大模型如何改变世界?李彦宏:未来至少一半人要学会“提问题“

2023年爆火的大模型,对我们来说意味着什么?

百度创始人、董事长兼CEO李彦宏认为,“大模型即将改变世界。”

5月26日,李彦宏参加了在北京举办的2023中关村论坛,发表了题为《大模型改变世界》的演讲。李彦宏认为,大模型成功地压缩了人类对于整个世界的认知,让我们看到了实现通用人工智能的路径。

他表示,“当下,我们正处在全新起点,这是一个以大模型为核心的人工智能新时代,大模型改变了人工智能,大模型即将改变世界。”

在这里插入图片描述

李彦宏预测,10年后,全世界有50%的工作会是提示词工程。对于这一变化,李彦宏认为“提出问题比解决问题更重要。我们的教育要教孩子提出问题,而不仅仅是解决问题。”

每一次工业革命,都有一个颠覆性的技术创新,每一次工业革命都极大地推动社会生产力的发展。事实上,在今年大模型爆火之前,主流的说法已经认为人工智能将引领第四次工业革命。

而大模型使得人工智能可以更好地模拟和应对复杂的现实问题,为新的颠覆性的技术创新提供了基础,它将推动各个行业的变革。

大模型如何改变世界?

人工智能改变世界,大模型改变人工智能。业界普遍认为,经过十几年发展,当前人工智能已发展到大模型时代。

大模型时代的到来,离不开大算力、大模型、大数据的相关突破。大算力提供了高效的计算能力,支持大模型的训练和推理;大模型能够更好地拟合和表示大数据,提供更准确的智能能力;大数据则为人工智能系统提供了丰富的训练和学习材料。

三者相互关联、相互促进,人工智能系统展现出出乎意料的智能行为和能力的现象,这种现象被称为“智能涌现”。

李彦宏解释称,“过去的人工智能是,我想让机器学会什么技能,就教它什么技能。教过的有可能会,没教过的就不会。大模型出现智能涌现之后,以前没教过的技能,它也会了。”

如今,写文章、写代码、做翻译已经是“基操”,大模型为AI工具带来了全新的想象力。不久前,百度的文心大模型“补全”了《富春山居图》,让历史画作重现当代,且能让风格与现存真迹达到一致。

李彦宏称,人工智能发展方向从“辨别式”走向“生成式”。关于“辨别式”与“生成式”,李彦宏举了个例子:搜索引擎就是典型的辨别式;用AI进行文学创作,写报告、绘制海报等等,这些都是生成式。

回望过去三次工业革命,世界的改变本质上是对产业的改变,进而带来人的改变。那么人工智能将对我们每个人产生怎样的影响?

首先,大模型重新定义了人机交互。通过自然语言处理和生成模型等技术,大模型使得人们可以更自然、无缝地与机器进行交流和互动。而被重新定义的人机交互带来一场“提示词”革命。

“我做过一个预测,10年后,全世界有50%的工作会是提示词工程。提出问题比解决问题更重要。我们的教育要教孩子提出问题,而不仅仅是解决问题。”

李彦宏认为,未来的应用,是通过自然语言的提示词来调动原生AI 应用实现的。这意味着,“未来你的薪酬水平,将取决于你的提示词写得好不好,而不是取决于你的代码写得好不好。”

而通过“提示词”来大显身手的生成式AI,会让工作效率大幅度提升。

根据方舟投资公司(Ark Invest)发布的《Big Ideas 2023》年度投研报告,到2030年,人工智能预计将使知识工作者的生产力提高4倍以上。报告还提到,如果100%的企业采用人工智能,人工智能可以在总体上花费31万亿美元,带来约200万亿美元的劳动生产率。

不过,人工智能一直在进步,也一直带给一些人们“机器会不会取代人?”的担忧。

如李彦宏所说,大模型会重新定义营销和客服。有了大模型,即使你有70亿个客户,每一个客户也都可以有一个专属的7×24小时的、什么都知道的助理去服务他。但于营销和客服而言,谁拥有最佳的跟客户沟通的方式,谁就会拥有这个客户,而这个道理在大模型出现之前就成立,人工智能是为了提高人的效率,而不是为了取而代之。

李彦宏认为,“把机器变成人,不应该是努力的方向。机器很多方面会比人强,但机器变不成人,也没必要变成人。机器会越来越聪明,能够干的事越来越多,效率会越来越高,我们需要与机器共生,而不是二元对立。”

历史发展有其一定的规律,过去三次工业革命,每一次都会让一部分工作消失,但每一次也创造出了更多的新工作岗位。

大模型时代来了,每一个产品都值得重做一遍

大模型正在改变世界,而对于投身人工智能行业的公司来说,背后的商业机会也正在发生变化。业界有一种说法,大模型时代来了,每一个产品都值得重做一遍。但谁真正重新做了一遍呢?

