“最為穩(wěn)妥的方式是頻繁贊同和附和其他人的觀點，這樣既能夠頻繁地發(fā)言，又不會太引人注目。”克拉克如此建議，這是一條兩全之策。

    “隨聲附和的話基本上是廢話，不會具備太多新的信息，這樣也能夠盡量避免在內(nèi)容上出錯。加上一般表達觀念的人都渴望認同，附和的人不會被過多懷疑。”孟繁岐贊同這個應對風格。

    此前內(nèi)部測試的時候，還是足球話題，有梅西的球迷嘲諷C羅為阿韋羅，結果被GPT以為是布蘭東阿韋羅，導致對話出現(xiàn)了嚴重的事實性問題，就沒聊到一起去。

    “另一種方式就是多提問，在你上次展現(xiàn)出來的概念視頻中，GPT可以針對多種問題多種方式給出答案，為人們答疑解惑。許多人可能都會被這件事情誤導，以為機器人知道的東西非常多，如果第二種對話方式以多提問為主，應該會比較少受到懷疑。”韓辭的視角是反其道而行之。

    “自己主動提問，就可以把話題盡可能地把握在某個范疇之內(nèi)，也算是一個不錯的策略。”孟繁岐同樣贊同這個思路，在聊天當中，話題通常都會有一個發(fā)起人。

    如果你是話題的發(fā)起人，在一個群聊當中，大概率或多或少有人會回復你，這樣的話，對話繼續(xù)進行下去就不會顯得奇怪。

    而若你去接別人的話題，做了一些路線上的修改和延伸，是有挺大的概率沒人回復你的，更多的人會直接回復話題的發(fā)起者。

    這樣一來，如果仍舊自說自話，就顯得有些怪異了。

    “這次先做一個一兩百人左右的狼人殺小游戲試試水，等到后面GPT技術再成熟一點，就完全可以上線做一個在線社交游戲了。隨機聊天兩分鐘，讓用戶猜猜看對面是人還是機器人，猜過之后可以將答案告知用戶，搞點積分和排名什么的。”

    孟繁岐的這個設想，是23年一個以色列AI實驗室搞的在線游戲《humanornot》，該游戲基于150萬用戶和超千萬次測試結果得出的結論是，23年的語言大模型，游戲平均錯誤率為百分之70左右。

    只有大約不到2成的用戶可以比較高概率地分辨對面是人還是機器，而且越老的人，就越分不清。

    “我分不清！我真的分不清啊！”

    “我們這版本還沒有聯(lián)網(wǎng)搜索功能，應該不會出什么問題吧？”聊天室當中，用戶已經(jīng)開始陸續(xù)涌入，路易斯突然想到了這件事，有些緊張地問道。

    “最主要的幾個新聞，我已經(jīng)稍微微調過一次了。”2014年的下半年，最主要的新聞就是奧觀海空襲ISIS，這標志著美國開始直接干涉中東地區(qū)。

    其次，就是埃博拉疫情在西非爆發(fā)，成為了全球關注的焦點。

    主要就是這兩件事關注度比較大，如果還要說的話，就是美國的非法移民問題，以及同性婚姻合法化的擴張。

    不過這兩件事即便普通人不知道，其實也沒有什么好奇怪的。

    “不過，看起來大家似乎沒有關注那種國際事件啊，上來還是在聊足球。”孟繁岐掃了一眼，聊天室內(nèi)，對話已經(jīng)陸續(xù)開始。