寻找AI的“成瘾”的现实：从神奇的人工制品到“

这是5月29日的新闻，技术媒体距离昨天（5月28日）发表了一篇博客文章，告知困惑搜索工具比诸如Google之类的传统搜索引擎更好，但是在连续版本的变化之后，搜索结果的质量下降，并且AI模型的崩溃现象已经散发出来。媒体指出，混乱所代表的搜索工具曾被认为是传统搜索引擎的强大替代品，他们的搜索结果比Google更精确。但是，许多用户最近发现，AI寻求硬数据（例如市场参与，财务数据等），在未来享有声望的股票和价值委员会（SEC）所需的年度10K报告中寻求并引用不可靠的来源。如果用户未指定数据源，则获得的结果通常是无法解释的。他引用了一篇博客文章，并提出问题并不是混乱的固有，并且主要的搜索机器人具有相似的“怀疑”结果。媒体认为，搜索AI质量降低的根本原因是“模型的崩溃”。这意味着AI系统取决于他们自己的生产培训，从而逐渐丧失精度，多样性和可靠性。有三个主要原因：错误的积累，尾巴数据的丢失和反馈循环。随着错误的积累，每一代模型都可以继承和扩大前几代的缺陷。罕见的数据丢失逐渐从罕见的事件和概念中模糊。反馈循环改善了狭窄的图案，并且输出出口被复制或快乐。改进的发电技术（RAG）搜索被广泛用于改善AI性能，使大型语言模型（LLM）从外部数据库中提取信息并减少“ DO”。但是，一项彭博社的一项研究发现，即使抹布，包括11个主要型号，包括GPT-4O和Claude-3.5--So使用NNET，通过处理超过5,000个有害指示来获得错误的结果。更糟糕的是，破布增加了过滤客户隐私数据，产生欺骗性的市场分析并产生有偏见的投资建议的风险。 AILS模型类结果加速了。为了寻求效率，用户和公司倾向于信任AI来生成内容，而不是投资人才来创建优质内容。从学生的任务到科学研究，甚至是小说小说，“垃圾，垃圾产量”（Garbage / Garbage生产的产量，Jigo）无处不在。