过年期间我家小电器们在我最需要他们的时候相继罢工，发生的故事跌宕起伏[打脸]各个厂家处理的方式也大相径庭[并不简单]有的让我气的跳脚，有的让我感动的想哭，有的让我哈哈大笑，现在想来很有意思也很感慨，值得记录。
故事的主角和主要时间线如下：
1. 云鲸 小白鲸 拖地机器人—1月1日大脑瓦特了，春节前收到小对联。2月5日水桶坏了，2月8日收到新水桶，3月初收到赠送的配件大礼包。
2. 极米 H1S 投影仪—1月12日咨询，1月14日寄回维修，1月30日收到原机器。
3. 天猫精灵 CC—1月25日咨询，1月25日寄回维修
，1月29日收到换新的CC8。
先说说这个小白鲸，我真的是非常喜欢，拖地干净还不智障，关键会自己洗拖布！当1月1日屏幕上一只鲸鱼转着圈圈失灵的时候，我是非常恐慌的，后来得知是大脑程序瓦特了跨年跨不过去了[允悲]，断电24小时让它断网重启就好了，我大舒一口气迅速原谅了它，我真是太偏爱它了[偷乐]然后过年期间我竟然收到了一副对联，其中一句是窗明几净地反光，哈哈哈哈要不要这么应景的好笑，还有一个小小的迷你福字，我立马给贴上了，可可爱爱喜喜庆庆，真的很开心。后来2月初水桶又坏了。。。脸上有点挂不住[允悲]我四处给人推荐的小白鲸短时间内总出问题让我打脸[打脸]然而客服确认了照片和序列号迅速给我发了新的水桶，小白鲸又继续勤勤恳恳的工作了，我的怒气还没酝酿起来就消散了[笑哈哈]然后三月初，我就收到了他们的大礼包，清洁剂消毒剂配件之类的满满一小箱，收到这份惊喜我很开心也很感动，我感受到了小白鲸的诚意，我没有支持错鲸，这就是我最爱的小白鲸[好爱哦]
再说说我的投影仪，投影仪是我家布局大改造的关键一员，我们扔掉了电视，打了整墙书柜，投影仪完美的解决了我们偶尔的观影需求。当时也是精挑细选，看中了极米的h1s，当时是他家最好的型号。音响很棒，清晰度也很好，用着也很顺手，至今客观的说的话还是认为机器是很不错的。但没注意从什么时候开始，屏幕出现了一个小白点，后来是三个，后来连成了北斗七星，后来变成了满天星[允悲]本想着下一年就搬新家了，投影仪可能要换，就一直拖着没修。但过年期间疫情又不明朗了，不知道会不会继续宅在家中，想有个好的休闲娱乐体验，决定咨询一下维修。咨询维修费用的时候，客服说不能确定是哪里的问题要寄回检测才知道价格。其实我咨询前百度了一下，应该是一个什么D主板坏了，维修费大概六七百，我感觉可以接受就寄回了。然后等了好久，客服打电话说检测完了就是我之前百度出来的那个什么什么主板坏了维修费用是一千多，具体多少气的我都忘了[允悲]然后我说怎么这么贵啊，客服说那你想多少钱修？神马？我想多少钱，这还能我说了算吗，我想免费你们愿意吗[摊手]客服最后给出的打折后的价格大概是1200左右，我只记得是我预期的两倍。然后我决定不修了，要寄回来，反反复复沟通完毕已经到了1月21日了，焦急的等了好几天，一直等到25日还没有寄回，我再去问的时候客服说又是缺物料啦，又是仓库在搬家啦，维修时间会延长，这些跟我要退回设备有关系么[哼]我说我不修啊，之前就确认好了不修等着寄回的啊！然后又等了一天，26日我终于急眼了，我问不修了寄回来有这么难吗？今天不给我寄回我要去投诉了，他们给我的解释是负责发货的员工今天请假了，请问你们公司就一个人能发货么[怒][怒]最后我收到机器是1月30日。一个小小的投影仪，让我每天费劲去沟通，我付出的时间成本太大了。我之前准备买新投影仪的时候都没考虑过其他品牌，我是想直接买个极米新款的，哪怕那时候我的屏幕是满天星我都没动过别的念头，我可以说是妥妥的极米粉的，结果这无故拖延，百般推脱，和气却疏离的售后让我非常失望。
