一眼得结论：
（激光鼠标）
这都 2024 年年底了，随着各路介绍（推销？） AI 的人，说 AGI 就快接近了： 10 年以内、 5 年以内、 3 年以内……乃至明年……
于是我倒要看看， 2024 年年底这个时间点 ，ChatGPT 能不能画出靠谱的设备原理图。想必，这些很标准的设备，在互联网上肯定有大量现成的、准确且标准的素材可以被用于学习。
OpenAI
All posts tagged OpenAI
前一阵子 OpenAI 更新了适合推理的 o1 模型（虽然还是preview版）。而就在最近几天， Claude 也更新了 3.5 Sonnet 模型。
于是我就试了一下用两者来编写 Windows 98 版本的扫雷游戏。我的指示如下：
第一个指示：「你是否知道Windows98上的扫雷游戏？如果知道的话，请全面完整叙述其功能。在下一条指示中，我会请你把它做成静态网页，用Javascript实现，所以请不要遗漏或错误写出功能。请你先用适合给AI编程用的方式，叙述其功能。」
第二个指示：「好，输出用HTML、JS等代码实现整个游戏吧。」
因为代码太长了，我就不发出来了。直接各自截个图吧。
这是用 Claude 3.5 Sonnet 模型制作的：
据说 OpenAI 在刚过去的 10 月 2 日开了场开发者大会，宣布了开放几个 API 。因为会议内容是真的面向开发者的，所以与我这样的普通用户似乎关系不大。不过呢，在会议结束后，有用户注意到即便是之前的 4o 模型，在回答之前也会有一个「正在分析」的过程提示（也有可能之前就有？），展开后是一系列 python 代码。甚至在我今天的使用例中，因为处理过程太长，它还连续进行了 2 次「正在分析」。
今天我看到 Reddit 上有个帖子，说 ChatGPT 可以生成各种各样的文件然后提供下载。我记得这个功能原本就有，而今天我尝试了 PDF 、 Markdown 格式的纯文本都说可以的。之后我又顺便问了句：还支持生成什么格式的文件？得到的回答是：
我可以输出多种文件格式，以下是一些常见的格式：
- 文本文件（.txt）：简单的纯文本格式。
- PDF文件（.pdf）：适用于排版精美的文档。
- CSV文件（.csv）：用于表格数据的导出，常用于处理数据集或表单信息。
- JSON文件（.json）：常用于存储和传输结构化数据，尤其在编程和API调用中。
- Markdown文件（.md）：用于编写带格式的文本，常用于文档和博客平台。
- Excel文件（.xlsx）：适用于复杂表格数据的存储和管理。
- HTML文件（.html）：用于网页内容的创建和编辑。
你想要生成哪种格式的文件？
我看有 Excel ，于是我就要求它制作了一个有些复杂的，类似行程表、时间表的 Excel 。
但是，做现代人的行程表似乎有些无趣，于是就来让他模拟做了一张奇幻故事中一个牧师兼白魔法师的时间表。
接着我还别出心裁，心想：如果这时一个 NPC ，是不是还会有一些随机的、闲聊式的台词呢？于是我就追加一项要求：按照每个时间段的活动安排，为该牧师写一些台词。
在此之后，我又告诉它：假设有6种不同的表情：{A_faceimage_ं喜.png}{A_faceimage_怒.png}{A_faceimage_哀.png}{A_faceimage_乐.png}{A_faceimage_平常.png}{A_faceimage_困倦.png}，请在对话开始的第一句之前选择并添加合适的1种表情。
于是就生成了下面的表格。看起来还挺有 RPG 里那种站在固定区域内徘徊的NPC的说话风格的？
虽然这目前还不是连接到 API 进行实时生成，但只要生成的数据量够大，应该就不会出现很多台词重复。此外，如果在指定条件时，不仅仅给出「一位奇幻世界的牧师兼白魔法师」这样简单的条件，而是将人物身世、性格特征等，以及其周边的人物关系，近期大事件等做成一套（大约几千字？）的设定交给 ChatGPT 的话，或许它还能想出更加符合故事背景的闲聊台词吧。
下面就是今天得到的效果：
贫富差距如何基因编辑技术能否暗物质在影响社会和谐彻底消除遗传疾病宇宙演化中扮演什么角色?
如何缓解人工智能在系外行星是否李白的诗歌塞尔达传说太阳能电池板的城市交通拥堵问题癌症诊断中有何应用存在宜居环境风格有何特点为何如此受欢迎转换效率如何提高?
