随后微软宣布其新必应已经使用了GPT-4。
具体性能提升多少倍不好说，但新必应的速度和回答内容的提高却是明眼可辨的。
同一个问题，这张图片是ChatGPT的回答，可谓是堂堂正正。
这是新必应初推出时的回答，还只不过是搜索引擎的汇总而已。
而这是今天新必应的最新答案。
只不过，怎么看的这么眼熟呢？
显然如之前猜测，ChatGPT会根据自己的回答与用户的反馈，进行再学习。这类似于围棋AI左右互搏的自训练。
而微软作为OpenAI的金主股东，引擎集成ChatGPT的同时，自然也可以享用ChatGPT的训练结果。所谓GPT-4的高效，应该也离不开这种高效知识的获取。
0人点赞
今天一位朋友的ChatGPT出了点问题，最后采用排除法推测，应该是单个chat内容过多，导致“爆库”。
ChatGPT是使用页面左边的chat栏新增、管理chat，而这里面每个chat单元是独立不互通的。比如你在一个栏目里告诉AI，你是我侄子，交流过程中，没准长尊有序的他会突然喊你一声叔。但如果切换到另一个chat中，他就六亲不认了。
集成了ChatGPT的新必应则要简陋多每个交流框字数限制为2000，且没有chat单元，而是通过交流框左边的新话题按钮来切换。不过这个按钮的图标是一个扫把，寓意不言而喻。同时它也会提示：“好了，我已经为新的对话重置了我的大脑。你现在想聊些什么?”
此外不用担心新必应会爆库，聊不了多少他就会强行重置它的大脑了。终究难改搜索引擎本色。
自从上次DBeaver CE在跨数据库数据迁徙中大发神威，它也就成为我的关系型数据库客户端首选。
不过使用起来，也就是一些零打碎敲的数据处理，从上周末开始进行数据库的大操作，本以为dbeaver可以再战雄风了，谁知道用起来才发现，随着版本升级，原先那神级表现的功能不见了，界面倒是越来越花哨，层级多的让鼠标都迷路。最可气的是，略微大一些的数据导入，居然数次内存错误死机了！
最后不得不又将小巧简陋的heidisql请出来，完成这个简单工作。
相比heidisql数据库连接后的单页面操作，dbeaver是把数据库连接放在最醒目的左上，还时不时来个主动连接，操作时候真是担心点错了数据库。
最后发现，繁复的标签页，方便的反而是数据表中简单的操作了，这倒显出对heidisql的优势了。
看来ce版就是ce版，免费的功能强大了谁还用专业版。
昨天晚上还是将深度学习机器的系统又换回ubuntu22.04，毕竟技术总是进步的，不能削足适履。
同时把cuda的版本确定为11.x的最新版本，虽然NVIDIA默认推荐版本为12。以cuda为基准，把CUDNN、TensorRT也升级到相应的最新版本，算是把场地舞台搭建好了，就等着训练检验了。
今天回家趁着备份服务器的时间，又试着编译了了一下最新版的katago。自从使用GPU云服务后，就从没有编译成功过，前几天搞得我心灰意懒的也是它。
不过，今天顺利得很。
可能期望值低的原因，也可能挫折受多了，这次老老实实按照NVIDIA的安装说明一步步安装，期间没有遇到什么波折，程序编译成功了，然后运行也没有再出现那熟悉的错误提示。
由此看来，katago作者在github上所说的环境版本，也是以cuda11.2为基准的，而成功的关键就在版本相符，而不必是盲目一致。
在bing推出集成了ChatGPT的新版本新必应后，我也使用微软账号提交了注册申请，但被提示在候补行列中。
今天使用bing的时候，看到自己可以使用新必应的提示，但需要打开edge才能使用，真是肥水一点不流外人田啊。
提问了一个已经得到ChatGPT答案的问题：历史围棋名局的定义标准是。
新必应提供答案速度倒很快，并在答案中用数字标注了答案来源。
只是这文抄公般复制粘贴的答案，实在没法跟原版ChatGPT那堂堂正正、冠冕堂皇的答案相比。
毕竟必应是搜索引擎，哪怕是千分之一的市场占有率提升的背后，也是广告带来的滚滚红利。
估计下周发布的百度也是如此。
