推文 (111)
推
LuFatJier
LLM就是一個接龍遊戲，只要專業領域沒有特別訓練他
11/24 00:18
→
LuFatJier
就會用常見詞語+權重比例隨機回應
11/24 00:18
推
sdbb
謝謝
11/24 00:19
推
junior020486
沒事，等懂3缸活塞的把資料餵給AI就行了
11/24 00:20
→
junior020486
還沒餵到這份資料
11/24 00:20
→
greedypeople
接龍接的好其實拿來聊天就比大多數人類強了
11/24 00:27
推
ultimatevic
問的不好吧，AI工具會不會問還是差蠻多的
11/24 00:27
→
greedypeople
多的是人根本沒在鳥對方 自己講自己的
11/24 00:27
→
DIDIMIN
LLM 需要專業人士訓練他才會愈來愈準確
11/24 00:29
→
DIDIMIN
問題太過籠統就會發散式回答，問對問題很重要
11/24 00:30
→
lplpyy
ai講錯你可以嗆他，卡後續
11/24 00:34
→
ookimoo
本來就是假AI 是靠修正上去統整出答案
11/24 01:11
→
ookimoo
怎麼能期望他對未知能統整出正確答案 論證很失敗
11/24 01:12
噓
OxFFFFFFFF
所以呢，你想表達什麼，你只是舉了一個特例來否定
11/24 01:20
→
OxFFFFFFFF
其他有用的例子。這個邏輯不能說是0分，但也差不多
11/24 01:20
→
OxFFFFFFFF
了。
11/24 01:20
推
gn02218236
AI爛透了 別用:)
11/24 01:35
→
b9513227
所以你找到一個沒啥訓練的 然後呢
11/24 01:42
推
alex8881012
強化學習之父一直都是說LLM從根本就問題很大
11/24 02:14
→
alex8881012
不過目前主流就是LLM，沒辦法
11/24 02:16
推
L1ON
1.付費 沒付費都給你垃圾2.資料正確性很重要3.調整
11/24 02:25
→
L1ON
大概這樣
11/24 02:25
→
L1ON
每個人想要的答案不同，問或詠唱的方式也不同，比如
11/24 02:27
→
L1ON
有人能叫ai寫app寫code，有人只能問垃圾出來。
11/24 02:27
推
L1ON
AI是未來的趨勢，也是必要之路。只是目前能變現的公
11/24 02:31
→
L1ON
司幾乎沒有
11/24 02:31
推
L1ON
現階段玩法沒人玩得起，大機率是泡沫。不代表這東西
11/24 02:34
→
L1ON
是泡沫，比如網路不是泡沫，但.com是泡沫
11/24 02:34
推
as6633208
越聰明是一個跡象，聊天機器人一開始連基本聊天都不
11/24 03:07
→
as6633208
知道在講什麼，gpt3.5創造出來後，甚至還可以開始可
11/24 03:07
→
as6633208
以寫程式，寫程式是很重要的能力，程式這東西錯一個
11/24 03:07
→
as6633208
字母就是全錯，現在llm在用的測試benchmark 就是拿
11/24 03:07
→
as6633208
考題當例子例如科學、程式、數學、理解力，你一個模
11/24 03:07
→
as6633208
型benchmark多少分，而目前來看算力堆起來，這bench
11/24 03:07
→
as6633208
mark就是越來越，通用性越來越強，so 根據Gemini 3
11/24 03:07
→
as6633208
算力高benchmark也變高，目前來看這依然是一條可能
11/24 03:07
→
as6633208
的路，不走不知道，走了才知道
11/24 03:07
→
as6633208
你不敢肯定這是一條對的路，但同樣你也不敢否定這就
11/24 03:08
→
as6633208
一定是一條錯的路
11/24 03:08
→
as6633208
然後其實我認為目前在市場檯面上的模型，應該都不是
11/24 03:15
→
as6633208
最強的，而是最穩定的，那些的語言模型公司私下實驗
11/24 03:15
→
as6633208
的我相信應該更誇張，我認為他們看到什麼跡象，才敢
11/24 03:15
→
as6633208
砸幾千億美元去衝算力，不如就靜觀其變期待一下人類
11/24 03:15
→
as6633208
的奇異點ㄅ，砸錢的都宣稱看到跡象了你擔心啥呢，怕
11/24 03:15
→
as6633208
你就投資VT阿
11/24 03:15
→
saisai34
問gpt台股幾點他都會瞎掰了 這個不懂亂掰的問題@n@a
11/24 04:29
→
saisai34
不知道是怎麼產生的 明明他可以搜尋網路資料 @n@a
11/24 04:30
推
r491396076
似是而非
11/24 06:08
推
breathair
