未来组织科技趋势分析生成文本数据集-2023-gladdenme
数据来源：互联网公开数据
标签：NLP,文本生成,ManaGPT,未来科技,组织变革,人工智能,社会机器人,虚拟现实,增强现实
数据概述：
本数据集包含4,080篇由ManaGPT-1020大型语言模型生成的文本，这些文本是针对特定输入序列生成的。ManaGPT-1020是一个开放源代码模型，可以在Hugging Face的“transformers”Python包中下载和使用。该模型包含15亿个参数，能够根据用户提供的输入序列生成完整句子的后续部分。模型在超过509,000字的专门英语语料库上进行了微调，该语料库涵盖了组织未来研究领域的内容，特别擅长生成关于先进AI、社会机器人、泛在计算、虚拟现实、神经网络增强等“后人类化”技术在组织中角色的分析、预测和建议。
数据集中的4,080篇文本是通过102个不同的提示生成的，每个提示生成20篇响应。这102个输入序列是通过12个不同的“主题”与17个不同的“模式变体”组合而成的。主题包括6个单数主题：“未来的职场”、“技术后人类化”、“组织中的人工智能使用”、“机器人老板”、“智能同事”、“5.0社会中的企业文化”。还包括6个复数主题：“社会机器人”、“人机混合组织”、“智能公司”、“未来的后人类化职场”、“网络增强工人”、“5.0社会中的组织”。
对于6个单数主题，17个模式变体包括一个空白变体（空字符串）和其他16个短语，这些短语为输入序列提供了不同形式的“模式着色”，表示不同程度的确定性、概率、可预测性、逻辑必然性或道德义务。具体模式变体如下：
- ""
- "是"
- "不是"
- "将"
- "将会是"
- "可能"
- "可能永远不"
- "很有可能"
- "很有可能不会"
- "应该"
- "可以"
- "不能"
- "永远不能"
- "必须"
- "不能"
- "像"
- "将会像"
对于复数主题，模式变体相同，只是将“是”替换为“都是”。
在极少数情况下（仅在使用空字符串作为输入的一部分时），模型未能生成除输入序列之外的任何输出。
数据用途概述：
该数据集适用于自然语言处理研究、组织未来预测分析、教育与培训、人工智能与科技趋势研究等多个领域。研究人员可以利用这些生成的文本进行模式识别、数据分析和趋势探索；教育工作者可以将这些文本作为教学材料，帮助学生理解未来组织的发展趋势和技术变革；政策制定者可以根据这些数据评估新兴技术对组织的影响，为未来的政策制定提供参考。
