黑8说
月黑风高,乌云密布,树木低垂,黯淡沉闷。这黎明前的风暴,预示着新时代的变革即将到来。 在一个8线小城市的办公室中
黑8对主任说: 世界上有男人、女人、人妖,米国有1/3男,2/3女…,以后会增加一个非常重要的人种,他就像孙悟空拔毫毛,变化出拥有各种本事的自己。如果咱们不懂驾驭他,做他的师傅,咱们可就被统治了。
革委会梁主任好奇的问: 这是什么妖怪啊?
黑8郑重的说: 人工智能大模型
主任不屑的说: 哪有那么夸张,离咱们远了去了,你小子是不是疯了,危言耸听,自以为是。
黑8顺着主任说: 梁主任啊,这妖怪来头还不小呢,正以一日千里的速度赶来。咱们非常有必要提升对他的了解和认知。您知道吗?他比咱们看的真,听的细,想的快,说的准,未来他能让机器人不知疲倦的用双手、双脚进行精细劳作,简直就是要把我们替了。他可不同于智能手机、电脑的应用功能,还有siri、小度、小艺什么的,这些都太Low了。他才是真正的“超人”
主任质问到: 这么牛,不能落地不还是等于0吗?
黑8认真的说: 能落地啊,主任您要是不信,今天我立个Flag,做不到我请您吃大餐,您看行吗?
主任着急的问: 你倒是说说他能干什么呀?
黑8这下可来了劲头,心有成竹的说: 您看啊,我老婆是老师,经常收文后写摘要通知,我让大模型替她写了。
我儿子学翻译,让他记录难点和错题,我让大模型以听、说、读、写的方式,使他强化学习,直至掌握。
我女儿爱跳舞、画画,让她指出主题、音乐和动作类型,我让大模型给她编舞;让她指出主题、线条、色彩,我让大模型给她画画。
我一哥们是搞开发的,我让大模型给他出产品PPT、技术方案、架构设计、前后端代码和测试用例,一条龙,流水线完成。
还能做医生、老师、律师、会计师、画家、作家、心理医生等等,很多很多,先做这些案例,您看怎么样?
梁主任“哼”了一声,将信将疑,心里盘算,说的这么悬,看来我真得了解一下,这也是我们革委会的使命啊。正当梁主任转身刚要走时。
被黑8叫住: 主任,您看我这有篇文章,您可以先了解了解。黑8是多聪明的人,一眼就看出主任的心思。
主任会心的笑了,心想: 黑8就是黑8,你个棒槌。
之后,可想而知,梁主任确实认真看了这篇文章。收获很大,为之一振,从心里认识到,他真不是什么妖怪,确实是个【新新人类】
OpenAI 首席科学家 Ilya Sutskever 说过:
数字神经网络和人脑的生物神经网络,在数学原理上是一样的
1.AI是什么
AI(人工智能)是指通过计算机系统模拟、复制和执行人类智能行为的技术和方法。
AI的实现方式包括机器学习、深度学习、自然语言处理、计算机视觉等技术。
AI在各个领域,包括医疗、金融、制造、交通等,都有着广泛的应用,并对社会和经济产生深远的影响。
2.大模型能干什么
大模型,全称「大语言模型」,英文「Large Language Model」,缩写「LLM」。
国家 | 对话产品 | 大模型 | 链接 |
---|---|---|---|
美国 | OpenAI ChatGPT | GPT-3.5、GPT-4 | https://chat.openai.com/ |
美国 | Microsoft Copilot | GPT-4 和未知 | https://copilot.microsoft.com/ |
美国 | Google Bard | Gemini | https://bard.google.com/ |
中国 | 百度文心一言 | 文心 4.0 | https://yiyan.baidu.com/ |
中国 | 讯飞星火 | 星火 3.5 | https://xinghuo.xfyun.cn/ |
中国 | 智谱清言 | GLM-4 | https://chatglm.cn/ |
中国 | 月之暗面 Kimi Chat | Moonshot | https://kimi.moonshot.cn/ |
中国 | MiniMax 星野 | abab6 | https://www.xingyeai.com/ |
2.1 按格式输出
2.2 分类
2.3 聚类
2.4持续互动
2.5技术相关问题
2.6解决问题
大模型把语言描述作为输入,有输入就能输出结果
但如何发挥大模型的现有能力呢?最大的障碍是没有形成认知对齐
找落地场景的思路:
3.认知
3.1 目标
懂AI、懂编程、懂业务你就是AGI(artificial general intelligence 通用人工智能)SuperStar。
要懂原理、重实践、提认知
不懂原理就不会举一反三,走不了太远。
不懂实践就只能纸上谈兵,做事不落地。
认知不高就无法做对决策,天花板太低。
目前行业共识:两个确定和一个不确定
确定未来,AI必定重构世界确定进入,收获红利不确定落地,解决需求,技术路线,产品策略只等不确定 确定了,巅峰即来
3.2 知识体系
3.3 学习方法
至少懂一门语言有真实的项目经验原理一定用心学认知一定用心领悟实践一定要多4.大模型是怎么工作的
其实它只是根据上文,猜下一个词(的概率)
通俗理解
大模型阅读了人类曾说过的所有话。这就是机器学习,也叫训练大模型将输入文字转化为一串编码,并计算后面跟着的不同编码的概率,存入神经网络,并保存数据参数(权重)大模型用之前输入的文字编码加上现在输入的文字编码,并计算出下一个最高概率的编码。这个过程就是生成(推理)步骤3循环反复,生成更多的文字这套生成机制的内核叫「Transformer 架构」。但其实,transformer 已经不是最先进的了。
架构 | 设计者 | 特点 | 链接 |
---|---|---|---|
Transformer | 最流行,几乎所有大模型都用它 | OpenAI 的代码 | |
RWKV | PENG Bo | 可并行训练,推理性能极佳,适合在端侧使用 | 官网、RWKV 5 训练代码 |
Mamba | CMU & Princeton University | 性能更佳,尤其适合长文本生成 | GitHub |
5.用好AI的关键
OpenAI 首席科学家 Ilya Sutskever 说过:
数字神经网络和人脑的生物神经网络,在数学原理上是一样的
我们要把 [AI当人看] ,来理解、控制和看待,其有优点也有不足。
6.大模型应用架构
大模型技术分两个部分:
基础大模型的训练开发大模型的应用大模型应用技术特点:门槛低,天花板高
6.1典型业务架构
Agent 还太超前,Copilot 值得追求
6.2技术架构
prompt(提词) 一问一答方式
Agent + Function Calling (代理+函数调用)
Agent:AI主动提要求Function Calling: AI要求执行某个函数场景举例:你问水果好吃吗?他反问你哪种水果RAG(Retrieval-Augmented Generation 检索增强生成)
Embeddings:把文字转换为更易于相似度计算的编码。这种编码叫向量向量数据库:把向量存起来,方便查找向量搜索:根据输入向量,找到最相似的向量场景举例:考试时,看到一道题,到书上找相关内容,再结合题目组成答案。然后,就都忘了Fine-tuning (精调)
6.3如何选择技术路线
值得尝试Fine-Tuning的情况:
6.4基础模型选型
合规和安全是首要考量因素。使用测试数据选择最优的模型。
需求 | 国外大模型 | 国产大模型 | 开源大模型 |
---|---|---|---|
国内 2C | ? | ✅ | ✅ |
国内 2G | ? | ✅ | ✅ |
国内 2B | ✅ | ✅ | ✅ |
出海 | ✅ | ✅ | ✅ |
数据安全特别重要 | ? | ? | ✅ |