AGI时代最重要的人是谁？啥是AGI？
AGI： 通用人工智能
懂AI、懂编程、懂业务的超级个体，会是AGI时代最重要的人。
要学会AIGC，必须在三个方向上努力，懂原理、勤实践、形成自己的认知。
未来AI一定会重构世界，想收获红利，必须现在立刻进入AIGC这个行业。
AIGC怎么落地，解决哪些需求，技术路线、产品策略的确定性还很低。
AIGC 知识体系
知识体系
什么是AI？
怎么区分什么是AI系统，什么不是AI系统？
智能手机-不是AI系统，1997年IBM深蓝战胜国际象棋世界冠军-不是AI系统，AlphaGo战胜围棋世界冠军-不是AI系统......
ChatGPT-是AI。
基于机器学习、神经网络的是AI。
基于规则、搜素的不是AI。
大模型，全称 大语言模型， LLM （Large Language Model）.
| 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/ |
3.ChatGPT可以用来干什么
3.1、按格式输出
按格式输出
3.2、分类
分类
3.3、聚类
聚类
3.4、持续互动
持续互动
3.5、技术相关问题
技术相关问题
3.6、更多举例
- 舆情分析：从公司产品的评论中，分析哪些功能/元素是用户讨论最多的，评价是正向还是负向
- 坐席质检：检查客服/销售人员与用户的对话记录，判断是否有争吵、辱骂、不当言论，话术是否符合标准
- 知识库：让大模型基于私有知识回答问题
- 零代码开发/运维：自动规划任务，生成指令，自动执行
-
AI 编程：用 AI 编写代码，提升开发效率
思考：你的业务中，有哪些问题可以用 AI 解决？
3.7、可能一切问题，都能解决，所以是 AGI（Artificial General Intelligence）
划重点：
- 把大模型看做是一个函数，给输入，生成输出
- 任何问题，都可以用语言描述，成为大模型的输入，就能生成问题的结果
这当然还是美好的理想，但正在无限逼近。我们很幸运，能亲历这个过程。
当下，如何发挥大模型的现有能力呢？最大障碍是没有形成认知对齐。
找落地场景的思路：
- 从最熟悉的领域入手,不要随便跨领域，别跨到别人熟悉的领域
- 让 AI 学最厉害员工的能力，再让AI辅助其他员工，实现降本增效
- 找「文本进、文本出」的场景
- 别求大而全。将任务拆解，先解决小任务、小场景（红衣教主：「小切口，大纵深」）
四、大模型是怎么生成结果的？
4.1、通俗原理
其实，它只是根据上文，猜下一个词（的概率）……
OpenAI 的接口名就叫「completion」，也证明了其只会「生成」的本质。
下面用程序演示「生成下一个字」。你可以自己修改 prompt 试试。还可以使用相同的 prompt 运行多次。
[13]:
from openai import OpenAI
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())
client = OpenAI()
prompt = "今天我很" # 改我试试
prompt = "下班了，今天我很"
prompt = "放学了，今天我很"
prompt = "AGI 实现了，今天我很"
response = client.completions.create(
model="gpt-3.5-turbo-instruct",
prompt=prompt,
max_tokens=512,
stream=True
)
for chunk in response:
print(chunk.choices[0].text, end='')
网友评论