在1月25日我跟极米客服焦灼的对抗时，我的天猫精灵自己升了个级，然后变哑了[允悲]这算不算祸不单行[打脸]天猫精灵是我儿砸重要的小伙伴，他用它听歌，听故事，给家里各个亲朋好友打电话[允悲]结果现在天猫精灵不会说话了，他非常着急，而对于我，这简直就是火上浇油[打脸]然后我怒气冲冲的找到了客服，客服指导我恢复程序的时候从我拍的视频里迅速的发现了另一个问题，我的天猫精灵充不进去电了，他说让我寄回检测，我一听寄回检测就头大[抓狂]客服安慰我说检测出确实有问题的话会给换个新的，我紧接着竖起了耳朵，神马？换新的，我可是用了好久了，而且鉴于投影仪的经验，我担心这25号才寄回的机器我怕是年前收不到换新了，但也没办法，毕竟已经坏了毕竟还有可能换个新的，就当天寄回去了，从我寄出到他们收到货到检测完毕到跟我沟通一下cc没货了给我换个cc8到我29日梦幻般的收到货，只用了短短5天！我感动的都要哭了，这特么比投影仪回来的还早[打脸]
这集中的三次售后让我感慨良多，这种小家电，技术壁垒薄弱，相似产品很多，外观性能质量都差不多的前提下，售后服务确实可以说是相当重要的部分了。产品价值低，产品迭代快就可以不重视售后了嘛？不是的，产品总是有使用寿命的，好的服务可以决定我们换新的时候会不会换品牌，真心希望自己精挑细选的产品，对得起我们的偏爱。
故事的主角和主要时间线如下：
1. 云鲸 小白鲸 拖地机器人—1月1日大脑瓦特了，春节前收到小对联。2月5日水桶坏了，2月8日收到新水桶，3月初收到赠送的配件大礼包。
2. 极米 H1S 投影仪—1月12日咨询，1月14日寄回维修，1月30日收到原机器。
3. 天猫精灵 CC—1月25日咨询，1月25日寄回维修
，1月29日收到换新的CC8。
先说说这个小白鲸，我真的是非常喜欢，拖地干净还不智障，关键会自己洗拖布！当1月1日屏幕上一只鲸鱼转着圈圈失灵的时候，我是非常恐慌的，后来得知是大脑程序瓦特了跨年跨不过去了[允悲]，断电24小时让它断网重启就好了，我大舒一口气迅速原谅了它，我真是太偏爱它了[偷乐]然后过年期间我竟然收到了一副对联，其中一句是窗明几净地反光，哈哈哈哈要不要这么应景的好笑，还有一个小小的迷你福字，我立马给贴上了，可可爱爱喜喜庆庆，真的很开心。后来2月初水桶又坏了。。。脸上有点挂不住[允悲]我四处给人推荐的小白鲸短时间内总出问题让我打脸[打脸]然而客服确认了照片和序列号迅速给我发了新的水桶，小白鲸又继续勤勤恳恳的工作了，我的怒气还没酝酿起来就消散了[笑哈哈]然后三月初，我就收到了他们的大礼包，清洁剂消毒剂配件之类的满满一小箱，收到这份惊喜我很开心也很感动，我感受到了小白鲸的诚意，我没有支持错鲸，这就是我最爱的小白鲸[好爱哦]
再说说我的投影仪，投影仪是我家布局大改造的关键一员，我们扔掉了电视，打了整墙书柜，投影仪完美的解决了我们偶尔的观影需求。当时也是精挑细选，看中了极米的h1s，当时是他家最好的型号。音响很棒，清晰度也很好，用着也很顺手，至今客观的说的话还是认为机器是很不错的。但没注意从什么时候开始，屏幕出现了一个小白点，后来是三个，后来连成了北斗七星，后来变成了满天星[允悲]本想着下一年就搬新家了，投影仪可能要换，就一直拖着没修。但过年期间疫情又不明朗了，不知道会不会继续宅在家中，想有个好的休闲娱乐体验，决定咨询一下维修。咨询维修费用的时候，客服说不能确定是哪里的问题要寄回检测才知道价格。其实我咨询前百度了一下，应该是一个什么D主板坏了，维修费大概六七百，我感觉可以接受就寄回了。然后等了好久，客服打电话说检测完了就是我之前百度出来的那个什么什么主板坏了维修费用是一千多，具体多少气的我都忘了[允悲]然后我说怎么这么贵啊，客服说那你想多少钱修？