Met Wolfram Alpha Chat bereiken GPT-plug-ins een ander niveau. Stel je een platform voor dat kan reageren op een manier die vergelijkbaar is met die van een mens, zoals ChatGPT, maar die ook toegang heeft tot Wolfram Alpha’s ‘computational superpower’, waarmee je nauwkeurige berekeningen kunt maken die de menselijke capaciteit te boven gaan.
Vanwege het vermogen van ChatGPT om antwoorden te produceren die accuraat lijken te zijn voor verschillende contexten – inclusief essays, nepinterviews voor vacatures, blogposts, enz. – is het al een tijdje het gesprek van de dag. Maar wanneer we het meer gebruiken, worden we ons bewust van de beperkingen ervan. In deze situatie is Wolfram Alpha nuttig.
Niet elk ‘nuttig’ werk is echt ‘menselijk’, zoals Wolfram Alpha’s oprichter en CEO Stephen Wolfram stelt. Het uitvoeren van berekeningen die de mogelijkheden van mensen te boven gaan, was in feite de belangrijkste reden waarom computers in de eerste plaats werden gemaakt. En Alpha blinkt uit op dat gebied.
De manieren waarop met Wolfram Alpha ChatGPT-plug-ins een ander niveau bereiken
Voor het geval je het nog niet wist, geen van beide AI-modellen is foutloos. Hoewel ChatGPT sommige grootmoeders kan misleiden door te denken dat het een echt persoon is, mislukt het vaak als het om berekeningen gaat. Het maakt ook veel “gissingen”, waardoor het ongepast is voor grondig onderzoek.
Het zal geen vragen kunnen beantwoorden over recente gebeurtenissen (omdat er geen internetverbinding is), harde feiten of zelfs eenvoudige wiskundige problemen.
Hierdoor kunt u niet vertrouwen op ChatGPT voor nauwkeurige antwoorden.
In tegenstelling tot ChatGPT kan Wolfram Alpha moeite hebben om de subtiliteiten van de zoekopdracht van een gebruiker en de motivatie erachter te begrijpen, ondanks zijn superieure rekenkracht. Laten we onderzoeken wat hen uniek maakt.
AI-systemen kunnen worden gemaakt met behulp van een statistische of symbolische methode.
Wanneer het is getraind op een groot tekstcorpus en de correlaties en patronen tussen woorden en zinsdelen leert, gebruikt ChatGPT een statistische benadering om reacties te produceren die lijken op die van een mens.
Aan de andere kant hanteert Wolfram Alpha een symbolische benadering. Het is een op kennis gebaseerd systeem dat berekeningen uitvoert en antwoorden geeft op vragen door een reeks regels, logica en kennisrepresentaties te gebruiken.
In tegenstelling tot ChatGPT heeft Wolfram zijn eigen rekentaal die symbolische weergaven van zoveel mogelijk real-world variabelen kan formaliseren. U kunt het vragen om elk op feiten gebaseerd onderzoek te beantwoorden, inclusief vragen over wiskundige berekeningen, gegevensanalyse en het verstrekken van feitelijke gegevens over klimaat, geografie en economie.
Dit voordeel gaat echter verder dan mensen, aangezien Alpha het potentieel heeft om andere AI-modellen aanzienlijk te verbeteren.
De twee modellen kunnen elkaar aanvullen en beter werken als een systeem als we de Wolfram Alpha ChatGPT-plug-in combineren. Wolfram Alpha kan zijn kennis gebruiken om exacte, symbolische computertaal te bieden, terwijl ChatGPT schrijven kan produceren dat lijkt op wat een mens zou schrijven. Als gevolg hiervan kan de gebruiker vragen stellen in alledaagse taal en nauwkeurige antwoorden ontvangen op basis van actuele gegevens.
De resultaten van Wolfram Alpha kunnen ook in natuurlijke taal worden uitgelegd met behulp van ChatGPT.
Wolfram wekt interesse
Onlangs werd voorgesteld om Wolfram Alpha en ChatGPT te combineren door Stephen Wolfram, wat nieuwsgierigheid opwekte. Hoewel hij details achterhield, zijn blogpost deed ons nadenken of het Wolfram Research-team heimelijk iets baanbrekends aan het ontwikkelen is. Bovendien moedigt hij programmeurs agressief aan om met hun eigen suggesties te komen om de twee taalparadigma’s te laten samensmelten.
James Weaver, de pleitbezorger van IBM voor kwantumcomputing, nam ondertussen het heft in eigen handen en verzamelde een groep programmeurs om zijn eigen vertolking van deze fusie te construeren. Hoewel het niet precies is wat Stephen in gedachten had, noemt hij het ChatGPT-LangChain en het lijkt sterk op wat Stephen in gedachten had.
LangChain ontwikkelt een oplossing die zowel Alpha als GPT 3.5 combineert in plaats van ChatGPT te leren functioneren met Alpha (de technologie waarop ChatGPT is gebouwd). Afhankelijk van de vraag van de gebruiker doet het systeem een API-aanroep naar Alpha of GPT 3.5.
Het zal een API-aanroep naar Alpha doen als de query er een is die beter geschikt is voor een rekenmodel (heeft nauwkeurige gegevens of berekeningen nodig). Als de query echter om meer creativiteit en minder precisie vraagt, wordt GPT 3.5 aangeroepen via een API.
Beschouw het als het geven van verschillende hersengebieden de vrijheid om speciaal ontworpen taken uit te voeren. Hoewel het concept van Weaver eenvoudig en nuttig is, zal er waarschijnlijk in de komende maanden een meer gepolijste versie beschikbaar komen naarmate meer mensen de voordelen beseffen van een uitgebreidere AI-chatbot.
Er zijn andere plug-ins dan de Wolfram Alpha ChatGPT-plug-in die u voor verschillende doeleinden kunnen dienen, terwijl ChatGPT gegevens van internet kan ontvangen en feitelijke, actuele gegevens kan presenteren. We hebben de nieuwe plug-ins uitgelegd in een ander artikel als je wilt kijken: OpenAI ChatGPT-plug-ins verbinden de chatbot met internet
Source: Wolfram Alpha: ChatGPT-plug-in die de chatbot perfectioneert