“ 能使用和会使用大模型并不是一回事 ”
AIGC——人工智能生成内容,可以说是大模型技术的看家本领了,以openAI发布的影响全世界的chatGPT来说就属于一个AIGC应用,只不过其主要偏向于语言处理,也就是大模型技术与自然语言领域相结合的结果。
但从AIGC应用的产品来看,不论是基于大模型开发的AIGC产品,还是做AIGC的大模型服务商,AIGC生成的效果可以说是天差地别。
AIGC发展与现状
AIGC技术经过这两年的发展取得了不错的进展,chatGPT刚发布时,AIGC主要以自然语言处理为主,虽然也有其它从事大模型技术领域的企业在发展图像处理技术。
但到今天为止,可以说AIGC的应用领域如雨后春笋般出现,不论是传统的文本处理,图像处理等;还包括音乐,办公,营销等多个领域。
但是,从个人最近一段时间接触的AIGC产品来说,生成的内容质量一言难尽;同样的平台,有的人能够用它生成高质量的效果,而有些人用它生成的结果就是一个笑话。
为什么会出现这种情况?
个人觉得原因主要有两点,一是大模型的使用门槛问题;二是大模型的技术问题。
先说第一点,大模型的使用门槛虽然很低,但要想用好大模型可不是一件简单的事情,也就是说大模型虽然名义上没什么使用门槛,但事实上它却有很高的门槛。
能使用和会使用大模型不是一回事,有些人已经能够使用大模型提升工作效率,甚至挖掘出新的商业模式,做产品开公司;而有些人连大模型的基本操作都不懂。
还有就是,目前使用大模型的主要入口就是提示词(prompt),一个好的提示词能够让大模型更好地完成任务;而一个坏的提示词只能让大模型一本正经地胡说八道。
而怎么才能写好一个符合应用需求的提示词,并不是每个人都具备的能力。
而这就是大模型的使用门槛——写好一个提示词的能力。
再说第二点,大模型的技术问题;先说为什么需要提示词?
原因就在于大模型还无法真正做到像人类一样理解并执行任务,而要想大模型表现的更好就需要有一个好的技巧;但理论上来说,大模型应该做到像人类一样,做到简单而不复杂。
而这就是大模型最大的问题,技术问题;也就是说大模型的技术还处于初级阶段,它还无法很好的理解人类的指令,必须通过特定的语言——也就是提示词工程,才能让大模型尽可能的表现的更好。
但技术发展的目的是让人的生活更轻松,更简单,而不是更复杂;而现在的大模型技术在某个方面来说就是让使用方式变得更复杂,而不是更简单。
虽然现在大模型的现状主要是由于其技术不足而导致的,但大模型技术的未来肯定是让使用者更轻松;这也是为什么openAI CEO山姆奥特曼说要用一到两年的时间解决提示词的问题。
而这就需要通过技术的方式来提升大模型对现实世界的理解能力和抽象能力;让它真正做到像一个人一样,和我们进行沟通交流,然后让它按照我们的指令去做事。
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。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
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
】或点击下方蓝色字 即可免费领取↓↓↓
**读者福利 |**
👉2024最新版CSDN大礼包:《AGI大模型学习资源包》免费分享 **(安全链接,放心点击)**