回到未来!用童年日记训练AI,这个程序员借助GPT-3实现了与“过去的自己”的对话

简介: 人们对过去和未来总是情有独钟。在电影《回到未来》中,身在1985年的主角被意外送回到1955年,不仅巧遇了过去的父母,还让年轻的母亲对自己一见钟情,从而闹出了不少笑话。

如果我们稍稍把穿越的时间往回拨少一点,穿越回10年前,和过去的自己相遇,你会告诉TA什么?
最近就有一位名叫Michelle Huang的程序员在推特上分享了自己“穿越”回过去,与自己对话的经历。

image.png

还有网友表示,“这太棒了”,“这在以后或许还能用到心理治疗上”。

image.png

5步让你和过去的自己对话


相信不少小伙伴都很好奇这是如何实现的,Michelle Huang在推特上也分享了教程。
主要使用的工具就是OpenAI的GPT-3
首先,我们需要一些训练材料,比如日记、个人叙述、任何可以彰显自己个性/声音/价值观的书面内容。如果你没有写日记的习惯,存档的聊天记录应该也能使用。
Huang在过程中使用拍照+OCR扫描日记来上传数据,由于字迹问题这也花费了好几个小时。
然后,我们就可以前往GPT-3页面,在这里添加提示、日记数据,并为模型设置训练参数。

image.png

网站链接:

https://beta.openai.com/playground/


不过你需要注册一个OpenAI账号,以及需要支付一定的金额。Huang使用的是功能最强大的达芬奇模型(da vinci model,大约2美分每750个单词
随后,我们需要提示制作。在这里Huang参考了OpenAI文档,在该网站上向下滚动到“对话”(conversation)子标题,就会看到对话提示样本示例:

image.png

其次,就可以添加参数了。Huang调整了temp settings和charactercountup,用davincimodel-002进行了训练。

参数如下:

image.png

image.png最后,点击提交。如此一来,你应该就可以开始与年轻的自己对话了。
Huang表示,这个项目在生活中应该有很多用武之地。例如,你可以在治疗设置中进行训练,特别是零件疗法(Parts Therapy),或内部家庭系统治疗(IFS);或者,你可以让AI处于一种愤怒的情绪中,然后试图安慰他。

和自己对话


Huang感叹到,总的来说,这是一个非常奇妙的、同时也是一次奇怪的疗愈经历。与年轻的自己对话,让Huang想起了自己多年来一直保持不变的部分,也想起了随着生活的变化而被遗忘或埋没的部分,这就像拿着一面镜子,照出了不加掩饰、更加认真和纯粹的自己。


image.png

通过这种真实的历史数据让自己能够与过去对话,这显然比任何其他方式都要来得更为深刻和具体。
过去十几年中,Huang一直有写日记的习惯,内容从抱怨家庭作业繁重,到与暗恋对象交谈时的紧张。有些很流水账,有些现在看来也相当有见地。
当把这些日记作为数据导入模型后,AI给出的一些反应与她记忆中自己当时的反应十分相似。Huang也向年轻的自己询问了世界观,然后让AI试着来回答这个问题,“这种互动的感觉与普通的短信对话非常相似,就像我在给过去的自己实时发短信一样,这就像是在使用时光机一样,只是这个时光机被伪装成了聊天框”。

image.png

Huang还惊讶于AI能够从十年前的日记中准确地预测出现在的她的兴趣,当然这也经过了大量的迭代/试验和错误,但这不禁让人感慨,也许自己现在选的这条人生道路在很久之前就在精神世界中种下了种子。
从Huang的互动过程中,我们也不难察觉到这种媒介的治疗潜力,不仅能够将爱送回过去,还能从年轻的自己那里受到鼓舞。
以前那些让我们纠结的东西如今能够释然,这也是让我们终结对过去的遗憾始终怀有的执念,用更好的姿态迎接现在和未来。
相关报道:https://www.dailymail.co.uk/sciencetech/article-11491323/Woman-talks-past-self-trippy-conversation.html

