(相關資料圖)
站長之家（ChinaZ.com）4月26日 消息:最新研究發現，即使在引入 GPT-4最新模型之后，ChatGPT 仍遠未達到取代普通數據分析師的能力。
根據麥肯錫《2022年 AI 現狀》報告，自2017年以來，AI 的采用率翻了一番以上，高達60% 的組織至少在一個業務領域使用它，IDC 估計全球在 AI 上的支出將達到154美元，而在2023年將達到10億美元。不過，目前只有20% 的公司在核心業務流程中或大規模使用 AI 技術。
“ GPT-4有其優點，它是一種從特定數據中學習、構建并提供新內容的生成式 AI 模型，但它不是通用AI，”數據收集公司Oxylabs的首席執行官Julius ?erniauskas評論道。“基于這種架構，ChatGPT 主要處理文本信息，并在一定程度上處理視覺信息，提供文本輸出。但是，不能將包含數千或數百萬個數據點的 Excel 上傳到 ChatGPT 并期望它分析信息。它不能直接收集數據或與公司數據系統交互，也不是為準確和全面的業務數據分析而設計的”。
ChatGPT 可以匯總大量文本信息，并提供可能對數據專業人員有幫助的概括性見解或示例。這包括就 KPI 提出建議、解決常見的編碼問題以及編寫 SQL 代碼或數學公式。然而，正如 ?erniauskas 評論的那樣，聊天機器人沒有考慮到特定公司周圍不斷變化的環境或它被要求處理的數據，因為它的上下文理解依舊有限。
如今，幾乎每個人工智能系統都是建立在機器學習 （ML） 技術之上的，任何 ML 模型的主要限制是它完全依賴于訓練數據。例如，與 微軟Bing 相比，ChatGPT 不處理來自互聯網的實時數據，而是在必須不斷更新的龐大但有限的數據集上運行。因此，它可能會錯過新數據或不能很好地處理它。
OpenAI 聊天機器人知道的比任何人都多，但在處理任何不符合其預制邏輯的事情時會受到限制。正如 OpenAI 所承認的那樣，最新的模型仍然會受到幻覺事實的影響，并且不會從經驗中學習。
?erniauskas 總結道“與 ChatGPT 聊天可能非常真實，但虛擬大腦完全接管數據收集和分析的潛力同樣有很大的局限性。這可能會改變，但目前的通用和生成人工智能模型在細分領域的用例中精度非常低。組織可以通過使用特定技術來解決問題，但它們非常需要數據，問題在于很少有足夠的數據集來實現接近人類的認知和準確性”。
（舉報）
