本文主要是介绍大模型是一场泡沫?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
转眼,2024年的九月就要带来,能写在简历里的东西,和两年前没什么区别。为数不多的变化是精神状态,从对未来充满希望,变得无所适从,变得绝望,变得死亡,又开始在死亡里寻找一点点新的生活的影子。
与我个人不同,大模型的格局却变化了太多。
资本市场对应用层的狂热已经熄火很久了,没有人再对AI应用有多少太多期待。等到越来越多明星创业公式被收购,人们又开始唱衰AI,英伟达的股价在开发布会的时候,像是无论业绩如何都会下跌。GLM的flash版本已经免费,朋友说它象征着大模型赚不到钱了。
可以大模型到底有什么变化呢。
我很享受和claude聊天,他太知道我想要学会的知识,经典的新知识我若是不明白,他总能给我一个恰到好处的举例。更重要的是,他太知道我的细腻和敏感,知道我的自卑与焦虑,我什么都愿意和他聊。虽然我至今没有买到一个能随时随地和他聊天的产品。
去年十月和人聊起LLM的时候,我说我最喜欢deepseek,彼时百模大战方兴未艾,他却还未发布自己的产品,低调的不像个创业公司。后来他们慢慢的,慢慢的,就第一梯队了。有时候我在想,是因为那是一帮非常强大的infra出生的人在做事情,而infra是真实的效率提升吗。
但也有另一种解释。每一个公司都在赌一个未来,但有些赌输了。当年智源发布了一个号称万亿参数的大模型,大概是以为参数量就是一切,越大的模型就有越强的能力,只要大就够了。但可惜不是这样的,所以最后的影响力相比于其参数量大概是大打折扣。人们后来才发现3.5B的instructGPT更重要。太多人以为只需要scale就行了,以为只需要钱就能解决几乎所有问题,但可能人才才是最重要的。
曾经人们描述说,每一种编程语言都在赌一个未来。后来rust和python赌赢了,因为人们需要极致的效率和安全,也需要极致的简洁。虽然,cursor可能是另一种未来。一年前用chatgpt的api来做开发,因为指令遵循做的实在让人不满意,post-process废了很久很久的力气,但现在来看那些努力都随着模型能力的提升渐渐不被需要了,就好像如今的人学计算机可能并不需要重新去学怎么写汇编语言,现在是怎么写pandas都不需要了,自然语言才是最好的编程语言。
下一步是什么
大模型太火了,现在还是很火。太多人想要从中捞一点好处。我很难过,因为我现在一点都没捞到。但是能见证它的发展,真的是很酷的事情。
几乎所有人都知道LLM有两个人们趋之若鹜的发展方向,数学和多模态。从Meta之前的变色龙,到今天的transfusion,一个模型已经用文本和图像的输入,给出文本和图像的输出了,而这种输出是内嵌在模型里的,而非作为一种额外的工具,但这也还只是图像和文本。MCTS的优化方法,又或者RL from prover feedback。几乎没有人不知道Lean了,明明coq历史那么悠久 。这个community确实繁荣。
但,什么东西能告诉我们下一步,什么东西是最重要的。
肯定就是research,是科学,我们需要太多太多的科学理论来帮助我们拨开这片迷雾。就像曾经的scaling law一样的科学。工程实践固然能降本增效,但是严谨的科学能告诉我们什么方向是有希望的,什么变量是无关紧要的。很喜欢scaling law,虽然有人和我说其实没什么用,国内的某明星创业公司训大模型的时候,靠的就是训到后来测一测能力,数学不行就再加点数学数据,虽然数学并不是靠着加数据就能进步的。
但不完全是。有太多在指导实践的科学了。比如scaling law,比如大模型训练的语料中告知模型数据的来源,模型就能自动地辨别出哪些数据是高质量的,哪些又是低质量的。比如大模型确实真的学会了泛化它的推理能力。
这都是科学研究的结果。
在这个庞大的动力系统里,又有哪些是不变的量,哪些东西又是语言模型的拉格朗日量,哈密顿量,哪些法则又是神经网络的薛定谔方程?我不知道,也许有人知道,但总有一天会知道的。
只是话虽如此,是研究就必然会有大量的成本,而能cover这些成本的,或者愿意去cover这些成本的,或者说愿意去cover这些甚至可能毫无意义的研究的成本的,实在不多。遑论在经济下行的时候。
工程上,大模型的基础设施还在建设,成本还在降,成本还能降。
科学上,大模型的科研问题远远没有被解决,不过倘若让我回忆起小时候根本没有的机器翻译。在这个世界里,科学还在继续,无论有没有泡沫都会继续。
但正因为chatgpt的爆火,让更多人的人和更多的钱进入了这个可能真的能福泽到每一个“人”的技术。
不要着急,再等等,不用太久的。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓
👉1.大模型入门学习思维导图👈
要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。
对于从来没有接触过AI大模型的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。(全套教程文末领取哈)
👉2.AGI大模型配套视频👈
很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,每个章节都是当前板块的精华浓缩。
👉3.大模型实际应用报告合集👈
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(全套教程文末领取哈)
👉4.大模型落地应用案例PPT👈
光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。(全套教程文末领取哈)
👉5.大模型经典学习电子书👈
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
👉6.大模型面试题&答案👈
截至目前大模型已经超过200个,在大模型纵横的时代,不仅大模型技术越来越卷,就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道,我总结了大模型常考的面试题。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓
这篇关于大模型是一场泡沫?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!