突破性研究揭示：ChatGPT和Bing AI可能被新技术超越

一项新研究表明，科学家们可能即将取得突破性的进展。这项被称为"元学习组合性"（MLC）的新技术具有对语言进行泛化的能力。根据共享的基准测试结果，神经网络有可能比像Bing Chat和ChatGPT这样利用神经网络能力的AI聊天机器人表现得更好。当面临特定任务时，神经网络能够复制类似的结果，而GPT-4模型在完成这些任务时却很难做到。研究声称，这种新设计能够比ChatGPT更好地理解和运用不同环境中的新词汇。

随着公司继续致力于改进技术，科学家们似乎已经创造出一种可能超越生成式AI能力的发现。根据《自然》杂志的报道，科学家将这种技术称为"元学习组合性"（MLC）。他们进一步指出，它具有对语言进行泛化的能力。此外，科学家声称，它可能与人类一样优秀，特别是在学习新词汇并在不同情境中应用时，能够呈现出逼真的体验。

与利用神经网络技术理解和生成文本的ChatGPT相比，科学家们得出结论，这项技术和人类表现得更好。尽管像ChatGPT和Bing Chat这样的聊天机器人能够以类似人类的方式进行交互，充当AI助手，但根据《自然》杂志的报道，这种新设计有很大可能在长期内超过AI聊天机器人，因为它能够与人们更自然地进行交互，相比现有系统而言。

神经网络是一种人工智能技术，具有与人类类似的能力，可以学习新词汇并在不同情境中使用它们。唯一的区别是，这项技术必须经过严格的训练，以掌握单词及其在不同情境中的使用方式。为了确定技术的能力，科学家们对人类进行了多项测试，让他们接触新词汇，并评估他们在不同上下文中使用这些词汇的理解能力。他们还测试了他们将新学到的词汇与特定颜色联系起来的能力。根据共享的基准测试结果，参与这项练习的人中有80%表现出色，能够将单词与颜色联系起来。

科学家们使用相同的原理来训练神经网络，但他们将其配置为从自己的错误中学习。目标是让系统从每个完成的任务中学习，而不是使用静态数据。为了确保神经网络具有类似人类的特征，科学家们训练模型以复制那些在类似测试中犯过的错误。最终，这使得神经网络能够几乎（如果不是完全）像人类一样回答一批新问题。

另一方面，GPT-4需要相当长的时间才能理解所提出的任务。即使如此，结果与人类和神经网络相比也是令人失望的，根据所提出的任务不同，平均在42%至86%之间。简单地说，GPT和其他类似系统的问题根据一项新的研究，《Windows Central》报道称，ChatGPT和Bing AI可能已经过时。这项名为"元学习组合性"（MLC）的新技术可能会取代AI聊天机器人的地位。

根据研究人员的称述，MLC技术具有对语言进行泛化的能力，能够在不同场景中理解和应用新词汇。相比之下，像ChatGPT和Bing Chat这样的聊天机器人仍然无法达到相同的水平。

该研究测试了神经网络和GPT-4模型在处理特定任务时的表现。结果显示，神经网络能够复制相似的结果，而GPT-4模型在完成这些任务时表现较差。研究还指出，MLC技术在理解和应用新词汇方面表现更好。

这项研究指出，MLC技术可能比现有的AI聊天机器人更接近人类的表现，能够更自然地与人交互。然而，需要进行更多的测试和研究来确认这一点。

总体而言，这项研究表明，MLC技术可能对ChatGPT和Bing AI等现有的聊天机器人构成威胁，因为它具有更强大的泛化能力和更自然的交互方式。未来，ChatGPT和Bing Chat的发展前景仍不确定，但MLC技术可能会改变系统化泛化的方式。