餵特定資料，不要所有資料，會被污染
11/24 06:36
→
breathair
AI是真的。從alphaGo 從規則開始學，不看人類棋譜而
11/24 06:36
→
breathair
幹掉人類，這貨就是真的，會不會用，有沒有被其他資
11/24 06:36
→
breathair
料污染的問題
11/24 06:36
噓
bbboy
通用型AI不用做到全知全能 比人類強就可以
11/24 07:20
推
doubi
目前 Google 賺錢新動能來自企業大規模採用 Google
11/24 07:24
→
doubi
Cloud 以及 Google Workspace
11/24 07:24
→
doubi
首先你是使用 Google Search AI Mode，如果你沒付
11/24 07:25
→
doubi
費，它是使用最弱的模型快速回應
11/24 07:25
→
doubi
只有美國 Pro 用戶的 AI MODE 用上 Gemini 3
11/24 07:25
→
doubi
所以你這個案例真的沒啥意義，因為用的是舊模型，
11/24 07:26
→
doubi
因為你不是高價值用戶
11/24 07:26
→
doubi
未來就是有花錢的才會擁有更精準實用的回答，免費
11/24 07:27
→
doubi
用戶就是最劣質但是便宜快速的回答
11/24 07:27
推
losage
目前ai最大的問題是他根本無法：理解
11/24 07:44
推
macetyl
有些答案不是AI回答的不好，是你的英文不好
11/24 08:07
推
synchronous
物理AI才能變現回本，聊天AI無法，現在技術就不到
11/24 08:23
→
synchronous
物理AI
11/24 08:23
→
synchronous
2030 telsa FSD有望成爲第一個物理AI變現回本的
11/24 08:24
→
synchronous
其它物理AI 我連影子都看不到.........
11/24 08:24
推
synchronous
非物理AI變現的金額遠小於瘋狂砸算力越砸越多的支出
11/24 08:26
→
synchronous
，泡沫有一天大公司也撐不住就破掉了
11/24 08:26
→
synchronous
只看好 Tesla Google 可以活下來
11/24 08:26
推
synchronous
這兩家都不是全靠 NV… 所以歐印NV是有風險的
11/24 08:30
→
Gipmydanger
z5碳吉某？
11/24 08:32
推
as6633208
你是說tesla google自己的晶片可以在五年後超過取代
11/24 08:44
→
as6633208
nv，然後nv這五年一直輸都不研發，我還是看好NV不賣
11/24 08:44
→
as6633208
不賣
11/24 08:44
→
as6633208
這樣我還是比較看好NV，這就像三星個手機的又搞晶片
11/24 08:44
→
as6633208
代工，後來就是每個都搞
11/24 08:44
→
as6633208
每個都爛
11/24 08:44
→
LoveSports
你要問冷門問題不要用AI模式 那是問主流問題用到
11/24 09:05
→
Oggy
我想問 有多少大廠巨頭投入ai，要是真得泡沫
11/24 09:09
→
Oggy
似乎是整個經濟體的崩潰 而不是單純不景氣
11/24 09:09
→
mdkn35
一直拿特例就不是AI強項 你隨便問個路人誰知道
11/24 09:09
→
Oggy
還是像KFK說的大約2050-2060年 股市一夕成無意義
11/24 09:10
噓
MoonCode
這跟觀察龜殼預測未來有什麼不同
11/24 09:26
→
jim543000
ai很難運用在創造性工作上 如果是機械設計類 目前
11/24 09:31
→
jim543000
我用過的專用模型沒有一個可以創造出堪用的拓樸機構
11/24 09:31
噓
shinewind
不倫不類的類比，神經病
11/24 09:48
→
shinewind
AI可以挑他相對厲害的地方啊
11/24 09:48
→
shinewind
目前在生成缺陷資料、自駕、藥物資料，這幾個主要
11/24 09:49
→
shinewind
應用的狀況再來說吧
11/24 09:49
→
shinewind
AI不是什麼領域都全能
11/24 09:49
噓
patvessel
我也覺得會泡沫 但是覺得你這種不理解原理就下結論
11/24 10:16
→
patvessel
的頂多就是歪打正著
11/24 10:16
→
haver
AI就只是工具用來輔助的 其實就是網路的衍生品
11/24 10:40
→
mouscat
我剛剛也問了GPT5.1的thinking mode台股指數 他提
11/24 11:03
→
mouscat
供了特定時間的正確數字還附上來源跟為何引用欸
11/24 11:03
