最喜爱的华裔 AI 大神吴恩达、李飞飞。
百科
吴恩达(1976-,英文名:Andrew Ng),华裔美国人,斯坦福大学计算机科学系和电子工程系副教授,人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。吴恩达也是在线教育平台 Coursera 的联合创始人(with Daphne Koller),DeepLearning.AI 创始人。2014 年 5 月 16 日,吴恩达加入百度,担任百度公司首席科学家,负责百度研究院的领导工作,尤其是 Baidu Brain 计划。2024 年 4 月,亚马逊将吴恩达纳入其董事会。
吴恩达 Andrew Ng
吴恩达不仅在学术上有所建树,他还致力于普及教育,让更多的人能够接触到机器学习和人工智能的知识。他在 Coursera 平台上开设的机器学习课程自 2011 年上线以来,已经吸引了全球 180 万名学员,为人工智能领域的入门者提供了重要的学习资源。
Agentic Flow 未来趋势
最近吴恩达在红杉美国的活动上做了一个演讲,讲了 Agent 工作流和传统使用大模型方式的工作流有什么不同。
Agentic Flow 未来趋势
现在用 ChatGPT 这种聊天机器人,都已经被划入传统的 AI 使用方式了,AI 世界的变化实在是太快了。
Agent 是什么?这是从 2023 年下半年到现在,AI 领域最热的话题之一。Agent 这个词,被翻译成“人工智能代理”,或者“机器人”,或者“AI 智能助理”。这几个版本的意思都差不多,就是根据接收到的任务或者信息输入,Agent 能使用一个或几个 AI 模型,做出反应、决策或者输出。
Agent 火的原因是,大模型虽然很强大,执行创意型的任务时表现非常牛,例如写 100 个广告词,或者画一副油画。但如果要去做一些特别具体的工作,尤其是完成一些能嵌入到我们日常工作中的任务,我们对大模型的要求就变了。我们需要的就不是天马行空的想象力,而是要更靠谱的执行力,要能帮人提高效率。
如果说大模型是什么都懂点的 985 精英大学生,那么 Agent 其实就是你身边非常靠谱的、帮你完成某个任务的助理。
吴恩达拿写论文这个任务来对比,用 Agent 和直接跟 AI 聊天的差别。例如直接聊天,你就会对 AI 说:“你现在坐到键盘前,从头到尾不停地打字完成这篇论文”。一般 AI 都能顺利输出一篇东西。
但如果用 Agent 的话,流程可能就变成这样了。
-
第一步:
先对 AI 说,写一个论文大纲。
-
第二步:
告诉 AI,如果需要网络研究或者搜索的话,先去研究相关领域。
-
第三步:
让 AI 写出第一稿。
-
第四步:
让 AI 去阅读自己的第一稿,并且思考哪些部分需要修改,这个过程或者环节可以多次迭代,让最终的输出效果更好。
虽然后面这种方式看起来更加繁琐一些,但吴恩达团队拿了一个写代码的例子进行实验。我们知道,GPT4 的能力远远超过了 GPT3.5,不过如果我们用 GPT3.5 加上一个 Agent 工作流程的方式,就会超过 GPT4 的能力。具体数据是,单独使用 GPT3.5 的正确率是 48%,单独使用 GPT4 的正确率是 67.7%,但是如果使用 GPT3.5+Agent 的方式,正确率能达到 75%左右。
Agent工作流方式超过GPT4的能力
吴恩达介绍了现在主流的四种 Agent 设计模式。
-
第一种:
让 Agent 审视和修正自己生成的结果。
-
第二种:
使用工具让 AI 大模型可以调用。
-
第三种:
让 Agent 可以去分解复杂任务并按照计划进行。
-
第四种:
让多个 Agent 扮演不同角色,合作完成任务。
这里介绍的设计模型,并不是互相排斥的,而是完全可以在一个任务里,不同的环节使用不同的设计模式。吴恩达还说,我们甚至可以设计多人辩论的模式,比如让 ChatGPT 和 Gemini 这样不同的 AI 互相辩论,可能最后的产出也会更加优秀。
在吴恩达的演讲尾声时说,我们与 AI 互动时,往往期望能够即刻得到回应。然而,他回忆起在谷歌研究搜索框中的 AI 推荐系统时,由于用户期待在半秒内得到反馈,导致他在数据上未能取得突破。吴恩达指出,这是人类对即时反馈的本能需求。但他同时强调,对于 AI 代理执行的任务,我们需要学会将工作分配给 AI 助手,并耐心等待,哪怕需要几分钟甚至几小时。这与对待新晋领导者的策略相似,我们不能在任务刚刚委派五分钟后就急于了解进展。
对于速读、搜索等简单任务,AI 确实需要提供迅速的反馈,速度越快越好。但对于复杂任务,我们更看重的是最终成果的质量,而非完成的速度。即使多花几个小时或几天时间,只要 AI 能够交付高质量的成果,我们也是愿意等待的。举例来说,如果 AI 能够在工作流中不断检查和修正,甚至让 ChatGPT 和谷歌的 Gemini 系统就某个论文进行辩论和优化,那么大多数人会愿意给予 AI 额外的时间,只要最终的论文质量令人满意。
在整个工作流程中,AI 先完成 60 分水平的内容,有经验的内容专家再负责把 60 分提升到 80-90 分。这个过程会让企业、团队提效很多。
读者福利:如果大家对大模型感兴趣,这套大模型学习资料一定对你有用
对于0基础小白入门:
如果你是零基础小白,想快速入门大模型是可以考虑的。
一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
包括:大模型学习线路汇总、学习阶段,大模型实战案例,大模型学习视频,人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型!
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费
】🆓
👉AI大模型学习路线汇总👈
大模型学习路线图,整体分为7个大的阶段:(全套教程文末领取哈)
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉大模型实战案例👈
光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
👉大模型视频和PDF合集👈
观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费
】🆓