1、人工智能的产业结构
人工智能三大基石: 数据、计算、算法
大数据 :数据为王,各行各业纷纷抢占用户数据,利用大数据描绘用户精准画像,从而进行丰富的个性化推荐、精准营销。
电商领域:线上“猜你喜欢”,线下门店通过附近居民用户画像进行“千店千面”的布局。
搜索领域:搜索结果个性化,“千人千面”
新闻资讯:个性化推荐
计算力: 从集中式计算到分布式计算(云计算),从CPU到GPU/FPGA/神经网络芯片,从普通计算到量子计算
算法: 机器学习算法特别是深度学习算法的应用
2.AI细分行业
【2B】
1、智能客服 :电商(淘宝、京东)、运营商
2、垂直行业的AI助手 :法律( Ross Intelligence )、金融( Kensho )、体育( StatMuse )、医疗健康( Watson )
3、自动驾驶&辅助驾驶 :特斯拉、谷歌、苹果、滴滴
4、其他 :BI、政府业务、教育、农业、交通、天气、AI平台
【2C】
1、智能家居 :智能家庭机器人、智能音箱、智能手表等等,成为智能家居控制中心(小米、360、京东)
2、智能语音助手 :Siri、Cortana、Google Assistant、度秘、Bixby
3、其他 :各类Bot、AR/VR、无人机
3、通用对话引擎架构
● 通用聊天,需要掌握沟通技巧、通用聊天数据、主题聊天数据,还要知道用户画像,投其所好。
● 信息服务和问答,需要搜索的能力,问答的能力,还需要对常见问题表进行收集、整理和搜索,从
知识图表、文档和图表中找出相应信息,并且回答问题,我们统称为Info Bot。
● 面向特定任务的对话能力,例如定咖啡、定花、买火车票,这个任务是固定的,状态也是固定的,
状态转移也是清晰的,那么就可以用Bot一个一个实现。你有一个调度系统,你知道用户的意图就调用相应的Bot 执行相应的任务。它用到的技术就是对用户意图的理解,对话的管理,领域知识,对话图谱等等。
4、智能人机交互系统
5、Q&A
如何设计一款AI产品?(以智能语音助手为例)
1、了解行业现状,技术发展水平,调研市面已有产品,还有哪些痛点没有被满足?
2、结合公司已有资源确定产品定位(从移动搜索到智能搜索);
3、逐步迭代:从垂直类bot到通用bot,从H5-demo到移动app;
4、精细化运营:扩充问答覆盖范围、增加闲聊语料库、优化交互方式;
5、寻求更多合作,获取更多资源:优质资源的接入(喜马拉雅)、开放接口到智能硬件厂商、提供平台级的服务(DuerOS、网易波特)。
做AI产品和做一般互联网产品的区别是什么?AI产品经理需要掌握的技能和能力是什么?
1、产品思维是核心 :人工智能和互联网都只是工具,AI产品设计同样要遵循传统互联网产品设计思路:都需要了解行业现状、收集产品需求、确定产品定位等工作,同样需要重视用户体验;
2、对技术的理解力 :对AI技术发展现状有所了解,知道可为与不可为,推动产品落地,不要过于拔高用户期望;
3、2B or 2C :同样的技术根据用户群体、需求不同可以输出到B端和C端(智能语音技术可以输出到智能客服和个人助手);
4、偏硬 or 偏软 :产品内核不变,产品的形态更加多样化;
5、产品 or 运营 :产品冷启动期需要靠运营获取种子用户,产品设计同质化严重时还靠精细化运营留住用户;
6、产品经理 or 项目经理 :产品经理既要懂产品设计同样需要懂项目管理,同样需要对AI技术具备理解力。
产品项目里面pm担任的角色是怎样的,还是一个项目owner么?
表面上看是技术驱动产品,实际上是产品落地技术,PM必然仍是一个项目的owner,只不过如果具备一定的技术理解力和运营能力将能更好的带领团队进行合作,推动项目进展。以我的leader为例,他以前是做传统搜索的,在做智能化搜索方向时经常会给我们讲解产品的技术架构,同时也会做相关的产品调研、竞品分析、需求排序等工作,另外会和公司其他部门、外部硬件厂商进行合作,推动产品落地。
通用智能语音助手产品设计难点?
1、海量的数据 :搜索、闲聊、其他应用
2、CPS( Conversations Per Session) :CPS描述了人类与人工智能在一次对话中持续的平均轮数,从而反映了人工智能在这些对话中所体现的沟通能力。 从传统Q&A问答到多轮对话,从被动回答到主动对话。
3、人性化 :形象设定(语料运营)、NLG(自然语言生成)、TTS(语音合成)
4、投入产出比低 :依赖技术突破(NLU)、用户习惯培养、持续优化(保持数据的时效性)
AI产品经理的现状和前景如何?
1、门槛稍高,但行业缺口巨大;
2、优秀的AI PM还未出现,优秀的AI产品也未出现,行业仍处于探索期,尚未形成统一的标准;
3、AI技术的发展成螺旋上升趋势,这一次的爆发能持续多久仍不可知,但从长远的角度来看AI PM必然是值得期待的。
如何系统的去学习大模型LLM ?
作为一名热心肠的互联网老兵,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。
所有资料 ⚡️ ,朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》,扫码获取~
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
阶段1:AI大模型时代的基础理解
- 目标:了解AI大模型的基本概念、发展历程和核心原理。
- 内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践 - L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
- 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
- 内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例 - L2.2 Prompt框架
- L2.2.1 什么是Prompt
- L2.2.2 Prompt框架应用现状
- L2.2.3 基于GPTAS的Prompt框架
- L2.2.4 Prompt框架与Thought
- L2.2.5 Prompt框架与提示词 - L2.3 流水线工程
- L2.3.1 流水线工程的概念
- L2.3.2 流水线工程的优点
- L2.3.3 流水线工程的应用 - L2.4 总结与展望
- L2.1 API接口
阶段3:AI大模型应用架构实践
- 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
- 内容:
- L3.1 Agent模型框架
- L3.1.1 Agent模型框架的设计理念
- L3.1.2 Agent模型框架的核心组件
- L3.1.3 Agent模型框架的实现细节 - L3.2 MetaGPT
- L3.2.1 MetaGPT的基本概念
- L3.2.2 MetaGPT的工作原理
- L3.2.3 MetaGPT的应用场景 - L3.3 ChatGLM
- L3.3.1 ChatGLM的特点
- L3.3.2 ChatGLM的开发环境
- L3.3.3 ChatGLM的使用示例 - L3.4 LLAMA
- L3.4.1 LLAMA的特点
- L3.4.2 LLAMA的开发环境
- L3.4.3 LLAMA的使用示例 - L3.5 其他大模型介绍
- L3.1 Agent模型框架
阶段4:AI大模型私有化部署
- 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
- 内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
学习计划:
- 阶段1:1-2个月,建立AI大模型的基础知识体系。
- 阶段2:2-3个月,专注于API应用开发能力的提升。
- 阶段3:3-4个月,深入实践AI大模型的应用架构和私有化部署。
- 阶段4:4-5个月,专注于高级模型的应用和部署。
这份完整版的所有 ⚡️ 大模型 LLM 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
】
全套 《LLM大模型入门+进阶学习资源包》↓↓↓ 获取~