深入理解 AI 大模型：核心能力与应用场景全解析

最新推荐文章于 2024-07-17 20:30:52 发布

小马不会过河

最新推荐文章于 2024-07-17 20:30:52 发布

阅读量717

点赞数 27

文章标签：人工智能 chatgpt 语言模型自然语言处理 llama

本文链接：https://blog.csdn.net/m0_59163425/article/details/139936864

版权

AI大模型是什么

通过概念考察的方式了解AI大模型，拆开来看。

AI：包含很多术语，如：模式识别、自然语言处理、神经网络、机器学习、深度学习、强化学习、人类反馈强化学习等。
类比：AI是电力–吴恩达。就像电力技术，是一种通用技术，对很多设备起作用，同样的AI可以赋能各种场景。
大模型：把LM比作人的大脑。
大参数大规模。参数就是脑细胞，脑细胞越多通常这个人越聪明，参数越多的LM通常越智能。

核心能力

自然语言理解

总结和提取

提取需要的内容，包含观点和主题

情感分析

识别和理解文本中的情感和情绪

文本转换

文本翻译，格式转换，拼写语法检查

推理能力：生成式 AI 的关键
逻辑推理： 根据已知事实和规则，通过推理来推导出新的结论或解决问题。
扩写： 根据已有文本内容生成新的文本，可以是对已有内容的延伸、补充或创造性扩展。

局限

数据集是静态的：
大模型的知识参数是静态的，在模型训练完成后就固定下来的，更新知识需要重新训练，成本较高，一般由模型厂商完成。
缺乏特定领域的知识：

基础大模型接受的是通用任务的训练。

幻觉“黑匣子”：

很难理解大模型基于哪些数据来源得出的结论。大模型有时会生成不准确或毫无根据的信息。需要接受高质量的信息输入才能减少这种情况。

能干啥

这里只讨论应用场景更广的语言大模型

大语言模型是通用的模型，在广泛的任务中表现出色。可以执行多种特定任务（例如情感分析、命名实体识别或数学推理）。

一种全新的交互方式

在信息获取方面，与搜索引擎对比

搜索引擎是针对关键词的检索，AI是基于语义的检索。
前者只能返回信息，后者可以解读信息。
前者每次搜索是独立的，后者则可以关联上下文，进行多轮对话。

LLM + 客服台 = 智能客服

LLM + 文档 = 对话式文档阅读器

专家系统

专家系统：使用人类专家设计的计算机模型来处理现实世界中需要专家作出解释的复杂问题，可以得出与专家相同的结论。

知识问答：基于专有知识的智能问答，随叫随到的个人专家

工作流程：文档预处理+文本召回

前置条件： 需要提供相关文档语料，较高质量的文档才有较高问答准确率
程度： 问答准确率80%~90%（去年测试数据）
局限： 无法识别图片，复杂表格识别不佳

数据分析：一句话生成统计图表，对数据进行快速洞察

前置条件： 需要具备结构化数据
其他场景： 月度、年度报告展示，展现形式可以是饼状图、柱状图、折线图

智能代理

编排AI自动化工作流，让AI成为高级助手代替操作

前置条件： 成熟业务、基础数据，api组件
其他场景： 适用于营销、运营、管理场景
查询航班、差旅报销。。。

其他

个人助理： 每日工作总结，PPT助手
个人助手： 餐饮助手、差旅助手
数字化员工： 销售助手，商机跟进

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。

在这里插入图片描述