前言
现在AI看似很热,但好像大多人都是在讨论分享,而实际真正使用和应用的并不多。摩根士丹利最近做了一个2000多人的调研,结果竟然是有80%的人没有用过ChatGPT或是谷歌的Bard。由于大量的专业词汇,都显得过于高大上了,一下拉远了普通人与AI的距离。以至于大量教人使用AI的人赚的盆满钵满。。。
作为技术前沿的程序员们该怎么抓住这波浪潮呢?
OpenAI正沿着类苹果模式的“终端+平台+生态”,迈向高于操作系统的战略地位。引入插件Plugin标志ChatGPT走在创建生态系统的伟大道路上,统一平台+插件的模式有望构建与苹果+App Store相似的繁荣生态。
最近爆火的ChatGPT插件Code Interpreter,其强大的功能让很多人忽略了它仅仅只是ChatGPT plugin库里众多插件之一。AI大模型在实际使用场景中的落地正在飞速加快。
以下几个落地应用可以看出大模型开发对企业赋能,快速占领市场先机:
1 . Notion是一家十年前成立的公司。它是一款个人笔记软件,可以用来写博客、社交媒体文案、会议纪要、工作邮件等等。在去年底第一波接入ChatGPT后,这个产品一下子引爆了,因为它上述的这些功能与ChatGPT融合后,生成的内容只需要简单修改就可以直接使用,它的应用场景被大大简洁、高效、强化了。
这种应用场景的实现,直接的结果就是Notion只用了一个月就做到了1000万美元ARR收入。
2 . Character.AI是一款基于AI大模型的聊天机器人。ChatGPT在你下一次跟它开启聊天时,是不记得上一次你们聊了什么,但Character.AI记得。所以,你可以在上面创建和训练自己的个性化人工智能,也可以选择已有的公共虚拟角色,比如埃隆·马斯克、苏格拉底等等,你可以和马斯克聊火箭,可以和苏格拉底谈哲学。
这种应用场景的实现,直接的结果就是在移动端不到一周的时间内,被下载了170万次,是ChatGPT 3倍多,在4月有接近2亿的访问量。不仅增长很快,用户在Character.AI上的停留时间也很长,每次访问时间达到了25.4分钟。
3 . 美国有一家叫DoNotPay的热门公司,它主要提供针对“小官司”的AI法律服务。DoNotPay利用AI将整个法律流程数字化,个人很容易操作,并且只收取少量费用。比如你想停掉健身房的会员费,用DoNotPay,就可以帮你找到正确的联系方式,写完备的申诉邮件,帮你退费。这只是DoNotPay帮人解决切实法律痛点的数百个场景之一。
从以上3个案例可以看出,利用AI大模型开发的应用落地正在飞速加快。今年4月之后,训练+推理成本都在迅速降低。而中国创业者一向在应用层会有很好发挥,在未来半年到一年,将以月为单位出现更多应用创新,我们也会很关注在技术和产品上领先的团队。
掌握大模型应用开发技能的程序员势必在市场上非常受欢迎,因为这是一个高需求、高技能的领域。因此,学习大模型应用开发可以让程序员获得更高的薪资和更好的就业机会。
人工智能浪潮的开启,预示着越来越多的企业都需要借助大模型来为自己的业务赋能,也就是产出适合自己公司业务情况的智能化产品,这是目前程序员必须要面对的难题和挑战。如果要在企业内部落地相关引用,就需要员工具备响应的大模型应用开发能力。
AI 大模型将重新定义各种岗位,未来各行各业都需要相关知识与应用能力,大模型将成为个人能力的分水岭。作为技术人员,具备开发相关应用的能力,满足企业在这方面的用人需求,能快速提升自己的核心竞争力。
写在最后
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。
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。