神马？我想多少钱，这还能我说了算吗，我想免费你们愿意吗[摊手]客服最后给出的打折后的价格大概是1200左右，我只记得是我预期的两倍。然后我决定不修了，要寄回来，反反复复沟通完毕已经到了1月21日了，焦急的等了好几天，一直等到25日还没有寄回，我再去问的时候客服说又是缺物料啦，又是仓库在搬家啦，维修时间会延长，这些跟我要退回设备有关系么[哼]我说我不修啊，之前就确认好了不修等着寄回的啊！然后又等了一天，26日我终于急眼了，我问不修了寄回来有这么难吗？今天不给我寄回我要去投诉了，他们给我的解释是负责发货的员工今天请假了，请问你们公司就一个人能发货么[怒][怒]最后我收到机器是1月30日。一个小小的投影仪，让我每天费劲去沟通，我付出的时间成本太大了。我之前准备买新投影仪的时候都没考虑过其他品牌，我是想直接买个极米新款的，哪怕那时候我的屏幕是满天星我都没动过别的念头，我可以说是妥妥的极米粉的，结果这无故拖延，百般推脱，和气却疏离的售后让我非常失望。
在1月25日我跟极米客服焦灼的对抗时，我的天猫精灵自己升了个级，然后变哑了[允悲]这算不算祸不单行[打脸]天猫精灵是我儿砸重要的小伙伴，他用它听歌，听故事，给家里各个亲朋好友打电话[允悲]结果现在天猫精灵不会说话了，他非常着急，而对于我，这简直就是火上浇油[打脸]然后我怒气冲冲的找到了客服，客服指导我恢复程序的时候从我拍的视频里迅速的发现了另一个问题，我的天猫精灵充不进去电了，他说让我寄回检测，我一听寄回检测就头大[抓狂]客服安慰我说检测出确实有问题的话会给换个新的，我紧接着竖起了耳朵，神马？换新的，我可是用了好久了，而且鉴于投影仪的经验，我担心这25号才寄回的机器我怕是年前收不到换新了，但也没办法，毕竟已经坏了毕竟还有可能换个新的，就当天寄回去了，从我寄出到他们收到货到检测完毕到跟我沟通一下cc没货了给我换个cc8到我29日梦幻般的收到货，只用了短短5天！我感动的都要哭了，这特么比投影仪回来的还早[打脸]
这集中的三次售后让我感慨良多，这种小家电，技术壁垒薄弱，相似产品很多，外观性能质量都差不多的前提下，售后服务确实可以说是相当重要的部分了。产品价值低，产品迭代快就可以不重视售后了嘛？不是的，产品总是有使用寿命的，好的服务可以决定我们换新的时候会不会换品牌，真心希望自己精挑细选的产品，对得起我们的偏爱。
GPT-3：一个新应用生态系统诞生了。
「某个应用程序用2个基于GPT-3的机器人相互辩论。这是YouTube用户 Bakz T. Future剖析的14个GPT-3应用程序之一。」
GPT-3以其庞大的规模成为OpenAI令人印象深刻的自然语言处理（NLP）模型。Transformer encoder-decoder模型之间由超过1,750亿个被称为参数的单词之间的加权值连接，将其15亿个参数的前身GPT-2打的落花流水。您只要输入要执行的任务的几个示例，该模型就能够生成令人惊奇的类似于人类撰写的文本。
它于2020年发布时占据了头条新闻。人们争先恐后地排队，以期访问OpenAI的云服务上托管的API。现在，在过了几个月之后，随着越来越多的用户（包括我自己）获得了API的访问权限。每天都会出现新的有意思的应用程序和用户案例。例如，Debuild.co上有一些非常有趣的演示，您可以在其中通过使用简单的英语给程序输入一些简单的说明来构建应用程序。
经过广泛的报道，GPT-3是否会成为NLP应用生态系统赖以生存的基石，或者还会有新的更强大的NLP模型脱颖而出，依然是个问题。为适应企业设想和设计NLP应用程序的需要，这里介绍一下GPT-3及其潜在的生态系统。
