一、对人工智能大模型了解与认知

黑8说

月黑风高，乌云密布，树木低垂，黯淡沉闷。这黎明前的风暴，预示着新时代的变革即将到来。 在一个8线小城市的办公室中

黑8对主任说： 世界上有男人、女人、人妖，米国有1/3男，2/3女…，以后会增加一个非常重要的人种，他就像孙悟空拔毫毛，变化出拥有各种本事的自己。如果咱们不懂驾驭他，做他的师傅，咱们可就被统治了。

革委会梁主任好奇的问： 这是什么妖怪啊？

黑8郑重的说： 人工智能大模型

主任不屑的说： 哪有那么夸张，离咱们远了去了，你小子是不是疯了，危言耸听，自以为是。

黑8顺着主任说： 梁主任啊，这妖怪来头还不小呢，正以一日千里的速度赶来。咱们非常有必要提升对他的了解和认知。您知道吗？他比咱们看的真，听的细，想的快，说的准，未来他能让机器人不知疲倦的用双手、双脚进行精细劳作，简直就是要把我们替了。他可不同于智能手机、电脑的应用功能，还有siri、小度、小艺什么的，这些都太Low了。他才是真正的“超人”

主任质问到： 这么牛，不能落地不还是等于0吗？

黑8认真的说： 能落地啊，主任您要是不信，今天我立个Flag，做不到我请您吃大餐，您看行吗？

主任着急的问： 你倒是说说他能干什么呀？

黑8这下可来了劲头，心有成竹的说： 您看啊，我老婆是老师，经常收文后写摘要通知，我让大模型替她写了。

我儿子学翻译，让他记录难点和错题，我让大模型以听、说、读、写的方式，使他强化学习，直至掌握。

我女儿爱跳舞、画画，让她指出主题、音乐和动作类型，我让大模型给她编舞；让她指出主题、线条、色彩，我让大模型给她画画。

我一哥们是搞开发的，我让大模型给他出产品PPT、技术方案、架构设计、前后端代码和测试用例，一条龙，流水线完成。

还能做医生、老师、律师、会计师、画家、作家、心理医生等等，很多很多，先做这些案例，您看怎么样？

梁主任“哼”了一声，将信将疑，心里盘算，说的这么悬，看来我真得了解一下，这也是我们革委会的使命啊。正当梁主任转身刚要走时。

被黑8叫住： 主任，您看我这有篇文章，您可以先了解了解。黑8是多聪明的人，一眼就看出主任的心思。

主任会心的笑了，心想： 黑8就是黑8，你个棒槌。

之后，可想而知，梁主任确实认真看了这篇文章。收获很大，为之一振，从心里认识到，他真不是什么妖怪，确实是个【新新人类】

OpenAI 首席科学家 Ilya Sutskever 说过：

数字神经网络和人脑的生物神经网络，在数学原理上是一样的

1.AI是什么

AI（人工智能）是指通过计算机系统模拟、复制和执行人类智能行为的技术和方法。

AI的实现方式包括机器学习、深度学习、自然语言处理、计算机视觉等技术。

AI在各个领域，包括医疗、金融、制造、交通等，都有着广泛的应用，并对社会和经济产生深远的影响。

2.大模型能干什么

大模型，全称「大语言模型」，英文「Large Language Model」，缩写「LLM」。
国家对话产品大模型链接美国OpenAI ChatGPTGPT-3.5、GPT-4https://chat.openai.com/美国Microsoft CopilotGPT-4 和未知https://copilot.microsoft.com/美国Google BardGeminihttps://bard.google.com/中国百度文心一言文心 4.0https://yiyan.baidu.com/中国讯飞星火星火 3.5https://xinghuo.xfyun.cn/中国智谱清言GLM-4https://chatglm.cn/中国月之暗面 Kimi ChatMoonshothttps://kimi.moonshot.cn/中国MiniMax 星野abab6https://www.xingyeai.com/

2.1 按格式输出

2.2 分类

2.3 聚类

2.4持续互动

2.5技术相关问题

2.6解决问题

大模型把语言描述作为输入，有输入就能输出结果
但如何发挥大模型的现有能力呢？最大的障碍是没有形成认知对齐

找落地场景的思路：

1. 从最熟悉的领域入手
2. 让AI学最厉害员工的能力，再让他辅助其他员工，实现降本增效
3. 找[文本进、文本出]的场景
4. 别求大而全。将任务拆解，先解决小任务、小场景

3.认知

3.1 目标

懂AI、懂编程、懂业务你就是AGI(artificial general intelligence 通用人工智能)SuperStar。

要懂原理、重实践、提认知

不懂原理就不会举一反三，走不了太远。
不懂实践就只能纸上谈兵，做事不落地。
认知不高就无法做对决策，天花板太低。

目前行业共识：两个确定和一个不确定

• 确定未来，AI必定重构世界
• 确定进入，收获红利
• 不确定落地，解决需求，技术路线，产品策略

只等不确定 确定了，巅峰即来

3.2 知识体系

3.3 学习方法

• 至少懂一门语言
• 有真实的项目经验
• 原理一定用心学
• 认知一定用心领悟
• 实践一定要多

4.大模型是怎么工作的

其实它只是根据上文，猜下一个词（的概率）

通俗理解

1. 大模型阅读了人类曾说过的所有话。这就是机器学习，也叫训练
2. 大模型将输入文字转化为一串编码，并计算后面跟着的不同编码的概率，存入神经网络，并保存数据参数(权重)
3. 大模型用之前输入的文字编码加上现在输入的文字编码,并计算出下一个最高概率的编码。这个过程就是生成(推理)
4. 步骤3循环反复，生成更多的文字

这套生成机制的内核叫「Transformer 架构」。但其实，transformer 已经不是最先进的了。
架构设计者特点链接TransformerGoogle最流行，几乎所有大模型都用它OpenAI 的代码RWKVPENG Bo可并行训练，推理性能极佳，适合在端侧使用官网、RWKV 5 训练代码MambaCMU & Princeton University性能更佳，尤其适合长文本生成GitHub

5.用好AI的关键

OpenAI 首席科学家 Ilya Sutskever 说过：

数字神经网络和人脑的生物神经网络，在数学原理上是一样的

我们要把 [AI当人看] ，来理解、控制和看待，其有优点也有不足。

6.大模型应用架构

大模型技术分两个部分：

• 基础大模型的训练
• 开发大模型的应用

大模型应用技术特点：门槛低，天花板高

6.1典型业务架构

Agent 还太超前，Copilot 值得追求

6.2技术架构

prompt(提词) 一问一答方式

Agent + Function Calling （代理+函数调用）

• Agent：AI主动提要求
• Function Calling: AI要求执行某个函数
• 场景举例：你问水果好吃吗？他反问你哪种水果

RAG(Retrieval-Augmented Generation 检索增强生成)

• Embeddings：把文字转换为更易于相似度计算的编码。这种编码叫向量
• 向量数据库：把向量存起来，方便查找
• 向量搜索：根据输入向量，找到最相似的向量
• 场景举例：考试时，看到一道题，到书上找相关内容，再结合题目组成答案。然后，就都忘了

Fine-tuning (精调)

6.3如何选择技术路线

值得尝试Fine-Tuning的情况：

• 提高大模型的稳定性
• 用户量大，降低推理成本的意义很大
• 提高大模型的生成速度

6.4基础模型选型

合规和安全是首要考量因素。使用测试数据选择最优的模型。
需求国外大模型国产大模型开源大模型国内 2C🛑✅✅国内 2G🛑✅✅国内 2B✅✅✅出海✅✅✅数据安全特别重要🛑🛑✅