什么时候需要训练和微调属于自己的大模型——小微企业必须要明白的问题

从问题出发,先有需求再有解决方案

老板和员工在思维方式上有一个很大的差别就是,作为老板他们喜欢寻找现有的解决方案,如果现有的解决方案无法满足的情况下,才会自己设计一个解决方案。

而作为员工来说特别是技术人员,大都有一种技术至上的心态,比如说很多技术人员找工作会特别在乎公司用的技术是否足够牛逼,足够高大上。‍

之所以产生这种现象的原因是因为,技术人员的心态是学会牛逼的技术,走到哪里都不怕。

而老板的心态是,能解决问题把业务跑起来最重要,现有的解决方案或许不是最好的,但它却是经过验证的,能够保证业务的稳定性;但如果提出新的解决方案,就要承担新方案潜在的各种风险。等以后业务稳定之后,可以慢慢的优化现有的方案。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

什么时候需要训练和微调模型?‍‍‍

在上面的内容中,描述了一下员工与老板思维以及心态上的区别;这两种思维方式没有绝对的对错之分,区别只是两种完全不同的发展方向,一种是打工人的思维方式,一种是创业者的思维方式。‍‍‍‍‍‍‍‍‍

就拿大模型训练与微调来说,很多技术人员都想亲自参与或体验一下一个模型从无到有的诞生过程;但受限于各种原因,有机会参与这样工程的人还是比较少的;因此很多人都退而求其次,想做一下模型的训练与微调。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

举个例子,你是某个小公司的技术人员,老板想引入大模型技术来升级现有的业务系统,然后让你做一下前期调查和简单的解决方案。‍‍‍‍‍‍‍‍‍‍‍‍

不管使用的是大模型的什么技术,比如Agent,知识库,AIGC等;很多技术人员下意识的方式就是先搞一个本地模型,试试能不能训练和微调一下,然后就陷入各种技术细节中无法自拔。‍‍

但事实上,市面上已经有很多大模型服务商,他们有专门训练和微调过的模型;根据现有的业务体系,或许随便找一个合适的模型就可以用了。‍‍‍‍‍‍‍‍‍

为什么不建议企业引入大模型技术时,就直接打造属于自己的大模型?‍‍‍

原因就是,你还不知道怎么把大模型技术与自己的业务场景相结合;虽然市面上可能有一些相似的案例,但每个企业都有其独特的运作方式,适合别人的不一定适合你。‍‍‍‍‍

简单来说就是,你都不知道现有业务引入大模型能解决哪些问题,以及潜藏着哪些问题;说白了就是,你都不知道要训练和微调出一个需要解决什么问题的模型,这样的模型怎么可能做的好呢? ‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

就类似于你需求都不清楚,就直接开始开发产品了,这样的产品能有人用吗?‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

当然,如果说你觉得你是上帝之子,即使需求不明确也能做出符合业务场景的大模型;或者说你不差钱,训练一次不行就重新训练,那也可以。‍‍‍‍‍‍‍‍‍‍

因此,什么时候开始训练和微调模型?

最好的时机就是,在你的业务成型之后,有一些问题确实需要解决或者说需要节约成本;这时,你再去考虑训练和微调一个模型,甚至是找模型服务商帮你重新设计一个模型都可以。‍‍‍‍‍‍

一句话就是,在你的需求明确之后,也就是你知道要训练出一个什么样的模型,并且你有足够的技术和资金支持,那么你就可以训练和微调自己的模型了。‍‍‍‍‍‍

说到底还是那句话,技术是为业务服务的,技术的发展是基于业务场景的落地,而不是从技术去推动业务场景的发展,虽然技术的发展也有可能颠覆现有的业务场景,但那是技术与业务场景的深度融合的结果。‍‍‍‍‍‍‍‍

总之,不要一开始就想着训练和微调属于自己的模型,要从问题出发,而不是从结果出发。‍‍‍‍‍

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

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。

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

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值