GPT-3和NLP军备竞赛
正如我过去描述的那样，实际上有两种预训练NLP模型的方法：通用NLP模型和非通用NLP模型。
非通用的方法具有与已知用例相符的特定预训练目标。基本上，这些模型更为深入而且更小巧。训练数据更为聚焦，而非采用海量数据集。Google的PEGASUS模型就是一个例子。该模型专门为生成文本摘要而构建。PEGASUS在与预期目的非常相似的数据集上进行了预训练。然后在文本摘要数据集上进行微调，从而提供了更好的结果。非通用方法的好处在于，它可以显着提高特定任务的准确性。而且也比通用模型灵活得多，但仍需要大量训练示例才能获得准确性。
相比之下，通用的方法应用范围很广。这是因为GPT-3的1,750亿个参数在起作用，并且基本上是在整个Internet上进行了预训练。这使GPT-3只需执行几个示例就可以执行任何NLP任务，尽管其准确性并不总是很理想。实际上，OpenAI团队强调了通用预训练的局限性，甚至认为GPT-3在“文本合成方面存在明显的弱点”。
OpenAI认为在精度问题上，模型越大越好。竞争对手已经注意到模型的每个版本都将参数数量增加几个数量级。Google研究人员最近发表了一篇论文，重点介绍了具有1.6万亿个参数的Switch Transformer NLP模型。这个疯狂的数字可能意味着我们将看到一场通用模型的军备竞赛。虽然这两个通用模型已经很大了，别忘了微软还拥有170亿个参数的Turing-NLG，且可能也希望加入军备竞赛。当您认为训练GPT-3花费OpenAI高至1200万美元时，军备竞赛可能会导致模型训练费用变得更加昂贵。
有前途的GPT-3应用
从应用程序生态系统的角度来看，GPT-3的灵活性使其具有吸引力。您可以使用它来完成您可以用语言想象的任何事情。可以看到的是，初创公司已经开始探索使用GPT-3为下一代NLP应用程序提供动力。这个链接是Cherry Ventures的Alex Schmitt编写的很有意思的GPT-3产品列表。
这些应用程序中有许多是面向消费者的，例如“情书生成器”，但是还有更多的技术应用程序，例如“ HTML生成器”，是面向企业的。当企业考虑如何以及在何处将GPT-3纳入其业务流程时，医疗保健，财务和视频会议会是其中最有希望的早期使用案例。
对于医疗，金融服务和保险行业的企业来说，减少研究人员的工作量是一项巨大的需求。这些领域中的数据呈指数增长，面对这种增长高峰，要保持行业中的领先地位变得异常困难。基于GPT-3的NLP应用程序可以抓取最新的报告，论文，结果等，并根据上下文总结主要观点，从而节省研究人员大量宝贵时间。
随着在新冠疫情大流行，视频会议和远程医疗变得越来越重要，我们已经看到用于视频会议的NLP工具的需求快速增长。GPT-3提供了不仅是编写单个会议的脚本和做笔记的能力，而且还可以生成“太长；无需阅读”的摘要。
企业和初创企业如何建立竞争壁垒
尽管有这些令人鼓舞的用例，但GPT-3应用程序生态系统的主要障碍是模仿者可以轻松复制使用GPT-3的API开发的任何应用程序。
使用GPT-3的API的每个人都将获得针对相同数据进行预训练的相同NLP模型，因此唯一的区别是企业利用它来精调数据以适用于专门化用例。您使用的数据调整得越精细，越能显示出结果的与众不同也越精致。
这是什么意思？拥有比竞争对手更多的用户或更多数据的大企业将更好地利用GPT-3提供的服务。GPT-3不会导致颠覆性的创业公司。但凭借现有的优势，它将允许企业和大型企业优化其产品。
这对企业和初创公司发展意味着什么？
