读完李彦宏的33条语录,我终于把大模型搞明白了

2023-10-17 04:30

本文主要是介绍读完李彦宏的33条语录,我终于把大模型搞明白了,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!

在大模型掀起国内科技热潮后,所有人都想知道产业的下一步将如何发展。对此,恐怕没人比百度李彦宏更有资格做出判断。

百度是在3月发布的文心一言,成为全球科技大厂中第一个登上大模型牌桌的玩家。更重要的是,百度也是国内科技大厂中第一个投入、以及坚持最久的AI玩家。

从李彦宏2013年宣布成立深度学习实验室至今,百度投入AI的时间已经超过10年,既见证了AI技术的发展迭代,也见证了这项技术从实验室一步步走向现实生活的过程。

如今,大模型时代已来,未来最大的产业机会在哪?AI原生应用究竟长什么样?基础模型与Killer Apps如何共融共生?垂类模型与基础模型是互为竞争关系吗?

当然,这些问题都能在文心一言上找到答案。但我更想知道李彦宏怎么看——作为一位坚信AI的技术人、一位带领公司All in AI的企业家、一位用几十万字宣扬AI的布道师。

百度官方消息称,李彦宏将会在10月17日的百度世界大会上带来长达一小时的主题演讲,“手把手教你做AI原生应用”。

现在,距离这次演讲还有两周时间,我梳理了李彦宏今年以来关于大模型和生成式AI的全部讲话内容,从上万字的演讲实录中选摘出33条干货,算是先做做功课。通过他的思考,我希望能进一步揭示AI原生应用的本质,为正在大模型创业、创新路上的同行人提供一份启示。

以下为实录摘编,enjoy:

大模型如何重新定义人工智能

1、人工智能的发展正在从辨别式走向生成式。什么叫辨别式?搜索引擎就是典型的辨别式。什么叫生成式?用AI进行文学创作,写报告、绘制海报等等,这些都是生成式。

2、过去的人工智能是,我们想让机器学会什么技能,就教它什么技能。教过的可能会,没教过的就不会。大模型出现“智能涌现”后,以前没教过的技能,它也会了。这就是为什么有人讲,我们现在朝着通用人工智能(AGI)方向发展。

3、大模型如何重新定义人工智能?主要体现在人机交互方式的变化。过去几十年,人机交互方式共经历了三次变革,从命令行到图形用户界面(GUI),再到人工智能时代,我们可以用自然语言跟电脑进行交互。也就是说,未来的应用是通过自然语言提示词来调动AI原生应用实现的。

4、人工智能时代的到来,让IT技术栈从三层变成了四层:底层仍然是芯片层,但主要的芯片已经不是CPU ,而是以GPU为代表的新一代适合并行大规模浮点运算的芯片;上面我们叫做框架层,就是深度学习的框架,像百度的PaddlePaddle飞桨、Meta的PyTorch、谷歌的TensorFlow都是在这一层;再上面一层是模型层,Chat GPT、文心一言等都属于模型层;最上面是应用层,以后AI时代的原生应用,都会基于大模型来进行开发。

5、模型本身并不直接产生价值,基于基础大模型开发出来的AI原生应用才是模型存在的意义。

6、我们不在乎榜单,就是要一步一个脚印往前走,打造好基础模型能力,支持好在这个基础模型之上开发出来的AI原生应用。在模型之上开发出来的应用越厉害、用的人越多、生产效率和工作效率提升的越多,这才是基础大模型真正强大的表现。

7、垂类模型不是基础模型的竞争对手,反而应该建立在强大的基础模型之上。没有足够强大的基础模型做支撑,垂类模型就很难持续提升和发展。然而,只有少数公司会在基础模型上达到较高水平。

8、开源模型在发展过程不一定都会变得更好,如果反馈回路不理想,是不利于基础模型改善升级的。走弯路的成本变高,就难以建立持久的商业模式。

卷大模型没意义,卷应用机会更大

9、生成式大模型的问世,会带来哪些创业和投资机会?我觉得至少有三方面机会:首先是新型云计算,第二类是行业模型的精调,第三类是应用开发。

10、大模型是Game Changer,它会彻底改变云计算的游戏规则。未来云计算公司的主要商业模式会变成MaaS,就是模型即服务(Model as a Service)。以后的应用会建立在大模型上,而不是建立在云计算的这些算力或者存储上。

11、过去,云计算主要卖算力,看速度、看存储;今天,客户购买云服务,要看框架好不好、模型好不好,而不仅仅是看算力怎么样。

12、大模型时代,最大的机会既不在基础服务,也不在行业服务,恰恰是在应用。就好像在移动互联网时代,最大的商业机会不是iOS或者安卓这样的操作系统,而是微信、抖音、淘宝这些应用一样。

