通过建模走出人工智能寒冬

很多人对 GenAI 是否会产生商业影响持怀疑态度,但我认为他们不仅错了,而且犯了 2001 年人们在互联网上犯下的错误。他们认为硅谷的炒作是无稽之谈,因此其背后的想法也是无稽之谈。

这是很危险的,我认为,这比大多数零售商认为电子商务实际上不会对他们构成威胁要危险得多,因为 eToys 破产了,boo.com 是一场灾难。整个互联网泡沫的破裂导致老派高管认为他们最了解情况,旧的方式已经恢复。这些公司已不复存在。

与互联网泡沫破裂的巨大区别

与互联网泡沫破灭相比,有一个绝对巨大的区别,那就是参与人工智能炒作的大型公司的资产负债表。这些公司没有用别人的钱来做这件事,他们用的是自家的钱。现金和等价物令人震惊。

  • 谷歌——1090 亿美元

  • 微软——800 亿美元

  • Meta——580 亿美元

  • 亚马逊——860 亿美元

  • Nvidia——310 亿美元

我没有把苹果包括在这里,因为他们不会走“建立自己的庞大模型”的路线,但他们的资金甚至更多(1600 亿美元)。再加上 Salesforce 的 180 亿美元,像 Databricks 这样的公司显然手头上还有几十亿美元。这是一篇很好的文章,探讨了这场危机可能对其他巨头造成的影响:

生成人工智能的经济学

鉴于我们目前对技术和市场的了解,生成人工智能的商业模式是什么?

towardsdatascience.com

因此,当炒作结束后,它将影响估值,但这些大公司不会破产(较小的公司和专注于人工智能的公司可能会破产,但它们不会推动商业应用市场),这意味着他们的销售团队仍然存在,他们仍然希望从所有的投资中获得一些回报,这意味着推动有目的的采用,而不是可以“要求解决物理问题”的神秘的巨型模型。

当互联网泡沫破灭时,公司纷纷破产,而当这个冬天来临时,你会看到拥有超过 3000 亿美元现金储备的公司正在寻求转型并获得回报。

为目的而领养

重点会是什么?我认为这是相当明显的,我们不会试图建立一个庞大的模型,而是开始让模型真正适用于具体事物。



让我们将其视为“为目的的采用”,这意味着如果我们希望人工智能取得成功,我们实际上必须更多地思考如何应用人工智能。

只需询问模型就不会发生

因此,在我们讨论这将会带来什么之前,让我们先来揭穿一下炒作。在未来 5 年内,你不会拥有一个可以“要求解决物理问题”的大型模型,或者其他一些奇怪的说法,例如“嘿,模型,只需以 2% 的利润率运行我的采购供应链” ,因为他们没有接受过你的供应链培训,也不知道你的业务是如何运作的



即使确实存在这样一个神奇的模型(但它并不存在),如果你将大量业务风险委托给一个单一的、无人监督的模型,该模型可以独立决策,而今天由于风险原因你需要多个人来负责,那么你这样做就是完全疯狂的。



因此,如果你的 AI“战略”是等待硅谷的炒作来实现这一包罗万象的模型,那么可能需要等待很长时间。早在 2016 年,就承诺“明年”实现“全自动驾驶横跨东西海岸”。

事实证明,为特定地区和市场(Waymo、百度)打造专用的 5 级自动驾驶汽车要比打造全球通用的全自动驾驶解决方案容易得多。这种通用解决方案的成功与失败的二元性是一个很好的教训,它告诉我们,专用的人工智能解决方案如何更可靠地投入运营。



你浪费的不是你的钱

当您勇敢面对 AI 寒冬时,首先要记住的是,GenAI 模型的沉没成本非常高。人们在创建这些多用途模型方面投入了大量资金。这些模型不仅在国际象棋方面表现不错,还能创建一些漂亮的图像,而且在围绕某个主题进行类似人类的互动方面也非常出色。当您试图解决问题时,不要担心您不关心模型 99% 的功能,您浪费的不是您的钱



因此,要想度过这个人工智能寒冬,首先要接受的事情之一就是浪费地球上一些最富有的公司和个人的金钱。

明确目的,以数字方式定义你的工作

在这个不能仅仅“依赖模型发挥魔力”的世界里,你必须接受的最困难的事情之一是,你需要能够定义你希望人工智能做什么工作。这听起来很简单,但实际上它要求你以不同于传统交易系统的方式理解你所做的工作。

我们需要一个范围的数字化定义,一个数字化合同



我们可以开始改变思维方式,不再试图寻求多用途解决方案,而是开始思考如何将我们的工作分解为单独的、受控的、每个都有自己契约的元素。这并不意味着人工智能不能做很多事情,只是我们要谨慎而准确地定义这项工作。这当然并不意味着人工智能解决方案只能做一件事,而是意味着当我们需要它做多件事时,我们会将多个单独的工作串​​联在一起,并明确每个工作的界限。