使用GPT-3的API构建的应用程序才刚刚开始触及可能的用户案例。我们尚未看到开发出有趣的概念验证的生态系统。这样的生态系统如何挣钱和成熟发展仍然是一个悬而未决的问题。
在这种情况下进行差异化需要进行微调，所以我希望企业在某些NLP任务中采用GPT-3的通用化模型，而对于更具体的NLP任务则使用非通用模型（例如PEGASUS）。
此外，随着大型NLP参与者之间参数数量的指数增长，我们可以看到用户在生态系统之间的转移，取决于竞争中谁处于领先地位。
无论GPT-3应用程序生态系统是否成熟，或者是否已被其他NLP模型所取代，企业都应该对创建高度有效的NLP模型变得相对容易而感到兴奋。他们应该探索用例，并考虑如何利用市场中的地位来快速改善客户用户体验，并增强业务流程。
原文链接：https://t.cn/A6tCnNCh
- End -
「某个应用程序用2个基于GPT-3的机器人相互辩论。这是YouTube用户 Bakz T. Future剖析的14个GPT-3应用程序之一。」
GPT-3以其庞大的规模成为OpenAI令人印象深刻的自然语言处理（NLP）模型。Transformer encoder-decoder模型之间由超过1,750亿个被称为参数的单词之间的加权值连接，将其15亿个参数的前身GPT-2打的落花流水。您只要输入要执行的任务的几个示例，该模型就能够生成令人惊奇的类似于人类撰写的文本。
它于2020年发布时占据了头条新闻。人们争先恐后地排队，以期访问OpenAI的云服务上托管的API。现在，在过了几个月之后，随着越来越多的用户（包括我自己）获得了API的访问权限。每天都会出现新的有意思的应用程序和用户案例。例如，Debuild.co上有一些非常有趣的演示，您可以在其中通过使用简单的英语给程序输入一些简单的说明来构建应用程序。
经过广泛的报道，GPT-3是否会成为NLP应用生态系统赖以生存的基石，或者还会有新的更强大的NLP模型脱颖而出，依然是个问题。为适应企业设想和设计NLP应用程序的需要，这里介绍一下GPT-3及其潜在的生态系统。
GPT-3和NLP军备竞赛
正如我过去描述的那样，实际上有两种预训练NLP模型的方法：通用NLP模型和非通用NLP模型。
非通用的方法具有与已知用例相符的特定预训练目标。基本上，这些模型更为深入而且更小巧。训练数据更为聚焦，而非采用海量数据集。Google的PEGASUS模型就是一个例子。该模型专门为生成文本摘要而构建。PEGASUS在与预期目的非常相似的数据集上进行了预训练。然后在文本摘要数据集上进行微调，从而提供了更好的结果。非通用方法的好处在于，它可以显着提高特定任务的准确性。而且也比通用模型灵活得多，但仍需要大量训练示例才能获得准确性。
相比之下，通用的方法应用范围很广。这是因为GPT-3的1,750亿个参数在起作用，并且基本上是在整个Internet上进行了预训练。这使GPT-3只需执行几个示例就可以执行任何NLP任务，尽管其准确性并不总是很理想。实际上，OpenAI团队强调了通用预训练的局限性，甚至认为GPT-3在“文本合成方面存在明显的弱点”。
OpenAI认为在精度问题上，模型越大越好。竞争对手已经注意到模型的每个版本都将参数数量增加几个数量级。Google研究人员最近发表了一篇论文，重点介绍了具有1.6万亿个参数的Switch Transformer NLP模型。这个疯狂的数字可能意味着我们将看到一场通用模型的军备竞赛。虽然这两个通用模型已经很大了，别忘了微软还拥有170亿个参数的Turing-NLG，且可能也希望加入军备竞赛。当您认为训练GPT-3花费OpenAI高至1200万美元时，军备竞赛可能会导致模型训练费用变得更加昂贵。