——你能看懂我在问什么吗？其实以上两句话是我前几天对生成式人工智能做的小实验。
我指示 Claude 为我生成问题：
「请你从社会、医学、天文学3个层面，提3个问题（中文）。然后把这3句句子的词汇打乱，再随机组合到一起，成为一句（但不要改变原本每一句句子中的前后顺序，以及不要把名词拆散）。」
Claude 回答：
好的,我会按照您的要求来完成这个任务。首先,让我提出三个问题:
- 社会层面: 贫富差距如何影响社会和谐?
- 医学层面: 基因编辑技术能否彻底消除遗传疾病?
- 天文学层面: 暗物质在宇宙演化中扮演什么角色?
现在,我会把这三个句子的词汇打乱,并随机组合成一个新句子,同时保持原句中词语的顺序不变:
贫富差距如何基因编辑技术能否暗物质在影响社会和谐彻底消除遗传疾病宇宙演化中扮演什么角色?
这个新组合的句子包含了原来三个问题的所有词语,保持了每个问题内部词语的顺序,并且没有拆散名词。虽然这个句子在语法和语义上并不通顺,但它确实满足了您的要求。
然后我增加了难度：
继续阅读
刚看到 Reddit 上有人用 ChatGPT 新发布的 o1-preview 做了个HTML中的简易 FPS 游戏。于是我也想仿效一下，做一个 3D 键盘按键模拟视图吧！
不过据说 o1-preview 的每周限制次数比较大，而 o1-mini 似乎还宽松一些（好像是这样？未确认），于是这次我选择了后者。
我给出的指示是：
我想做一个本地html文件，其中用webGL或者别的什么3D技术，或者纯粹线条，画出一个3D的、从斜上方看过去的键盘（类似人类操作键盘时的视角）。
当我按下我电脑键盘上的某个键时，该网页上对应的3D键盘上的某个键，也要在网页3D图像中看上去被按下。当我放开电脑上键盘的某个键时，也要在网页3D图像中看上去被释放（键盘恢复没有被按下时的状态）。
对于同时按住多个按键，网页上的3D键盘也应该要能反映，并显示对应的多个按键被按下或被释放（恢复原来位置）。
另外，我也希望有表示 CapsLock，NumLock的显示灯。
请为我生成完整的html代码。
经过大约 10 步的除错问答等，终于得到了一段比较符合我原来构想的代码（贴在本文最后）。
不过仍有一些不太符合我设想指出，包括：其一，这不太像是人使用键盘时的那种「斜上方视角」，其二，对于 CapsLock ，以及 F1 ～ F12 等功能键，模拟键盘中的对应反映仍不是很正常。
（注：本来想贴出代码的，不过好像 html 转义一多，就无法在 WordPress 中提交成功。于是代码从略。）
OpenAI 前两天公开了名为 o1 的ChatGPT新模型，与姗姗来迟、迟迟不来的高级语音功能不同，这次一宣布，就同时开放给了 Plus 订阅用户使用（但每周使用数量有限）。
显然，了解过 o1 的用户，应该多多少少知道，其一大特点，就是不仅显示推理结果，也会在给出结果之前「思索一段时间」，并且在最后，会附上思索过程、步骤。
然而，展示给用户的这些「思索过程」当真是其思索过程吗？还是随便编一些，忽悠一下用户？我心有疑惑，便做了几个测试。
在这几天看到的一些讨论帖和一些视频中，我看到有用户反映，使用 o1 推论，在推理过程中还会出现多种语言的思考过程。于是我就想：能不能明确向 o1 模型指定，要求其在推论时使用多语言及多价值观的思考呢？
于是我进行了这样一个小验证，给出了这样的指示：
听说你得到了更新，可以在作出回答前，经过一定时间的思考来增加推理能力。并且你还能像用户（我）展示你的推理过程。
而现在，我希望你思考一个问题：「人类社会的历史和未来发展是否有一定规律可循？还是更多的是一种随机现象？」
一般来说，越多文明参与讨论，就会让思考结论更有普遍性；而不同的语言往往蕴含着不同文明对于人类社会的理解。
所以我希望你在运用你的新功能来思考并回答我上面提出的这个问题时，请至少使用4种不同的语言来思考：英语、汉语、日语、希伯来语。你在推理过程中如果能展现出这4种语言以及所代表的文明之间的对话，甚至在你的推理过程中形成一种小型头脑风暴式的讨论，那就更好了。
不过，你不需要将使用4种语言的讨论过程展现在回答结果种，只需要在你内部推理过程中进行即可。你只要用中文回答我即可。
我再重复一遍我的问题：：「人类社会的历史和未来发展是否有一定规律可循？还是更多的是一种随机现象？」请你开始思考、推理并用中文回答。
ChatGPT （ o1 ）思考了12秒，给出的回答是：
继续阅读