昨晚安装机器顺利，但调试系统始终磕磕绊绊，主要原因是各种系统需要运行的计算平台、运行库的版本存在差异，甚至冲突。
而最为突出的就是cuda，以katago为例，即便同为11版本，11.2与11.3下编译的程序就无法兼容。
今天晚上同样焦头烂额，不过也有所得。那就是发现NVIDIA的教程虽然版面简陋，但写的的确详细明了，即便发行的专业书籍也不过如此。
此外因为反复下载驱动及程序，那官网的速度真是飞一般急速。
看来人家黄厂长能挣大钱不是没有道理，也舍得本钱啊！至于后面尾灯都看不到那两位，还争什么第二啊。
昨天真正惦记的还是高价购买的显卡。在淘宝网上，这显卡花费的银子，仅低于当年的日本进口榧木棋墩。顺丰的包裹上贴了三个安检的标，也能看得出现在是特殊时期。打开包装后抑制住激动的心情拿出显卡，九成新是没有问题，但使用多久真是不好说，因为显卡的味道已经没有了。显卡比想象要大一些，与拆下来的1030相比要大上一大号，毕竟那个显卡是无需供电的。把显卡插在19年底组装的机器上，运行正常，原先最担心的400W电源，并没有拖后腿。12G显存消灭了瓶颈，可以顺利运行前期安装的程序，唯一遗憾就是因为tensorrt版本问题，显卡并未发挥威力。而随后安装的几个AI应用，也出现了版本问题。其中cuda尤为甚，NVIDIA在强推12新版本，而原先很多程序还停留在10、11，这种混乱显然还会持续很长时间。
昨天晚上临睡前，趁着身体疲惫头脑不清醒，咬咬牙、狠狠心、一跺脚把前几天收藏夹里的惠普拆机九成新itx3060显卡下单了。
看重的这款显卡一是便宜，要比全新少花千数块钱呢；再者就是现在开始少见的12G显存，运行AI程序不受限；最后就是itx板型，适合多种机箱。
早上起来，感觉还是有些冲动了。
又浏览了网页平复心情，店铺里面居然有P104计算卡，而且价格不足400元，这可是前两年价格被炒上天的稀罕古董。
看来挖矿潮真的过去了。
下一个可能就是AI本地应用潮，该花的钱总要花的。
今天在外忙了一天，回家简单做饭的同时，开始了继续昨天未完成的AI应用环境搭建。
通过本周Vits的应用，发现无论是国外的COLAB还是国内的GPU云服务器，都有诸多限制，要想常规学习应用，搭建本地环境还是必需的。
还好，在解决了几个昨晚遗留问题后，虽然vits训练未果，但系统环境搭建完成，不用再连续熬夜了。
在2019年底，为了人体体态识别应用，曾购买了一台二手Dell工作站，加上全新索泰矿卡P106-90，搭建了一台“深度”学习机器。跟昨天情况相同，也是颇费周折搭建环境完成后，运行程序硬件报错，只不过那次报错的4G内存不足，添加8G内存开始正常运行。
那台机器在搭建完成后不久，就因疫情而被遗落，几经周折，如同丢失的孩子，找回的希望几乎破灭，这也是我不得不重新搭建新机器的原因。
这次测试机器使用的外甥原先的游戏机，只是运行报错的硬件不再是内存，而是970显卡的4G显存。
三年过去，AI技术突飞猛进，硬件需求自然是水涨船高。而后期Stable-DiffusionAI绘图等应用，8G显存已经是最低要求。
看来，必须要先买一块二手RTX3060显卡了。
前天几个人一起聊ChatGPT的时候，我做了一个预测，那就是这几年内，ChatGPT技术就会开源。
这些年来火遍全球的科技技术、项目后面，都是资本在兴风作浪，或者说是作妖，而推波助澜的也离不开那些传统的科技公司，甚至可以说是为虎作伥。
最近的例子就是虚拟货币，英伟达赚的是盆满钵满。而矿难之后，黄厂长刚放下身段要搞促销，ChatGPT的横空出世，顿时让老黄又鼻孔朝天了。
现在IT界掌门们都在敲打后辈：ChatGPT烧钱，尔等不要跟进。
后辈也不傻，都是吓大的，不烧钱能混IT？
要烧钱，最开心的还是那些资本，还有就是黄厂长他们了。虽说ChatGPT需要积累，但有了ChatGPT，数据的获取效率可谓是一日千里，缺少的就是数据处理。
而数据处理，怎么离得开黄厂长？
降价？黄厂长的刀快着呢。