你可能会说2023年对数据科学家和机器学习专业人士来说是一个多事之年，但这并不能完全捕捉到过去12个月这个领域中我们所看到的紧张活动。
尽管我们始终努力抵制炒作和夸大之辞，但我们不得不承认，我们已经看到了从从业者和整个社会对人工智能及其对我们日常生活影响的看法发生了一些戏剧性的变化。2022年最后几周推出的ChatGPT远非这一转变的唯一因素，但很难否认它作为催化剂和象征焦点的作用。
当我们考虑到如何盘点我们的作者在2023年最出色和最受欢迎的作品时，通常会选择普遍的LLMs相关文章，尤其是那个无处不在的聊天机器人。我们在这里呈现的文章选择远非全面，但它确实提供了一组代表性的文章，这些文章是你们读者中反响最大的文章——无论是你们读得最多和分享最多的，还是那些在TDS及更广泛的讨论中引发了最有思想的对话的文章。
在我们深入探讨过去一年产生最大影响的文章之前，我们想花一点时间感谢我们整个社区的支持。我们要特别感谢我们不可思议的作者，我们在VoAGI的合作伙伴，我们那些慷慨地提供我们专业知识的志愿编辑们，以及我们两位前同事和杰出编辑，Caitlin Kindig和Katherine Prairie。
- ChatGPT的工作原理：聊天机器人背后的模型在最不惊讶的发展中，Molly Ruby的简明易懂的解释介绍成为我们2023年最受欢迎的帖子。如果你还没有阅读过，现在补一补也不算晚！
- 封闭式AI模型会成为糟糕的基准在ChatGPT时代后，NLP研究将会走向何方？Anna Rogers对这个变化迅速的领域的现状进行了考察。
- ChatGPT能比数据分析师更好地编写SQL吗？尽管LLM对整个职业的威胁程度尚不明确，但Marie Truong在其推出后不久对ChatGPT的编码能力进行了调查。
- GPT不是一个可靠的信息存储库在一个关于AI幻觉的前瞻性研究中，Noble Ackerson聚焦于使用LLM作为可靠的搜索引擎出现的新兴风险。
- 如何将任何文本转化为概念图通过LLM，Rahul Nayak探索了自然语言处理中的新可能性，提供了一种将文本语料库转化为知识图谱的实用方法。
- 并非都是彩虹和阳光：ChatGPT的更黑暗一面从内置的偏见到隐私和抄袭问题，Mary Reagan PhD解析了在ChatGPT主导地位崛起之后出现的一些重要风险。
- Zero-ETL、ChatGPT和数据工程的未来ChatGPT和类似工具将如何影响日常数据工程工作流程？Barr Moses分享了“后现代数据堆栈”的未来。
- 构建你的第一个LLM应用所需的全部知识2023年是构建以LLM为动力的应用的进程得到有意义民主化的一年，部分归功于Dominik Polzer等人的
敬请关注！ 在2023年，我们发布了无数精彩的文章，涵盖了LLMs和ChatGPT之外的广泛领域。下周，我们将致力于推出今年最后一期Variable版，重点介绍数据科学和编程技能、职业道路和特殊项目等内容。
再次感谢您对我们作者工作的支持！如果您喜欢在TDS上阅读的文章，考虑成为VoAGI会员的朋友：这是一种新的会员等级，为您最喜欢的作者提供更丰厚的奖励，鼓励他们进行高水平的写作。
在下一个Variable版中再见,
TDS编辑