通过研究发现
人工智能的完美农民是什么样子的？研究人员根据人工智能开发的设计创建了一个实用的工作机器人。具体来说，荷兰的一个团队使用ChatGPT来帮助提高食品产量。
代尔夫特理工大学和瑞士洛桑联邦理工学院的研究团队密切关注ChatGPT的设计建议，包括选择收获的作物和确定最有效的收获技术。这种合作的结果是一个番茄收获机器人，它能够轻轻地从葡萄藤上摘下果实。
研究人员试图调查人类与ChatGPT等大型语言模型（LLM）之间的潜在协作水平。在他们的研究中，团队成员提出了一个问题，“人类未来面临的最大挑战是什么？
“我们希望ChatGPT不仅设计一个机器人，而且设计一个真正有用的机器人，”代尔夫特理工大学助理教授Cosimo Della Santina在媒体发布会上解释道。
在与 ChatGPT 的讨论中，他们决定将食物供应作为他们的挑战，并构思了创建番茄收获机器人的想法。研究人员发现人工智能的设计建议在概念阶段特别有价值。
“ChatGPT 将设计师的知识扩展到其他专业领域，”代尔夫特理工大学的博士生 Francesco Stella 说，“例如，聊天机器人教会了我们哪种作物对自动化最具经济价值。
代尔夫特理工大学和洛桑联邦理工学院的研究人员用ChatGPT设计的番茄采摘机器人在测试环境中移动。
ChatGPT 还在实施阶段提供了有用的建议，就要使用的特定材料和机制提供了建议，例如建议为抓手使用硅胶或橡胶以防止压碎西红柿，并建议将 Dynamixel 电机作为操作机器人的最佳选择。由此产生的创造是一个能够收获西红柿的机械臂。然而，Stella承认他们作为工程师的角色发生了转变，更加关注更多的技术任务。
主权人机密 – 高级情报会员
研究小组计划在他们的机器人研究中继续使用番茄收获机器人。他们还计划进一步研究LLM以设计新的机器人，特别关注AI在设计自己的物理结构时的自主性。
由ChatGPT和代尔夫特理工大学和EPFL的研究人员与研究人员一起在现场测试中设计的番茄采摘机器人。
“最终，我们领域未来的一个悬而未决的问题是，如何利用LLM来帮助机器人开发人员，而不会限制机器人技术应对21世纪挑战所需的创造力和创新，”Stella总结道。
ChatGPT 如何工作？
根据 ChatGPT本身的说法，该程序是基于OpenAI开发的GPT-4 架构的语言模型。它旨在理解和生成类似人类的对话上下文中的响应。底层技术 GPT-4 是 GPT 系列的高级迭代，在规模和性能方面比其前身有所改进。以下是ChatGPT如何工作的概述：
- 预训练： ChatGPT 对来自不同来源（如书籍、文章和网站）的大量文本数据进行了预训练。在这个阶段，模型学习人类语言的结构和模式，如语法、句法、语义，甚至一些事实信息。但是，必须注意的是，在预训练期间获得的知识仅限于训练数据中提供的信息，该数据具有截止日期。
- 微调： 在预训练阶段之后，ChatGPT 使用较窄的数据集进行微调，通常包含对话或对话样本。此数据集可以在人工审阅者的帮助下按照特定准则生成。微调过程有助于模型学习在对话环境中生成更上下文相关和连贯的响应。
- 转换器架构： ChatGPT 基于变压器架构，使其能够有效地处理和生成文本。它使用自我注意机制来权衡单词在给定上下文中的重要性，并捕获语言中的长期依赖关系。此体系结构使模型能够理解并生成复杂且上下文适当的响应。
- 标记化： 当用户输入文本时，ChatGPT 首先将文本标记化为称为令牌的较小单元。这些标记可以表示字符、单词或子单词，具体取决于所使用的语言和标记化策略。该模型并行处理这些令牌，使其能够快速生成上下文感知响应。
- 解码： 处理输入令牌并生成上下文向量后，ChatGPT 通过生成构成响应的标记序列来解码输出。这通常使用贪婪搜索、光束搜索或其他解码策略来完成，以根据模型的预测选择最有可能的下一个令牌。
- 交互式对话： ChatGPT 维护对话历史记录，以跟踪对话期间的上下文。在每次交互期间，此历史记录都会反馈到模型中，使其能够生成上下文一致的响应。
重要的是要注意，人工智能程序实际上承认它有局限性，例如生成 不正确或无意义的答案，对输入措辞敏感，过于冗长，或者不对模棱两可的查询提出澄清问题。OpenAI补充说，它不断致力于改进这些方面并完善模型，使其对公众使用更有效，更安全。
随时随地看视频