因此,如果我想建立一个“销售顾问”,那么我会将其解构为其核心合同,然后进一步了解其工作。

该图表展示了销售顾问及其合同的各个组成部分以及允许进行的交互。

对于销售顾问,我可以进一步细分

该图表显示销售顾问被分解为推荐引擎、语调调整引擎、谈判引擎和计算器

这里我展示了我的销售顾问有一个推荐引擎(可能只是传统的 ML 模型)和两个独立的 GenAI 部分,一个部分负责获取内容并根据客户进行语调调整,另一个部分负责建议谈判策略和方法。最后我要明确一点,如果你只需要加一些数字:使用计算器。

通过这种方式,我可以规划出我想要完成的工作、我想要完成的工作结构,以及我需要拥有的控制权。我所在区域之外的人(和其他机器人)可能只能看到顶级机器人,但我可以控制每个单独的目的。

为了目的而进行脑白质切除术

那么,一旦我们明确了目标,我们需要做什么呢?好吧,我们需要阻止模型做我们不想做的事情。“传统上”这涉及到护栏(用传统来形容几年前的事情感觉很奇怪,但仍然如此),但未来我们需要主动删除我们不想要的功能。这并不意味着我们也不会有护栏,但确实意味着在我们切除脑叶后,模型可以小得多。

规模越小,意味着“运行成本越低”,风险也越低。这是否意味着开源模型在人工智能寒冬中会变得更受欢迎?还是意味着托管模型需要进行脑叶切除术才能达到目的?我并不关心,但我确实认为这会发生。

建模不是魔术

随着炒作逐渐消退,那些拥有巨额资本储备的公司仍然需要获得一些回报,那么你能否准确定义你的业务问题,并利用他们已经投资的万亿美元,将成为你的竞争优势。这些技术可以帮助你解决以前无法解决的问题,但前提是你能够掌控一切。 如果你的策略是等待“下一个顶级模型”,它可以根据单一提示来管理你的业务,那么你的策略将会失败;然而,如果你的策略是利用这笔巨额投资和必然会出现的成本竞争,通过清楚地了解人工智能的能力以及你希望它在其中运行的数字描述和合同,为你的企业带来新的人工智能功能、特性、自动化和成果。

因此,今天是开始以这种方式思考的好日子,摆脱“单一模型”方法,转而采用“代理”、“可组合人工智能”、“代理人工智能”或任何其他名称,但实际上它是以一种使人工智能能够承担特定任务的方式来描述您的业务,并限制人工智能在该任务上取得巨大成功。

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/52448.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

nacos 使用 docker 单机部署连接 MySQL 数据库并开启鉴权

文章目录 本地部署的配置启用鉴权(未验证) docker部署的配置修改docker 镜像源启用鉴权,必须添加如下环境变量如何生成鉴权的密钥 完整环境变量docker启动命令 本地部署的配置 文件结构 application.properties #配置文件 mysql-schema.sql …

WPS关闭后,进程依然在后台运行的解决办法

问题 wps启动后 在启动wps后,什么都不做,打开进程管理器,发现居然运行了3个wps进程: win10只会显示wps进程: win11显示比较准确: 关闭后 在关闭wps,再去任务管理器查看,发现在…

nvim变量命名风格的转换插件

变量命名风格的转换插件,可以在驼峰命名、混合命名和蛇形命名等风格之间相互转换 配置 lazy.nvim 使用默认快捷键 {"StubbornVegeta/style-transfer.nvim",event "BufEnter",config function()require("style_transfer").setup…

Python计算机视觉 第3章-图像到图像的映射

Python计算机视觉 第3章-图像到图像的映射 3.1 单应性变换 单应性变换(Homography)是计算机视觉中非常重要的一种几何变换,它用于将一个平面内的点映射到另一个平面内。具体来说,单应性变换可以描述一个图像在摄像机视角变化、…

vue3+vite+axios+mock从接口获取模拟数据实战

文章目录 一、安装相关组件二、在vite.config.js中配置vite-plugin-mock插件三、实现mock服务四、调用api接口请求mock数据方法一、直接使用axios 请求mock 数据方法二、对axios进行封装统一请求mock数据 五、实际运行效果 在用Vue.js开发前端应用时通常要与后端服务进行交互&a…

Linux Ubuntu 桌面环境概览

目录 一、Ubuntu桌面环境的特点:简约而不简单 二、Ubuntu桌面环境的组成:细节见真章 Ubuntu,这个名字在开源操作系统领域如同璀璨明星,以其卓越的桌面环境和用户体验赢得了全球用户的青睐。今天,就让我们一起深入探索…

图神经网络GNN的前世今生

GNN 图神经网络(Graph Neural Network,简称GNN)已经成为处理图形结构数据的一种强大工具,广泛应用于社交网络分析、知识图谱、推荐系统等领域。在本文中,我们将深入探讨图神经网络的历史背景、关键的发展阶段以及未来可…

强制输出wParam 和 lParam,会是什么内容?