有前途的GPT-3应用
从应用程序生态系统的角度来看，GPT-3的灵活性使其具有吸引力。您可以使用它来完成您可以用语言想象的任何事情。可以看到的是，初创公司已经开始探索使用GPT-3为下一代NLP应用程序提供动力。这个链接是Cherry Ventures的Alex Schmitt编写的很有意思的GPT-3产品列表。
这些应用程序中有许多是面向消费者的，例如“情书生成器”，但是还有更多的技术应用程序，例如“ HTML生成器”，是面向企业的。当企业考虑如何以及在何处将GPT-3纳入其业务流程时，医疗保健，财务和视频会议会是其中最有希望的早期使用案例。
对于医疗，金融服务和保险行业的企业来说，减少研究人员的工作量是一项巨大的需求。这些领域中的数据呈指数增长，面对这种增长高峰，要保持行业中的领先地位变得异常困难。基于GPT-3的NLP应用程序可以抓取最新的报告，论文，结果等，并根据上下文总结主要观点，从而节省研究人员大量宝贵时间。
随着在新冠疫情大流行，视频会议和远程医疗变得越来越重要，我们已经看到用于视频会议的NLP工具的需求快速增长。GPT-3提供了不仅是编写单个会议的脚本和做笔记的能力，而且还可以生成“太长；无需阅读”的摘要。
企业和初创企业如何建立竞争壁垒
尽管有这些令人鼓舞的用例，但GPT-3应用程序生态系统的主要障碍是模仿者可以轻松复制使用GPT-3的API开发的任何应用程序。
使用GPT-3的API的每个人都将获得针对相同数据进行预训练的相同NLP模型，因此唯一的区别是企业利用它来精调数据以适用于专门化用例。您使用的数据调整得越精细，越能显示出结果的与众不同也越精致。
这是什么意思？拥有比竞争对手更多的用户或更多数据的大企业将更好地利用GPT-3提供的服务。GPT-3不会导致颠覆性的创业公司。但凭借现有的优势，它将允许企业和大型企业优化其产品。
这对企业和初创公司发展意味着什么？
使用GPT-3的API构建的应用程序才刚刚开始触及可能的用户案例。我们尚未看到开发出有趣的概念验证的生态系统。这样的生态系统如何挣钱和成熟发展仍然是一个悬而未决的问题。
在这种情况下进行差异化需要进行微调，所以我希望企业在某些NLP任务中采用GPT-3的通用化模型，而对于更具体的NLP任务则使用非通用模型（例如PEGASUS）。
此外，随着大型NLP参与者之间参数数量的指数增长，我们可以看到用户在生态系统之间的转移，取决于竞争中谁处于领先地位。
无论GPT-3应用程序生态系统是否成熟，或者是否已被其他NLP模型所取代，企业都应该对创建高度有效的NLP模型变得相对容易而感到兴奋。他们应该探索用例，并考虑如何利用市场中的地位来快速改善客户用户体验，并增强业务流程。
原文链接：https://t.cn/A6tCnNCh
- End -
【从行业黑马到细分市场佼佼者，优艾智合机器人靠什么脱颖而出？】优艾智合机器人始终秉承“深入场景才能迸发创新和持续的生命力”这一发展理念，扎根于精密制造与能源行业下的细分垂直场景，利用技术优势形成的时间窗口期逐步构建业务壁垒，助力产业智能升级。其次是打造移动机器人产品到软件应用的解决方案闭环。张朝辉认为：“未来机器人行业的竞争，不仅是机器人场景覆盖能力的竞争，也是机器人算法与软件系统的竞争。”在工业AMR基础上，优艾智合机器人针对不同场景提供了从“底”到“顶”的解决方案，以一套标准的移动机器人底盘，形成N种集成形态，在强大软件系统能力支持下赋能细分行业。
https://t.cn/A65e46UX
https://t.cn/A65e46UX
✋热门推荐