目录
打赏
0
0
0
0
1047
分享
相关文章
AI + 低代码,程序员的副驾还是替代者?
AI + 低代码,程序员的副驾还是替代者?
47 0
基于生成式物理引擎的AI模型训练方法论
本文探讨了基于生成式物理引擎的AI模型训练方法论,旨在解决传统数据采集高成本、低效率的问题。生成式物理引擎结合物理建模与生成模型(如GAN、Diffusion),可模拟现实世界的力学规律,生成高质量、多样化的虚拟数据。文章介绍了其关键技术,包括神经网络物理建模、扩散模型场景生成及强化学习应用,并分析了其在机器人学习、数据增强和通用智能体训练中的实践价值。未来,随着可微物理引擎、跨模态生成等技术发展,生成式物理引擎将助力AI从静态监督学习迈向动态交互式世界建模,推动通用人工智能的实现。
158 57
基于生成式物理引擎的AI模型训练方法论
全模态图像模型Nexus-Gen对齐GPT-4o!同时搞定,数据、训练框架、模型全面开源
OpenAI GPT-4o发布强大图片生成能力后,业界对大模型生图能力的探索向全模态方向倾斜,训练全模态模型成研发重点。
221 17
AI大模型训练管理工具:千亿参数时代的指挥中枢
本内容揭示了大模型训练中三大核心挑战:实验复现难、资源利用率低、合规风险高,并提出“三维控制塔”解决方案,涵盖实验管理、资源调度与合规追踪。推荐Immuta + 板栗看板等工具组合助力不同规模团队实现高效、合规、低成本的AI训练。
用户说 | 手把手体验通义灵码 2.0:AI 程序员如何让我从“调参侠”进阶“架构师”?
通义灵码 2.0 是强大的 AI 编程工具,助力开发者从“调参侠”进阶为“架构师”。它支持跨语言开发、智能单元测试生成和图生代码等功能,显著提升开发效率。新增 QwQ 模型具备“代码脑补”能力,可推荐性能优化策略。尽管功能强大,但仍需注意环境隔离与代码审查,避免过度依赖。通义灵码 2.0 不仅是工具,更是开发者的“外接大脑”,帮助应对全栈开发挑战。
136 0
MiniMind:3小时训练26MB微型语言模型,开源项目助力AI初学者快速入门
在大型语言模型(LLaMA、GPT等)日益流行的今天,一个名为MiniMind的开源项目正在AI学习圈内引起广泛关注。项目让初学者能够在3小时内从零开始训练出一个仅26.88MB大小的微型语言模型。
96 1
AI狂飙,程序员饭碗要丢?
AI 编程工具正大幅提升程序员的效率:生成重复性代码(如 CRUD 接口)、解读报错信息加速 Debug、快速生成文档/注释、自动化测试和脚本编写。它们像效率倍增器,让新手更快上手,让老手省去大量“体力活”。 核心冲击在于:​ 单纯编写基础业务逻辑代码(尤其是模式化任务)的价值被稀释,能被 AI 有效替代。 出路是能力跃升,工作重心转移,掌握关键新技能,构筑护城河 本质:​ AI 如同强大新“实习生”。程序员需成为高效“指挥者”——善用 AI 者解决高阶问题腾飞,仅依赖基础编码能力者面临挤压。未来属于驾驭 AI 的程序员。
通义灵码打造企业专属 AI 程序员
本文介绍了AI辅助编码领域的产品形态与发展趋势,重点分析了通义灵码的功能与优势。作为一款IDE插件,通义灵码经历了三个发展阶段,从行级代码补全到Multi-Agent全流程支持,覆盖个人开发者与企业用户需求。其核心功能包括代码智能辅助、私域知识融合及自定义扩展机制,有效提升了研发效率。此外,文章还展示了通义灵码在智能化工具链建设中的探索,如代码评审智能体,并通过趣味项目演示了AI程序员的多步骤协作能力。
上线几天,轻松斩获10k,开源通用AI智能体Suna:一句话自动处理Excel/爬数据/写报告,程序员私人助理诞生!
Suna是由Kortix推出的全球首个开源通用型AI Agent,可通过自然语言对话自动完成浏览器操作、数据分析、系统管理等复杂任务。它具有“执行力”,能像人类员工一样理解指令并操作数字工具,支持自托管保障数据安全,适用于市场分析、学术研究、企业办公等场景。Suna的核心优势在于实现“语言→行动”的转化,适合需要实际操作的任务,如爬虫、报表生成和网站部署。项目地址为:https://github.com/kortix-ai/suna。
183 0
智创 AI 新视界 -- 优化 AI 模型训练效率的策略与技巧(16 - 1)
本文深度聚焦 AI 模型训练效率优化,全面涵盖数据预处理(清洗、归一化、增强)、模型架构(轻量级应用、剪枝与量化)、训练算法与超参数调优(自适应学习率、优化算法)等核心维度。结合自动驾驶、动物图像识别、语音识别等多领域实际案例,佐以丰富且详细的代码示例,深度剖析技术原理与应用技巧,为 AI 从业者呈上极具专业性、可操作性与参考价值的技术宝典,助力高效优化模型训练效率与性能提升。
智创 AI 新视界 -- 优化 AI 模型训练效率的策略与技巧(16 - 1)
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问