探索大模型发展 与用户需求+ AI项目推荐
2023-04-25 10:03:32 1 举报AI智能生成
大模型的发展趋势
作者其他创作
大纲/内容
什么是<br>大模型<br>
<font color="#ff0d00">"大模型"指的是具有亿级或者万亿级参数，<br>通过对大量数据进行训练而得到的高度复杂的深度神经网络模型。</font><br><br>相较于传统的小模型，它们在处理自然语言、图像、声音等领域<br>具有更强的表达能力和预测准确度。<br><br>同时，大模型也具备自监督学习功能，<br>能够自行生成并利用未标注的数据进行学习，降低了数据标注的成本。<br>由于大模型所需要的计算资源较为庞大，<br>因此需要强大的计算能力和数据存储设施才能支持其运行。<br>
大模型的<br>发展趋势<br><br>
国内宣布入局大模型的公司越来越多，比如：百度 阿里 商汤 字节 腾讯<br>未来几个月 国类大模型可能大面积开放<br>
<font color="#ff0d00">未来 会有几个普适的通用大模型，去满足广义的中长尾的大众需求，<br>而在垂直的高价值大用户基数的场景下<br>（比如图像生成、营销文案协作、编程助手等场景），<br>会有很多专业模型，这些模型更像是端到端的应用，会占据用户场景，并建立自己的模型。<br><br></font>未来可能会有非常多的大模型，有少数通用的，有更多垂直的，而非通用大模型本身。<br>
AI的一些<br>新认知<br>
AI的技术是用模型取代了传统人类处理的角色。<br>给模型一个输入，模型给出一个输出。<br>这个输出越准确、越有效率，这个模型就越有价值<br>
<font color="#ff0d00">AI的本质是大规模低成本满足定制化需求。<br>未来大家在不同方面都可以得到定制化的体验。<br><br>现在，只有有钱人才能买得到定制化的体验，<br>但是AI可以让每个人都买得起定制的东西</font><br>
大模型时代的所有软件，包括绝大多数AI本身，都要重做一遍。
未来我们会看到多数平台级产品，推出自己的AI功能- 比如 飞书AI助手<br>借助AI能力来提升产品体验，<font color="#ff0d00">在AI创业领域尽量避开平台级产品<br>去做平台级产品,可能来不及反应或者不知道如何结合AI来优化的产品</font><br>
<font color="#ff0d00">想怎么能更好的利用 AI 劳动力，一种是做从无到有的苦力，<br>一种是做从多变少的分析活，这两个结合起来就能取代<br>大多日常的工作流程和场景</font><br>
大模型时代<br>的用户故事<br>和需求<br>
什么是<br>用户故事<br>
用户故事”是一种描述用户需求的方式，<br>它主要包含三个部分：<br>用户角色、用户需求和用户目标。<br>
即以用户为中心，<br>描述用户在某个场景下遇到的问题，<br>以及他们期望用产品得到的满足感<br>
AI基础上<br>的用户故事<br>
Why
这个需求是需要知识来满足的吗
这个需求对知识的准确性要求高吗
Who
谁提供知识
What
这个知识<br>属于哪一类<br>
探索类
学习类
执行类
How
用什么模型来提供知识
谁拥有知识产权
怎么保护用户的数据隐私
怎么补充知识
知识怎么通过什么样的<br>产品形式传递给用户<br>
Where
知识是否可私有化
知识在哪里提供
大模型时代<br>的用户需求<br>
<font color="#ff0d00">探索类：</font><br><br>有<font color="#ff0d00">这类需求的用户不知道怎么想干什么，想依赖AI来帮TA脑暴</font>。<br>这类需求可以通过模型已有的知识来满足，对准确性的要求也不高，<br>非常适合生成式AI来处理。比如想广告创意等等。<br>
<font color="#ff0d00">学习类：</font><br><br>有这类需求用户有了明确的需求，但需要用户获得知识，<br>再运用获得的知识才能解决需求。<br>
现有产品功能满足不了用户需求，<br>先通过问大模型，自己获得了知识，<br>再手动解决问题<br>
单纯是好学，想获得知识。<br>这类需求本质上是满足学习需求，<br>应该由教育类产品满足。<br>
<font color="#ff0d00">执行类：</font><br><br>这类需求可以通过模型已有的知识来满足，非常适合生成式AI来处理<br>
比如写代码，写文章，画画等
对AI发展<br>不要fomo
等优秀的产品冒出来，不要急。<br>不建议过度关注新产品，新模型，新热点。<br>需要提升的是，<br><font color="#ff0d00">如何更好的使用目前最优秀的AI产品提升生产力，<br>提升个人的能力范畴，这是最重要的。</font><br>
AI项目<br>推荐<br>
LangChain<br><br><font color="#ff0d00">互联网企业想要，<br>拥抱Ai的最低成本的<br>应用程序库</font><br>
<font color="#ff0d00">是一个用于 <br>构建基于大型语言模型（LLM）<br>的应用程序的库。<br>它可以帮助开发者将LLM与其他计算或知识源结合起来，<br>创建更强大的应用程序。<br><br>例如，可以使用LangChain开发以下类型的应用程序：<br>- 在特定文档上进行问答<br>- 聊天机器人<br>- 智能代理</font><br>
<br>它使基于AI模型工作和应用构建的复杂部分变的更容易。<br><br>LangChain可以将LLMs与外部数据源链接，<br>也允许LMMs模型间的交互。<br>
<font color="#e74f4c">整合，将外部数据，如本地文件、<br>其他应用程序和api数据，输入指定LLM</font><br>
<font color="#e74f4c">代理，允许LLMs通过决策与它所处环境互动，<br>使用LLMs来帮助决定下一步要采取的行动。</font><br>
对应文档：https://python.langchain.com/en/latest/index.html#
Hugging Face<br><br><font color="#ff0d00">NLP 领域的GitHub，<br>未来有希望成为<br>整个 ML 领域的 GitHub</font><br>
Hugging Face 是一个 AI/ML 社区和平台，<br>早期靠 Transformers 模型库和高质量社区受到关注。<br><font color="#ff0d00">用户可以在 Hugging Face 上托管和共享 ML 模型、<br>数据集，也可以构建、训练和部署模型。</font><br>
Hugging Face 上共有 7.7 万个预训练模型，以 NLP 模型为主，<br>Hugging Face 现在是 NLP 领域的 GitHub，<br>未来希望成为整个 ML 领域的 GitHub，<br>并逐渐向 ML Workflow 的其他环节渗透。<br>
Hugging Face 则通过开源预训练模型的方式，<br>让所有人都能使用 ML 模型，降低了使用门槛，<br>极大程度推动了 AI/ML 的民主化。<br>
网址：https://huggingface.co
学习资料来源
学习资料文章标题： 《大模型时代的产品哲学：围绕知识设计产品》 飞书文档上看到一篇文档，忘记作者是谁了<br>《到底有没有人在投 AI？AI 赛道第一线实操体感分享 | 42章经》作者：曲凯<br>《AI新产品层出不穷，学不过来怎么办》作者：caoz
0 条评论
下一页
