我想说，直到现在。人工智能艺术领域（例如，深度网络将自由文本描述转换为图片的 和 ）充满了巧妙的技巧——附加“ 上的流行”，以向模型传达你不想要一张丑陋的图片，而是一张值得病毒式分享的图片。艺术家——我们数学家的文化对立面——正在开展大量研究，研究数十个相机名称如何影响最终图像质量。业余爱好者正在学习、分享和教学，创造美丽而令人困惑的作品。
在寻找您输入内容的可能延 瑞士手机号码数据 续的过程中，它不断通过巧妙的提示揭示新功能。早期的一个观察结果是“”会引发文档摘要。了解到语言模型中的核心算法是预测可能的延续，就很清楚为什么会有这种能力。 虽然 在数学方面遇到了很大的困难，但用“展示你的工作”或“让我们来解决它”来诱导它会使它写出计算的中间阶段，然后在成功解决数学问题时处理这些阶段。这些以及更多的能力被发现了。虽然发现者通常是该领域的专业人士，但这不再是必需的。
人工智能领域仍在进行大量高度复杂、专业的工作。并非所有问题都可以通过巧妙的提示来解决。 或 所需的计算使其无法成为解决所有问题的合适工具。但是，以强大、创造性的方式使用这些系统的新空间正在不断增长，而这种方式不需要编程专业知识和对该领域的深入了解。我很高兴看到这种模式在组织中蓬勃发展，在这些组织中，数据科学的潜力经常被稀缺和过度投入的资源所束缚。