如何理解李彦宏说的”不要卷模型,要卷应用

文章目录

  • 👿AI技术的发展与转变
  • 👿不要卷模型,要卷应用
  • 👿避免“超级应用陷阱”
  • 👿大模型技术与个性化应用的关系
  • 👿结语

在2024年7月4日于上海世博中心举办的世界人工智能大会上,百度创始人、董事长兼首席执行官李彦宏在产业发展主论坛上发表了一段引人深思的讲话。他呼吁业界“不要卷模型,要卷应用”,强调AI技术从辨别式向生成式的转变,并提醒大家要避免“超级应用陷阱”。这段发言不仅引发了广泛的关注,也为AI产业的发展指明了方向。那么,如何理解李彦宏这段发言的深意?大模型技术本身和个性化应用之间的关系又是怎样的?本文将围绕这些问题展开探讨。

👿AI技术的发展与转变

首先,我们需要了解AI技术的发展历程。从最初的规则系统到现在的深度学习和生成式模型,AI技术经历了巨大的变革。辨别式模型(Discriminative Models)主要用于分类和回归任务,例如图像分类和语音识别等。这些模型的目标是通过学习数据的分布来预测数据的类别或数值。

而生成式模型(Generative Models)则不同,它们不仅可以完成辨别式模型的任务,还可以生成新的数据。例如,生成对抗网络(GANs)和变分自编码器(VAEs)能够生成高质量的图像和文本内容。李彦宏所说的“从辨别式转向了生成式”正是指这一技术演变的过程。

生成式模型的出现为AI技术带来了更多的可能性。它们不仅可以用于数据增强、内容生成等领域,还能够在个性化推荐、自动化创作等方面发挥重要作用。然而,技术本身并不是终点,如何将这些先进的技术应用于实际场景,解决现实问题,才是AI技术的真正价值所在。

👿不要卷模型,要卷应用

李彦宏的发言中提到的“卷模型”是指在AI技术研发过程中,各大公司和研究机构过度追求模型的复杂性和精度,不断提高模型的参数和计算量,以期在各种基准测试中取得领先地位。这种竞争虽然推动了AI技术的发展,但也带来了诸多问题。例如,高精度模型往往需要庞大的计算资源和数据支持,研发成本高昂,且在实际应用中可能存在难以落地的风险。

相比之下,“卷应用”则强调技术的落地和应用价值。李彦宏指出,AI技术的真正价值在于如何将其应用于实际场景,解决实际问题。这一观点提醒我们,不应仅仅关注模型的性能和复杂性,更应关注技术在实际应用中的效果和产业价值。

👿避免“超级应用陷阱”

李彦宏还提到要避免“超级应用陷阱”。所谓“超级应用陷阱”,是指过分追求用户日活跃量(DAU),而忽视了应用的实际效果和产业价值。在移动互联网时代,DAU是衡量一个应用成功与否的重要指标。然而,在AI时代,这一规律可能发生变化。

一个“超级能干”的应用,即使DAU不高,只要能为产业带来实质性的增益,其价值就远超传统的移动互联网应用。例如,工业制造领域的AI优化系统,即便其用户数量不多,但如果能显著提升生产效率和产品质量,其经济效益和产业价值不可估量。类似地,在医疗、金融、教育等领域,AI技术的应用能够带来革命性的变化,即使其用户规模不大,依然具有极高的应用价值。

👿大模型技术与个性化应用的关系

大模型技术(如GPT-4、BERT等)在自然语言处理、计算机视觉等领域取得了显著成果。这些模型拥有庞大的参数量和强大的生成能力,能够在多个任务中表现出色。然而,大模型技术的研发和应用面临着巨大的挑战,包括计算资源、数据隐私和伦理问题等。

个性化应用是AI技术的重要方向之一。大模型的优势在于其广泛的适用性和强大的生成能力,但在具体应用中,个性化定制和优化显得尤为重要。例如,在电商平台中,推荐系统需要根据用户的购买历史和行为习惯进行个性化推荐;在教育领域,智能辅导系统需要针对不同学生的学习情况提供个性化的辅导和建议。