李彦宏表示,“百度要做第一个把全部产品重做一遍的公司,不是整合,不是接入,是重做,重构!”

李彦宏如此说,底气何在?

一方面,应当是源于百度在技术上的长期投入和积累。自2013年开始布局至今,10年间百度在人工智能上的投入超千亿。

另一方面,则是来自百度的“独特优势”。

李彦宏认为,大模型改变人工智能的背后,IT技术栈也发生了非常根本的变化。过去,无论是PC还是移动时代,IT技术栈都是三层,芯片层、操作系统层、应用层。

人工智能时代,IT技术栈变成了四层:底层仍然是芯片层,但主流芯片从CPU变成了GPU;芯片上面叫做框架层,就是深度学习框架;框架上面是模型层,ChatGPT、文心一言都是属于模型层;最上面是应用层。

芯片层方面,百度布局有昆仑芯,已经量产几万片,昆仑芯第三代,预计2024年初量产;深度学习框架方面,百度的飞桨与Meta的PyTorch、谷歌的TensorFlow齐名,百度的飞桨,在中国的市场份额排第一;模型层百度拥有文心一言,此外还有交通大模型、能源大模型等行业大模型。

百度是目前全球为数不多做到四层全栈布局的人工智能公司,全栈布局的优势是,能够实现层层反馈,端到端优化,在实际应用中,可以大幅提升效率。

李彦宏举例称,通过智能调整红绿灯的时间,可以让城市交通效率提升15%到30%。“五一长假之前最后一个工作日,北京大堵车,从二环堵到六环一片红,唯一绿的是亦庄,因为亦庄300多个路口全部部署了百度AI信控系统。”

第三则是自主可控。文心一言大模型做到了数据可控、框架可控、模型可控,能够体现在国际竞争当中高水平的科技自立自强。

李彦宏也对文心一言寄予厚望,“它可以赋能千行百业,助力中国经济开创下一个黄金30年。”

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。

在这里插入图片描述

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

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

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/31666.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

在centos服务器上部署nginx容器

1.下载nginx镜像 2.导入镜像 docker load -i nginx.tar 3. 查看导入的镜像 docker images 4. 运行镜像 docker run -d -p 80:80 --name my-nginx nginx 5. 访问Nginx 其他 1.查看所有正在运行的Docker容器:docker ps 2.查看所有镜像:docker images 3.使用Docker命令…

Html集成 vue3,js文件访问vue内的方法和属性

标题页面代码如下 如下代码,假设index.js文件中有个 getUserInfo函数, 1.我们首先需要把 let vm app.mount(‘#app’);的vm传到js文件中,这样才能访问vue中定义的元素和函数 2.vue中定义的函数需要return出去才能在js文件中调用 3.js文件中,调用vue中的函数作为参数即可传参到…

为什么我在 PostgreSQL 中 Commit 很慢?

有时,我们的一位客户会查看数据库中最耗时的语句(使用pg_stat_statements或pgBadger),并发现COMMIT排名靠前。通常,COMMIT这是 PostgreSQL 中非常快的语句,因此值得研究。在本文中,我将探讨速度…

求职刷题力扣DAY24--回溯算法

1. 77. 组合 给定两个整数 n 和 k,返回范围 [1, n] 中所有可能的 k 个数的组合。 你可以按 任何顺序 返回答案。 示例 1: 输入:n 4, k 2 输出: [[2,4],[3,4],[2,3],[1,2],[1,3],[1,4], ]示例 2: 输入&#xff1…

Go微服务: redis分布式锁在集群中可能遇到的问题及其解决方案

概述 我们的 redis 一般都是集群来给我们程序提供服务的,单体的redis现在也不多见 看到上面是主节点redis和下面是6个重节点redis,主节点和重节点的通讯都是畅通没问题的这个时候,我们有 gorouting 写我们的数据,那它就会用到我们…

(Python)可变类型不可变类型;引用传递值传递;浅拷贝深拷贝

从一段代码开始说事,先上代码: a [[1],[2],[3]] b [[4,5],[6,7],[7,8]] for i,j in zip(a,b):print(i,j)i [9]#i[0] 8j[:2][1,2]print(i, j) print(a) print(b) 运行的结果: [1] [4, 5] [9] [1, 2] [2] [6, 7] [9] [1, 2] [3] [7, 8] …

