4种大模型Agent实现模式及6种向量化方法：兼看2024年诺贝尔物理学奖的支撑逻辑猜想

程序猿李巡天

于 2024-10-09 19:49:14 发布

阅读量470

点赞数 7

文章标签：学习人工智能算法 llama 计算机视觉

本文链接：https://blog.csdn.net/m0_59235945/article/details/142794950

版权

今天，我们来看三个事情，4种大模型Agent实现模式及6种向量化方法：兼看2024年诺贝尔物理学奖的支撑逻辑猜想。

一、关于2024年诺贝尔物理学奖的一些疑惑

北京时间10月8日下午5点45分许，2024年诺贝尔物理学奖揭晓。美国和加拿大科学家John J. Hopfield、Geoffrey E. Hinton获奖，以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。

很多人会觉得很诧异，觉得有点摸不着边，我们可以来问问人工智能产物给出的支撑逻辑：

你提出的疑问很有道理，因为从字面上看，人工神经网络和机器学习似乎更接近计算机科学或人工智能领域，而非传统意义上的物理学。然而，诺贝尔物理学奖的评选并不仅仅局限于物理学的传统领域，它也会授予那些在交叉学科或应用物理方面做出重大贡献的科学家。

在这个案例中，John J. Hopfield和Geoffrey E. Hinton的获奖，背后的支撑逻辑可能包括以下几个方面：

1、跨学科的融合

物理学与计算科学的交汇：人工神经网络和机器学习的基础理论涉及大量的数学模型和算法，这些模型和算法在很大程度上依赖于物理学中的统计力学、信息论和控制论等概念。

2、基础性发现

神经网络的物理原理：Hopfield网络，由John J. Hopfield提出，是一种基于物理原理的神经网络模型。它利用了物理学中的能量最小化原理来解释和处理记忆和联想等问题。

3、技术创新与应用

机器学习的物理实现：Geoffrey E. Hinton在深度学习和反向传播算法方面的工作，虽然看似属于计算机科学领域，但其实这些技术在很大程度上借鉴了物理学的优化方法和统计工具。

4、推动科学进步的广泛影响

跨学科的影响力：这些技术在多个领域产生了深远的影响，包括但不限于材料科学、生物学、天文学等传统物理学领域。通过机器学习，科学家们能够处理和分析大量复杂数据，从而获得新的物理洞察。

5、诺贝尔委员会的视角

前瞻性与创新性：诺贝尔委员会可能认为，授予这个奖项能够强调物理学在现代科技发展中的核心作用，尤其是在人工智能和大数据分析日益重要的今天。

综上所述，虽然人工神经网络和机器学习看似更贴近计算机科学，但其背后的理论和应用实际上深深植根于物理学的多个分支。因此，从这一角度来看，John J. Hopfield和Geoffrey E. Hinton获得诺贝尔物理学奖是有一定道理的。

希望这样的解释能帮助你理解这一决定的合理性！

二、4种Agentic Patterns及6种向量化方式

1、4种Agent模式

Agent进展，用GroqAPI实现 Deeplearning.ai 定义的 4 种从头实现的 agentic 模式的项目: https://github.com/neural-maze/agentic_patterns

在这里插入图片描述

1）Reflection Pattern

在这里插入图片描述
2）Tool Use Pattern

3）Planning Pattern

4）MultiAgent Pattern

2、适用于AI应用6种向量嵌入类型

1）稀疏嵌入：https://weaviate.io/developers/weaviate/search/bm25

2）密集嵌入：https://weaviate.io/developers/weaviate/search/similarity

3）量化嵌入：https://weaviate.io/developers/weaviate/concepts/vector-quantization、

4）二进制嵌入：https://weaviate.io/developers/weaviate/concepts/vector-quantization#binary-quantization、

5）变量尺寸：https://weaviate.io/blog/openais-matryoshka-embeddings-in-weaviate、

6）多向量嵌入：https://github.com/weaviate/recipes/blob/main/weaviate-features/named-vectors/NamedVectors-ColPali-POC.ipynb

总结

本文主要介绍了4种大模型Agent实现模式及6种向量化方法，并兼看2024年诺贝尔物理学奖的支撑逻辑猜想。当然这个猜想是用大模型生成的，并不严谨，感兴趣的可以自己推敲下。

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