大模型技术与个性化应用之间并非对立关系,而是相辅相成的。大模型提供了强大的技术基础和生成能力,而个性化应用则需要在具体场景中进行优化和定制。通过结合两者的优势,AI技术能够在更多领域发挥作用,解决更多实际问题。

👿结语

李彦宏在世界人工智能大会上的发言为AI产业的发展提供了新的思路。技术的进步固然重要,但更重要的是如何将这些技术应用于实际场景,解决实际问题。避免“超级应用陷阱”,关注应用的实际效果和产业价值,是AI技术发展的关键。

大模型技术与个性化应用的结合,将为AI技术的落地和普及带来更多可能性。我们期待在未来,AI技术能够在更多领域发挥作用,为社会和产业带来实质性的增益。正如李彦宏所言,“不要卷模型,要卷应用”,只有将技术与应用紧密结合,才能真正释放AI技术的潜力,实现其应有的价值。

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/news/869012.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

国产鸿道Intewel操作系统与Codesys高实时虚拟化运动控制解决方案

随着运控行业的快速发展,实时与非实时业务的融合应用需求日益增长。例如在机器视觉处理领域,无论是在Windows还是Linux平台上,传统实时操作系统无法与非实时操作系统如Windows或Linux兼容,不能充分利用Windows或者Linux系统的生态…

(心情2)研发过程中记录的经典语录,与大家分享!

职场中,一些可以提升的地方,很多时候都是由自己的心态决定的,前段时间不经意翻到了之前2018年记录的云笔记内容,有点感触,拿出来和大家分享了,有则改之,无则加勉! 1.提出问题的时候&…

C#面:阐述控制反转是什么?

控制反转(Inversion of Control,缩写为IoC),是⾯向对象编程中的⼀种设计原则,可以⽤来减低计算机代码之间的耦合度。其中最常⻅的⽅式叫做依赖注⼊(Dependency Injection,简称DI)&am…

数学建模中常用的数据处理方法

常用的数据处理方法 本文参考 B站西电数模协会的讲解视频 ,只作笔记提纲,想要详细学习具体内容请观看 up 的学习视频。一般来说国赛的 C 题一般数据量比较大。 这里介绍以下两种方法: 数据预处理方法 数据分析方法 数据预处理方法 1. 数据…

tessy 单元测试:小白入门指导手册

目录 1,创建单元测试工程目录 2,导入单元测试源文件 一:创建测试文件夹(最好和代码目录一一对应,方便查找) 二:选择测试环境 三:添加源文件 四:分析源文件 3,编写单元测试用例 一:设置函数参数的传输方向 二:添加单元测试用例 三:编辑单元测试用例数据 …

音频demo:将PCM数据与g726数据的相互转换

1、README 前言 本demo是将使用了开源项目EasyAACEncoder里的src/g726.cpp(demo中的已重命名为g726.c)和src/g726.h将16位小字节序的pcm数据和g726进行相互转换。 注:相关测试文件已存放在demo的audio目录下,目前发现pcm转换得到的g726文件用软件Audac…

Java代码实现elasticSearch的DSL复合查询

elasticsearch提供DSL(domain specific language)查询,就是以json格式定义查询条件实现复杂条件查询。 DSL查询分为俩大类: 叶子查询:一般是在特定的字段里查询特定值,属于简单查询,很少单独使…

nginx-----web服务器

** nginx-----web服务器 ** http就是Apache,在国内很少 nginx是开源的,是一款高性能,轻量级的web服务软件 稳定性高,而且版本迭代比较快(修复bug速度比较快,安全性快) 消耗系统资源很低ht…

anaconda powershell prompt中的指令

1.查看安装目录 pip list 或者 conda list 2.查看虚拟环境 conda env list 3.进入虚拟环境 conda activate 环境名称 例如:conda activate pytorch_learn 4.安装虚拟环境 conda create -n “” python 5.在虚拟环境中安装某模块/包 先进入虚拟环境 再 conda install…

spring tx @Transactional 详解 `Advisor`、`Target`、`ProxyFactory

在Spring中,Transactional注解的处理涉及到多个关键组件,包括Advisor、Target、ProxyFactory等。下面是详细的解析和代码示例,解释这些组件是如何协同工作的。 1. 关键组件介绍 1.1 Advisor Advisor是一个Spring AOP的概念,它包…