→
mouscat
我感覺更偏向你的語文能力需要加強
11/24 11:09
→
jim543000
樓上 這種統計資料不就是很簡單的處理嗎？
11/24 11:32
推
mouscat
回應某樓説台股加權也會給錯而已
11/24 12:16
噓
maxisam
你這用的是Google search 的最便宜的AI 然後問題問
11/24 14:36
→
maxisam
的不清楚 更別說是中文
11/24 14:36
噓
maxisam
然後這種東西你拿去問一般人9成都不知道 所以真人
11/24 14:38
→
maxisam
是沒智商？這推論根本就錯了
11/24 14:38
推
chiro1982
AI還在萌芽階段而已啦
11/24 14:51
→
htiio
專業領域還有很多資料沒喂
11/24 15:44
→
htiio
不要現在就武斷ai發展
11/24 15:44
→
htiio
要不要看看open ai才出來幾年就已經進步這麼多了
11/24 15:44
噓
applecliff86
這些LLM不是拿來這樣用的 你用這個去推論AI泡沫根本
11/24 18:10
→
applecliff86
是瞎猜 AI工具也不是讓人變白癡不自己去查資料 是拿
11/24 18:10
→
applecliff86
來輔助
11/24 18:10
理解正時關係有點燒腦,想試試看AI的效果
但結果有點讓人失望:
https://i.meee.com.tw/5hvMqyZ.png
https://i.meee.com.tw/P7yaYCE.png
https://i.meee.com.tw/5cFIZAd.png
除了測試標的外,
還能一眼看出的簡單常識性錯誤:
1.「每個汽缸只有一個活塞」
那這款1930年代至今暢銷,
還被蘇聯跟中國大量仿造,一度壟斷兩國鐵路的經典美國產品是?
https://i.meee.com.tw/RLJsxew.jpg
2.似乎更嚴重的邏輯錯誤:
「一個汽缸通常只有一個活塞，所以不會有『三個活塞間...」
既然都知道「通常」了,怎麼會接「所以不會有」呢?
(正常的推理能力,應該會開始說各種奇怪的方案)
===
現在的AI繼續下去,也許是蠢蛋進化論的另一種實作方式?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.159.77.144 (臺灣)
※ 文章網址: https://webptt.cc/bbs/Stock/M.1763914471.A.EAC.html
https://www.shipsnostalgia.com/threads/double-acting-diesels.18308/page-3
十多年前,google還很好用的時候就有人餵給google了
問的不好的話,找不到答案可以理解,
但直接說沒有,甚至如"2."說出邏輯不通的中文?
※ 編輯: a5mg4n (49.159.77.144 臺灣), 11/24/2025 00:31:43
這就是比網路泡沫還嚴重的原因:網路泡沫的東西至少大多是真的
再說,不期待正確,但明顯自爆的答案確實超乎期待
(特別是連說中文都能說出邏輯矛盾的話)
相對簡單的機械結構都能描述出這種邏輯完全不通的句子
何況複雜怪奇的(槓掉)國際情勢(槓掉)人類社會
以AI是不是泡沫來說,有用的例子看似無法支應之後幾年的支出
※ 編輯: a5mg4n (49.159.77.144 臺灣), 11/24/2025 02:13:41
可怕的外送不是一眼就看出大問題(例:一打開就看到整隻小強)的
而是看似沒問題,但吃完讓人幾天離不開馬桶的
AI給出的垃圾如果是前者,問題不大,
但基本機制不改,給出後者的比例似乎太高
(怎麼分辨,或許是更深層次的問題)
※ 編輯: a5mg4n (49.159.77.144 臺灣), 11/24/2025 02:32:17
或許可以參考其他產業的歷史:
在哈伯法發明前,人造氨的主要方式是電弧法,
(在空氣中製造高溫電弧,產生氮氧化物)
效率很低,需要巨型(當時標準)電廠
https://en.wikipedia.org/wiki/Birkeland%E2%80%93Eyde_process
但哈伯法發明後,就不必耗這麼多電了
現在AI幾乎等同於用LLM做各種事情的現狀,
可能和當年人造氨產業類似:只有力大磚飛法能用
※ 編輯: a5mg4n (49.159.77.144 臺灣), 11/24/2025 03:40:31
邏輯能力太薄弱的話,就不如關鍵字查資料了
(aka沒有理由花這麼多錢)
邏輯能力薄弱的另一組案例:
正常來說,前面的問題應該天然涵蓋後面的問題
但前面(範圍更大)的明顯錯誤,縮小範圍後才正確?
https://i.meee.com.tw/FXLWN7e.png
https://i.meee.com.tw/hV6XrwB.png
※ 編輯: a5mg4n (49.159.77.144 臺灣), 11/24/2025 23:19:21