第二书包网辣文 > 其他小说 > 学习使我富裕 > 第141章 gpt
    最后,宋玉函还是决定用闲暇的时间来学习一下小程序编程。

    但是不是做游戏,而是……

    做一些实用的程序。

    比如电商引流服务什么的。

    这种比较稳,不需要靠人流量、广告来挣钱。

    苏航也就随他去了,反正大佬有时间,而且学起来也快,花不了多久。

    果然,第二天,苏航就看到宋玉函他弄出一个模型来了。

    不再管他。

    苏航自己还要忙着学习啊。

    他还没有联系那个据说从数学转纯物理的大牛,学习还是得靠自己趟出一条路来。

    物理跟数学的关系其实挺奇妙的。

    每一次物理学的重大突破,常常都是因为新的数学被引入物理之中。

    物理,其目的之一就是为了认识自然、解析自然。

    而面对新的自然现象,物理学家需要对其进行描述和推导。

    这都对数学有一个需求。

    这也是数学常常被认为是一个工具学科的原因之一。

    当初牛顿为了用万有引力来研究天体运动以及生活中那些例子。

    所以迫切需要一种可以计算这种曲线性质的工具。

    当时,科学家为了计算出一个抛物线的面积、摆线的面积需要用到各种技巧和近似化。

    可以说,没有天才一般的大脑,根本无法支持他们继续物理研究,而假如有一个人,他可以轻松计算出这些曲线的积分,那他无疑是当时的顶尖一批人。

    但这种繁杂的计算让物理研究变得艰难。

    微积分的诞生让力学领域有了突破。

    且不管究竟莱布尼兹和牛顿谁发明的微积分,就微积分而言,它对物理的进步是革命性的。

    后来的纤维丛理论之于电磁场和电磁波,黎曼几何之于广义相对论和引力波,线性代数之于量子力学。

    这都表现为数学进入物理,而让物理有了突飞猛进的跨越。

    这也是为什么,在苏航证明出无穷多对素数对有有限间距之前,部分数学家都认为,现行的数学工具无法支持孪生素数的证明。

    因为一些数学难题背后,也许就是一个新的领域。

    苏航目前的数学水平完全足以支持他完成这些上个世纪就已经有了的物理教学。

    不说其他,这统计力学就可以用数学的形式表现出来。

    但是物理又和数学不同,它有着一些物理才有的既定假设和所谓的“常识”。

    当然,这个“常识”仅限于物理专业才知道的常识,即使对其他专业来说很偏门,但是同一个领域内,就是常识。

    就类似于,对高考生而言,椭圆外一点到椭圆上的最短距离也是常识。

    但是你要去问买菜阿姨这个问题,她可能就不会给你砍价了。

    这不是刁难人吗?

    要被打的。

    所以,苏航还是脚踏实地地开始从物理基础开始。

    为此,还专门列了一份课程书单。

    《基础物理学原理与实验》

    《费曼物理学》

    《力学》

    《热学》

    《电磁学》

    《近代物理学》

    《数学物理方程》

    《分析力学》

    《量子力学》

    然后才是之前苏航听过的那门课。

    《统计力学》

    后续还有什么固体物理、核物理、原子分子物理、计算物理等等。

    能学多少学多少了。

    苏航看着长长的书单计划,犹如食客看到了美食。

    那叫一个又爱又恨啊。

    而之前的那一堆数学参考书,苏航已经放到柜子最里面了。

    恍惚间,苏航仿佛听到了数学那哀怨的声音。

    为什么要离开我,学物理,是数学不香了吗?

    emmmm……

    确实。

    苏航就像是一个渣男,把那一沓数学参考书给留在寝室独守空房,带着物理小三来到了图书馆。

    啧,果然,新鲜感还是很重要的。

    那句话怎么说来着,啥不如偷哈哈。

    物理、化学,最初都是基于实验的学科。

    而随着时代的发展,化学的理论和实验还是紧密地联合在一起。

    但是物理的理论物理和实验物理却似乎有一些分离的趋势。

    在初级的物理中,有数学底子是非常好的。

    比如力学的计算、公式的推演。

    苏航看着那一个个式子,手痒了啊。

    抄起笔就刷刷刷地自行演算起来。

    ……

    灯塔国,硅谷,OpenAI人工智能研究实验室。

    这是一所不以营利为目的的研究所。

    和DeepMind所不同,马斯克创立的这所公司最初的想法是用以预防人工智能所可能带来的灾难,并推动人工智能发挥积极作用。

    说来也很奇怪,虽然创始人认为人工智能有可能会带来灾难性的后果,但是却依然投入到人工智能的研发之中。

    近五年来,数十亿美金的投资被用在了这研究所中。

    就在今天,一个新的智能语言模型即将宣告诞生。

    GenerativePre-trainingTransformer,它是一个无监督转化语言模型,使用了数以千万的文档进行训练。

    它采用了生成式语言模型,即两个神经网络通过竞争相互完善,通过对不同的书面材料集与长篇连载文本的预训练,能够获取世界知识并处理长程依赖关系。

    比如说,它可以通过所给的关键词自动生成文档,即使是新造的英文词汇也可以通过词缀语法分析来判断该词汇的基本含义,从而写出一个不至于出错的句子、文章。

    一个很容易联想到的例子就是,垃圾邮件再也不需要人来写了。

    全网的垃圾邮件都可以承包,甲方给好关键词,然后机器自动生成一篇推销文案,然后全网发送。

    人工写得再快也快不过机器,就像是计算器淘汰算盘一样,单纯的苦力写手也会面临淘汰。

    不过好在,这一语言模型,马斯克并不打算向公众发布。

    因为它太容易被滥用了。

    不说垃圾邮件了,毕竟邮件还是很容易屏蔽,也不常用。

    更加常见的是,营销号新闻。

    比如市场上已经有的沙雕文案生成器,就已经可以生成一些很惯用的话术。

    XXX是怎么回事呢?……此处省略一百二十七字。

    但是GPT却远不止如此,它可以根据语境、语意和一些特殊的要求来打造一个更合适的文案。

    给出一个新闻标题和一句话概述,GPT就可以生成一个短新闻文案。

    其真实程度通过线上人工识别的结果普遍低于50%,也即至少有一半人认为这是真人写的。

    看着研究所递上来的研究报告,马斯克看到了其中的隐患。

    “公布进度,但是不允许随意使用,时刻监测接口数据。”

    “还有一件事,马上开始第三代的研究,把训练提高两个数量级。”

    “可是钱……”

    负责人有些迟疑,研究所把那几亿美金都花光了,还要继续保持非盈利吗?

    “这个不用担心。”

    马斯克的声音一如既往的自信。

    “当事情足够重要时,即使赔率不利于你,也要努力做到,就像当初创立我那几家公司一样。”

    当然,还有一句话他没有说出口。

    “当他们见到了最后的成品,还有多少人坐的住呢?”