第16周:LSTM-火灾温度预测

目录 前言 一、LSTM简介 1.1 LSTM的本质 1.2 LSTM的提出 1.3 LSTM的原理 1.3.1 RNN原理介绍 1.3.2 LSTM原理介绍 二、前期准备 2.1 导入库、设置GPU 2.2 导入数据 2.3 构建数据集 2.3.1 数据集预处理 2.3.2 设置X,y 2.3.3 缺失值检测 2.3.4 划分数据…

【运维】磁盘满了怎么办?如何快速找到占用空间的文件和腾出空间

机器用久了,很容易生成很多临时或者无用的文件,占用大量空间造成磁盘不够用。尤其是服务器,当磁盘不够用时,系统会出现莫名其妙的问题,数据库可能会造成数据损坏。此时快速定位可以删除的大文件并及时释放空间&#xf…

AI Earth——1990-2022年全国月度气象数据检索应用app

应用结果 代码 #导入安装包 import os import json import datetime import streamlit as st import streamlit.components.v1 as components import traceback from PIL import Imageimport aie#读取当前目录的内容 current_work_dir = os.path.dirname(__file__) #添加地图…

leetcode--二叉树中的最大路径和

leetcode地址:二叉树中的最大路径和 二叉树中的 路径 被定义为一条节点序列,序列中每对相邻节点之间都存在一条边。同一个节点在一条路径序列中 至多出现一次 。该路径 至少包含一个 节点,且不一定经过根节点。 路径和 是路径中各节点值的总…

Redis 客户端命令大全

Redis 客户端命令涵盖了广泛的类别,包括键操作、字符串、哈希、列表、集合、有序集合、事务、脚本、服务器管理等。下面是一个 Redis 客户端命令的概述,按功能分类: 键(Key)命令 DEL key [key ...] 删除一个或多个键…

深入理解用户需求,打造一对一智能化服务

方向一:AI技术应用场景探索 在当今快速发展的科技时代,人工智能(AI)技术无疑是最为耀眼的明星之一。从基础的语音识别、图像识别到复杂的自然语言处理和生成式模型,AI技术正逐步渗透到我们生活的每一个角落。李彦宏在…

Nginx+Tomcat群集

**Nginx Tomcat 集群** Nginx 和 Tomcat 集群的组合是一种常见且强大的架构方案,旨在实现高可用性、可扩展性和高性能的 Web 应用服务。 Nginx 是一款轻量级的高性能 Web 服务器和反向代理服务器。它能够高效地处理静态资源请求,并将动态请求转发到后…

c++的几大特性

C 是一种广泛使用的编程语言,它是 C 语言的扩展,增加了面向对象编程(OOP)的特性以及其他一些高级功能。C 的几大特性主要包括以下几个方面: 面向对象编程(OOP): 封装(En…

pytest-yaml-sanmu(六):YAML数据驱动测试

如果说 pytest 中哪些标记使用得最多,那无疑是 parametrize 了, 它为用例实现了参数化测试的能力,进而实现了数据驱动测试的能力。 1. 使用标记 parametrize 的使用需要提高两个内容: 参数名 参数值 pytest 在执行用例时&…

6元/年英国Giffgaff卡申请和使用

官网:https://www.giffgaff.com/freesim-international 今天和大家分享一款来自英国的电话卡——Giffgaff,它能够在大陆正常使用,并且保号的费用也十分便宜,大约6元/年。自己免费申请的卡已经激活成功,将过程与大家分…