩国已经获得了广泛欢迎
-
5.5.1. 首位人工智能虚拟网红Rozy的Instagram(照片墙)账号自2020年推出以来,已经积累了16.3万名粉丝
-
5.5.2. 与真实明星相比,这些AI虚拟明星永不疲惫,从不抱怨,不会沾染毒品,也不会受到狗仔队的困扰
6. 音乐制作
6.1. 虽然基于规则的算法在人工智能发展初期就已存在,但直到最近,AI才能创作出音乐人认可的作品
6.2. 音乐生成器MusicGen是基于Meta开源的生成式音乐模型开发而成,经过40万段音频训练后,能够根据文本提示创作全新的音乐作品
6.3. 语音合成软件Vocaloid则能让歌手的声音实现跨语言演唱
6.4. 这些新技术都可以通过合理的商业化运作,为艺术家、音频工程师和音乐发行商带来收益
6.5. AI能够生成数千种变体版本,听众可以根据个人喜好进行选择
-
6.5.1. 传统上,重新混音以及修正音高和节奏对专业音乐人来说不仅成本高昂,而且耗时很长,通常需要数周时间
-
6.5.2. 现在,只需向音频处理软件RX发出指令,就能在瞬间完成这些工作
7. 时间线
7.1. 在写作和商业艺术等领域,大语言模型的应用正在迅速普及
7.2. 在医疗、法律和教育等具有复杂管理体系的领域,其普及进程则相对缓慢
7.3. 从历史经验来看,一项新技术要完全融入现有基础设施、建立监管体系并实现规范化,往往需要数十年时间
7.4. ChatGPT的爆发式发展只是一个更长历程中的一个节点,这个历程不仅有着数十年的历史积累,还将继续延伸数十年之久