当你“强制输出” wParam 和 lParam 时,通常是指在调试或日志记录中直接查看这些参数的原始数值。这些值的内容会根据消息类型的不同而有所变化,因为 wParam 和 lParam 的意义和使用取决于它们所在的消息上下文。 下面我将详细讨论在不同消息情况下&…

白酒与家庭聚会:温馨与和谐的时光

在繁忙的都市生活中,家庭聚会是每个人心中那份较温暖的港湾。每当夜幕降临,灯火通明,家人们围坐在一起,谈笑风生,那份温馨与和谐仿佛能够驱散一切疲惫。而在这个温馨的时刻,白酒——豪迈白酒(HO…

Python 爬虫入门(十二):正则表达式「详细介绍」

Python 爬虫入门(十二):正则表达式 前言一、正则表达式的用途二、正则表达式的基本组成元素2.1 特殊字符2.2 量词2.3 位置锚点2.4 断言2.5 字符集2.6 字符类2.6.1 基本字符类2.6.2 常见字符类简写2.6.3 POSIX字符类2.6.4 组合使用 三、 正则表…

如何使用ssm实现亿互游在线平台设计与开发+vue

TOC ssm118亿互游在线平台设计与开发vue 绪论 1.1研究背景 时代的发展,我们迎来了数字化信息时代,它正在渐渐的改变着人们的工作、学习以及娱乐方式。计算机网络,Internet扮演着越来越重要的角色,人们已经离不开网络了&#x…

2024世界机器人大会盛大开幕,卓翼飞思携无人智能领域产品集中亮相 !

开放创新 聚享未来!万众瞩目的2024世界机器人大会暨博览会于8月21日在北京亦创国际会展中心盛大开幕。大会聚焦机器人技术与产业前沿趋势,展示机器人创新应用赋能千行百业的多元场景,全球顶尖的机器人科学家、行业领袖、创新精英汇聚一堂&…

Pandas教程:使用Pandas合并多个Excel文件

目录 1. 环境准备 1.1 安装Pandas 1.2 准备工作 2. 基本概念 2.1 Pandas简介 2.2 DataFrame的基本操作 3. 读取Excel文件 4. 合并多个Excel文件 4.1 获取文件列表 4.2 读取并合并数据 4.3 处理重复数据 5. 数据存储 6. 完整示例代码 7.代码优化 7.1用类去重新组…

vue3动态引入图片不显示问题

方法1.(打包后动态引用的图片未被打包入工程中,webpack,vite) 1.图片放到public 目录会更省事,不管是开发环境还是生产环境,可以始终以根目录保持图片路径的一致. 假设: 静态文件目录:src/assets/images/ 我们的目标静态文件在 …

Python实现打印http请求信息例子解析

示例代码 import http.clientdef print_http_info(host, path):conn http.client.HTTPConnection(host)method GETurl pathprint(f"{- * 30} 请求信息 {- * 30}")print(f"主机: {host}")print(f"方法: {method}")print(f"URL: {url}&qu…

深入理解Spring Boot日志框架与配置

目录 Spring Boot日志框架概述Spring Boot默认日志框架:Logback日志配置文件日志级别的调整日志输出配置日志格式化日志轮转和归档集成其他日志框架日志管理工具最佳实践总结 Spring Boot日志框架概述 Spring Boot 支持多种日志框架,如 Logback、Log4…

使用HAL库实现按键控制LED和蜂鸣器

下载STM32CubeMX实现项目的初始配置(寄存器操作),下载keil对程序进行编译烧写 在STM32CubeMX中将PB0/PB1设置为输入引脚作为按键,PA6/PA4设置为输出引脚作为led和Beep,将按键引脚设置为上拉输入: 创建项目完成后在kei…

【jvm】程序计数器的特征

目录 1. 说明2. 线程私有3. 存储指令地址4. 不会发生内存溢出5. 生命周期与线程相同 1. 说明 1.JVM(Java虚拟机)中的程序计数器(Program Counter Register),简称PC寄存器,具有几个显著的特征,这…

C语言 | Leetcode C语言题解之第365题水壶问题

题目&#xff1a; 题解&#xff1a; bool canMeasureWater(int jug1Capacity, int jug2Capacity, int targetCapacity) {int j1 jug1Capacity < jug2Capacity ? jug1Capacity : jug2Capacity, j2 jug1Capacity > jug2Capacity ? jug1Capacity : jug2Capacity;if (ta…

Umi-OCR 文字识别工具

免费开源的离线orc识别功能 git地址 感谢大佬的贡献 Umi-OCR 文字识别工具 使用说明 • 下载地址 • 更新日志 • 提交Bug 免费&#xff0c;开源&#xff0c;可批量的离线OCR软件 适用于 Windows7 x64 、Linux x64 免费&#xff1a;本项目所有代码开源&#x…