13、美国有几十个基础大模型,跟中国量级一样,但在基础大模型之上,美国已经有上千个“AI原生应用”,但中国市场是没有的,这是最大的区别。

14、只有在大模型的基础之上产生了足够多的AI原生应用,才是一个健康的生态环境,这代表了大的技术发展趋势。

15、对创业者来说,卷大模型没意义,卷应用机会更大。

16、大模型时代来了,每一个产品都值得重做一遍。但谁真正重新做了一遍呢?百度要做第一个把全部产品重做一遍的公司,不是整合,不是接入,是重做和重构。

AI原生应用的交互不能超过两级菜单

17、AI原生应用,不是简单地重复PC时代软件或移动时代的APP,而得是“AI”原生,没有AI就不存在的应用。

18、什么是AI原生应用?我认为至少满足三个条件:第一,能用自然语言交互,这是最根本的变化;第二,能充分利用理解、生成、推理、记忆等,这些过去不具备的技术能力;第三,每个应用的交互都不超过两级菜单。

19、每个AI原生应用的交互都不能超过两级菜单。如果超过两级菜单,大家就记不住这个功能到底在哪。好多工程师辛苦开发出来的功能隐藏在第三级甚至第四级菜单里,没有人用。PPT、Excel都是这样,可能80%的功能,绝大多数人从来没用过,就是因为使用门槛太高了,不知道在哪。

20、你只要思路活跃、表达清晰,机器就能给你干活儿,这就是AI原生的应用。

21、明显的AI原生应用,并不表明就是最好的AI原生应用。我认为直到今天,最好的AI原生应用还没有出现,就是类似于抖音、微信、Uber这种移动互联网时代的Mobile Native的APP。没有手机的时候大家是不能想象它们的存在的,但它们确实产生了很大的社会影响力。

22、我们四万百度人,没有一个是AI时代的原住民。虽然大多数人都经历了PC时代、移动时代,但某种意义上思维方式仍然被固化了。未来,我们要有意识地培养AI原生应用的思维方式和理念,用新的理念去重构现在的每一个产品和业务。

23、生成式AI的来临,让我们发现很多时候只需要敲一两个关键词、点击下鼠标就能解决问题,不再像过去要用一大段话来描述需求才能获得想要的内容。这也让我们意识到,有多少工程师辛辛苦苦开发出来的功能被藏在一层层菜单下永远无人问津,有多少苦思冥想的灵感都无法获得反馈,但现在,它们可能会通过一些简单的提示词被激发出来,所以我们应该有勇气去改变自己的思维方式。

24、改变思维方式是痛苦的,会经历各种挫折和煎熬,这需要我们用毅力去克服惯性,用发现和探索的眼光来看待这个新的世界。

25、我要求公司所有产品重构、重做,就是放弃过去对于桌面、PC这种浏览器的依赖,对于移动APP的依赖。要重新想象一下,有了理解、生成、逻辑、推理、记忆能力之后,能够做成什么应用。

自然语言人机交互会带来“提示词革命”

26、所谓“AI Native”,最明显的特征就是“提示词工程(Prompt Engineering)”。过去没有这个行当,我们也不觉得跟计算机交互需要那么多讲究。但在未来,通过写好提示词来激发大模型的潜力,是非常有意思的行当,我也认为这是新工作机会最容易出现的地方。

27、我做过一个大胆预测,10年后,全世界有50%的工作会和“提示词工程”有关。这就好像教育方式一样,提出问题往往比解决问题更重要。未来我们会需要越来越多的提示词工程师。

28、今天百度有上万个工程师,会C++、Python,但到了AI原生应用全面落地的时候,可能会要求大家都来写Prompt,而且要看写了之后run出来的结果如何。

29、人类要学习跟机器打交道的能力,提示词说成什么样,机器就会匹配什么样的结果,这些结果就是生产力。

30、大模型本身的能力放在那,用得好不好完全靠提示词决定。提示词写得好,智能涌现可能就多一些,反馈结果就更有价值一些;提示词不好,出来的东西就是一本正经胡说八道,或者是错误结论。

31、提示词的书写是有技术含量的,是需要学习的。怎么把提示词写好,这既是技术也是艺术,甚至艺术的成分还更多些。

32、未来的应用是通过自然语言提示词来调动原生AI应用实现的。这意味着,未来薪酬水平将取决于提示词写得好不好。

33、不同的大模型,比如文心大模型和Chat GPT,它们的提示词也存在明显差异。毕竟这些模型是通过独立底层训练得出来的。如果把它们比喻成一个人的话,它们的“脾气秉性”肯定是不同的,在与它们交互的过程中,我们也需要不断摸索,逐渐了解如何写提示词才能达到更好的效果。

想了解大模型、生成式AI的更多精彩内容吗?即刻报名参加10月17日在北京首钢园召开的「百度世界2023」,目前大会已经开放公众参会报名,在大会官方网站(百度世界大会2023)提交申请,就有机会亲临现场,体验这场前沿科技盛会。

除了线下参会,也可以在线预约直播。无论线上线下,参会嘉宾都有机会获得精美伴手礼,数量有限,先到先得。

这篇关于读完李彦宏的33条语录,我终于把大模型搞明白了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!



http://www.chinasem.cn/article/222943

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,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

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号