当前位置:首页|资讯|AI大模型

当AI大模型遇到"超级个体"

作者:小刘老师聊数字化发布时间:2024-07-01

GPT-4出来之后,人们似乎对AI又开始兴奋起来!AI技术的再一次迅猛发展,催生了一个个超级个体,人类的能力边界再一次被拓宽和强化!

“通过简单的对话聊天方式,人们发现AI几乎是上知天文下知地理,可以回答任何能想得到的问题,甚至可以替人们完成编辑ppt、写论文、写专利,翻译学术专著,提炼论文核心观点和结论 ...”

这类AI技术,人们一般叫做AGI(Artificial General Intelligence),即通用人工智能,因为它“不挑活儿”,同时,由于这些技术背后的算法模型的参数规模巨大,也叫做大模型。

大模型可以对文本、图像、音视频进行理解以及创作生成,而其中,最典型的且最有代表性的是自然语言大模型。作为聊天工具的OpenAI ChatGPT就是自然语言大模型。

在领略了ChatGPT的魅力之后,国内很多AI厂商迅速开始奋勇追击,研发了国产化的自然语言大模型底座模型。例如,百川大模型、智谱大模型、文心一言,以及Kimi等 ...

这些大模型底座比较适合中文的文本大数据应用场景,更加符合国内人的语言交流习惯和文书表达风格。

和传统AI相比,大模型之所以具有更大的技术亮点,主要在于“通用性”和“生成性”这两个方面。

对于生成性:传统的AI更多关注分析数据,而AI大模型则可以生成数据,也就是直接给出工作成果,完成了业务活动的“最后一公里”的交付。

对于通用性:则强调了,AI不仅能很好地完成任务,而且可以完成各种类型的工作,具有极强的可塑性。

以前,AI做什么,不是使用AI的人说了算,而是开发AI的人说了算。

开发一套AI的代码必须经过数据规整、特征工程、模型构建、参数训练、模型有效性验证、模型部署等一系列繁冗的步骤。

模型开发的效率远跟不上需求的变化。业务人员总是在用过时的技术工具和过时的知识经验成果。

有了AI大模型,可以实现“零样本”学习或者“少样本”学习。什么意思?

就是说,AI的能力不总是依赖于开发人员从头开始的构建,而是当用户口头发布任务指令的时候,就可以立刻掌握这个任务的相应能力,并按照要求“完美”地完成工作。

人的“想法”可以立刻得到执行,同时,很多创新的思路也可以快速进行实验,每个人都可以成为在他所在领域的创作者、发明家。

数字化转型,不仅仅是企业的数字化,组织的数字化,流程的数字化,更是人的数字化。

人能更好地利用当代信息技术工具开发自己的创新潜力,挖掘数据要素价值,是数字化理念最成功的表现之一。

因为有了AI大模型,一些基础的执行层面的工作被机器迅速替代,而人的价值更多地体现在提出想法。

这个时候,1+X的多代理(Agent)方式,可以快速撑起极具创新力的团队。

用提示词工程(构建任务问题模板)重塑大模型的能力,对他们进行连接编排,形成业务合力。

如果这个“想法”运转得好的话,那么这将是未来一个典型的高产值超级个体模式:

    ... 定义一个价值链流程,明确这个价值链的每个环节都需要完成哪些任务,让AI大模型在各个环节高效地完成数据和知识的转化,而人只需要监督整个流程,在恰当的时候予以必要的业务指标校正就可以了...

本文来自微信公众号“大话数字化转型”(ID:dataminingxmz),作者:数字化刘老师,36氪经授权发布。


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1