Homebrew使用

官网:https://brew.sh/ 安装: 简介:https://www.jianshu.com/p/f4c9cf0733ea 比如,安装maven: 1、brew install maven 2、查看安装路径:brew list maven 具体参考:https://blog.csdn.net/m0_67402970/arti…

日语 13 14

13. スピーチの依頼 いらい 自信 自信 自信 自信 自信 じしん 折り入って 折り入って 折り入って おりいって  诚恳 頼み 頼み 頼み 頼み 頼み  たのみ 请求 整備 整備 整備 整備 整備 せいび 维修 肥満 肥満 肥満 肥満 肥満 ひまん 肥胖 権利 …

jigdo无法下载的文件

问题描述 用jigdo下载Debian的iso镜像,剩下最后一个文件下载不了,提示信息: Found 0 of the 1 files required by the template Copied input files to temporary file debian-12.5.0-amd64-DLBD-2.iso.tmp - repeat command and supply mo…

torch.max函数

torch.max函数的用法 第一种第二种 官方介绍:Link 有两种使用场景,输入的参数不同以及返回值不同: 第一种 没有参数dim,但这种只适合一维张量。 torch.max(input) → Tensor Returns the maximum value of all elements in the…

MPLS-LDP(个人学习笔记)

定义 标签分发协议LDP(Label Distribution Protocol)是多协议标签交换MPLS的一种控制协议,负责转发等价类FEC的分类、标签的分配以及标签交换路径LSP的建立和维护等操作。LDP规定了标签分发过程中的各种消息以及相关处理过程 术语 LDP会话&a…

【尚庭公寓SpringBoot + Vue 项目实战】移动端找房功能(二十一)

【尚庭公寓SpringBoot Vue 项目实战】移动端找房功能(二十一) 文章目录 【尚庭公寓SpringBoot Vue 项目实战】移动端找房功能(二十一)1、业务介绍2、接口开发2.1、地区信息2.2、获取全部支付方式列表2.3、房间信息2.2.1. 根据条…

python基础1.1-格式化输出(%用法和format用法)

目录 %用法 format用法 %用法 1、整数的输出 %o —— oct 八进制 %d —— dec 十进制 %x —— hex 十六进制 1 >>> print(%o % 20) 2 24 3 >>> print(%d % 20) 4 20 5 >>> print(%x % 20) 6 142、浮点数输出 (1)格式化…

鸿蒙开发系统基础能力:【@ohos.accessibility (辅助功能)】

辅助功能 说明: 本模块首批接口从 API version 7 开始支持。后续版本的新增接口,采用上角标单独标记接口的起始版本。 导入模块 import accessibility from ohos.accessibility;AbilityState 辅助应用状态类型。 系统能力:以下各项对应的…

智能体合集

海外版coze: 前端代码助手 后端代码助手: 前端代码助手:

glXMakeCurrent 退出

glXMakeCurrent 退出 X Error of failed request: GLXBadDrawable Major opcode of failed request: 146 (GLX) Minor opcode of failed request: 29 (X_GLXGetDrawableAttributes) Serial number of failed request: 90 Current serial number in output stream: …

优惠券核销业务

优惠券核销业务,包含 买券,券核销,退券,退款,过期自动退。 优惠券 为了促销,商家有时会发放一些优惠券,比如 80 抵 100。抖音、美团,都有类似的业务。 购买优惠券 优惠券&#x…

C++核心编程运算符的重载

C核心编程运算符的重载 文章目录 C核心编程运算符的重载1.“”运算符的重载1.1 作为成员函数重载1.2 作为全局函数重载 2."<<"运算符重载2.1为什么需要重载左移运算符2.2如何重载左移运算符2.3注意事项 3.""运算符重载3.1 前置递增运算符重载3.2后置…

添加右键菜单(以git为例)

1、打开注册表编辑器 打开系统注册表&#xff0c;使用组合键“Win R”输入“regedit”。 依次展开”HKEY_CLASSES_ROOT\Directory\Background\shell”。 2、新建右键菜单项 在[Background]下找到“shell”如果没有则新建项shell&#xff0c;接着在“shell”下右键-新建项名…

算法训练营day66-孤岛总面积-沉没孤岛-水流问题-建造最大岛屿

题目1&#xff1a;101. 孤岛的总面积 (kamacoder.com) #include <iostream> #include <vector> #include <queue> using namespace std; int dir[4][2] {0,-1,-1,0,0,1,1,0}; int count 0; void bfs(vector<vector<int>>& map, vector<…