草莓难救被“月抛”的AI对话产品？
文章来源：AI鲸选社
原文链接：https://mp.weixin.qq.com/s/UH4jeCMXIUWyh1klXW-i4g
OpenAI揭开草莓模型神秘面纱，能不能算GPT-5，坊间争议声音很大。
这就是今日凌晨一点，OpenAI发布的两个模型：o1 mini，o1 preview。
据官方消息，与GPT-4一样，OpenAI o1也以AI对话和API接口的形式呈现；而与GPT-4系列不同的是，o1可以解决比GPT时期的科学、编码和数学模型更难的问题。具体来看，之前的GPT模型旨在模仿其训练数据中的模式，而o1的训练旨在让其独立解决问题。
意味着o1模型可以像人一样，需要花更多的时间去思考问题，尝试不同的策略，甚至能意识到自己的错误。
听着很厉害对不对？但实际4O、O1等大模型“寄生”的AI对话类产品，他们的用户数并不高。
而据QuestionMobile，AIGC APP在工作日期间的活跃度高于双休日，推测现阶段AI与用户办公场景的适配性更强，AI主要围绕工作场景，为用户生成文本、图片等内容信息。
o1模型虽在物理、化学、生物、编程等领域表现得像博士生一样好，但对与编程能力来说，755万程序员占国内人口不足1%，可用武之地并不多，对C端大多数用户来说带来的效益并不高。
尤其近日，AI对话类App的用户留存问题被推至风口浪尖，更衍生出了“大模型六小虎泡沫即将破灭”的说法，AI对话的处境岌岌可危。尽管阿里原技术副总裁贾扬清已经提出质疑，下图30日国产5大AI对话类产品留存率接近0，这一数据应该不准确，但AI对话现在确实有一点“盛名之下，其实难副”
根据QuestMobile 权威数据显示，头部AIGC APP运营数据活跃率低，均在20%以下；忠诚度方面，3日留存均在50%以下；流失风险高，部分APP的卸载率在50%以上。
坐拥数亿注册用户但日活很低的AI对话类产品，新的草莓大模型能否拯救呢？
9.11还是9.9大？AI界的亘古难题
曾经AI对话因回答错“9.11还是9.9大”被热议，现在国内各家都迭代了多代大模型，文心、豆包、Kimi等都能答对这道简单的数字题。但是OpenAI新更新的o1模型却还是沉迷自己不知名的逻辑怪圈里，找不到正确答案。
但国内大模型也并没有领先多少，但当我们问对话大模型一些客观的问题，如“草莓的单词里有几个r”、“打了警犬算袭警吗”等问题时，就会发现，这个刚刚还无所不能的AI助手突然变得手舞足蹈、不知所云了起来。
目前来说，对话大模型在简单的场景仍易漏洞百出，网友戏言：就这？取代我们人类？
诚然，大模型幻觉率高的问题，始终制约着AI对话在C端的渗透。专注于用户体验的研究机构Nielsen Norman Group在23年9月发布的一篇研究文章中提到，在曾经使用过AI工具的人中，大多数（78%）将 AI 工具用于工作和个人目的；8%的人仅将 AI 用于个人用途。
而在精益求精的工作用途中，大模型幻觉显得更加致命。不仅如此，工作场景中精确的指令反而更易让大模型“发懵”，AI对话的表现也并不出色。
在十字路口与脱口秀演员毛东的播客中，毛东提到，在用AI对话启发脱口秀文本创作的过程中，需要提前对对话模型进行5分钟左右的预训练，而预训练后对话AI生成的稿件也并不能直接起作用。输入一些稍复杂的指令，如要求大模型同时将“模仿路易·C.K.脱口秀风格”、“加入结婚话题的段子”、“带一些北京方言”融入文本创作，大模型就会分不清重点，生成的脱口秀文本索然无味。
同样的，Nielsen Norman Group的用户研究也指出，在使用对话AI时用户几乎总是进行多步迭代，因为人工智能无法准确提供用户想要的东西——它只能猜测意图。假如问对话AI“从上海出差到北京，近十五天有什么天气变化？有哪些穿衣建议”，则需要先对AI下达查询近15日天气的指令，然后引导其回答上海与北京的温度差异，以及针对北京温度进行穿衣建议。
然而，对于同一问题，似乎国内AI对话还有部分进步空间，Claude、ChatGPT的回答更精准一些。
（接下来内容较长，请见原文链接：https://www.aixinzhijie.com/article/6846716）
感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。
草莓难救被“月抛”的AI对话产品？
