大模型技术在企业如何落地?这些落地场景值得一看!

AGI 新时代,企业如何用 AI 提升生产力,AI 如何和业务结合,AI 如何顺利落地。在跟上百家企业聊完后,这些应用场景你得知道了。

典型应用落地场景

大模型,我们说类似于一个斯坦福的大学生,拥有非常丰富的知识和理解能力。从大模型本身的具体能力看,主要分为(如下图):语言理解(意图理解)、文本总结、文本生成、Function Call 和写代码的能力

第一、对话助手落地场景

对话助手是最基础也是场景数量最多的应用形态,从数据获取的方式来看,主要有:

  • 基于知识库数据源,先召回,再大模型回答,即 RAG 模式。

  • 基于 API 查询,大模型的 FunctionCall,即对话过程中需要调用内外部系统获取信息。

实践过程中,也有许多场景会融合这两种能力。目前大部分企业的应用中,对话助手都仅对内提供服务,提升员工工作效率。实际上这类应用提供的价值更类似搜索,核心价值是高效信息传递,让用户能更快、更准的获取企业内部的非结构知识。同时,成熟度相对较高的应用基本都是即使答案错误也不会产生严重影响的场景,比如“产品使用手册问答”场景,对于大部分产品,并不会因为某个误操作导致严重后果,产品设计本身便会考虑误操作后的回退或者关键操作的重复确认。

第二、报告生成落地场景

和企业交流下来,才发现报告撰写需求如此旺盛,某些企业花在撰写报告上的人力和投入十分巨大,而报告又存在很大一部分“八股文”的套路。报告生成也自然成为了香饽饽场景。

企业场景主要以有固定模板的报告为主,并且报告基本都是几十页到几百页的长篇幅内容,涉及大量专业逻辑,想要通过一次大模型请求完成这种任务几乎是不可能的。为了生成复杂报告,可以采取分而治之的策略,即将总体问题分解为多个较简单的子问题,分别求解,并将这些子问题的解答整合到预定报告框架中。

在解决这些子问题时,并非全部适用大模型技术,因此需要结合多种技术手段,包括大型和小型模型、专家系统、专业业务系统等,以实现问题的全面解决。需要注意的是,此类应用同样不能保证生成结果的100%准确性,因此需要向用户提供易于追溯的生成逻辑和依据,以便用户对结果进行验证和审查。当然,即使一份报告内,不同章节内容的准确性要求也是不一样,用户可以专注于一些重点章节与重点指标和要素的结果确认。

第三、审核落地场景

审核类场景往往与生成类场景相伴相生,所以各类“报告生成”场景都会有对应的审核场景。

除了文档类数据需要审核,结构化业务数据也可以用大模型辅助进行审核。在和金融企业共建过程,比如:经营性贷款业务审核,这类场景主要借助大模型推理能力进行一些业务规则审核,如“抵押物是否属于房产”、“是否属于金融行业从业者”等等。从业务阶段来看,审核包含“事中”业务的审批、审核,也包含“事后”的审计、监督与质检。

从审核内容来看,包含专业业务逻辑审核、合规性和合法性审核、通用纠错(错别字、歧义等)。基于目前技术水平,审核同样只能是辅助性的,帮助审核者/提交者查漏补缺,比如:在提交审批前先进行自动审核,提交者可以判断是否需要修改,提高提交质量,降低打回概率。

第四、知识管理/非结构化数据治理落地场景

知识管理是企业数字化过程中,很大的一个课题。大模型正在重塑企业知识管理场景,从知识库构建,到知识的理解,大模型技术的语言能力大大降低了知识管理的落地门槛。

这类应用的本质是将非结构化数据向结构化/半结构化数据转换。原来的数据预处理和知识管理需要有非常专业的模型设计。现在,将大段相关文本给到大模型,大模型对语义的理解,可以直接将非结构化数据进行结构化提取和总结。不过,有一些对实时性、准确性要求很高的信息结构化场景,大模型方案不一定优于专用模型。

第五、数据分析落地场景

数据分析是各个行业都离不开的话题,通用数据分析辅助(技术上相关概念是 NL2SQL)。企业里针对我们对不同数据维度分析的诉求,通过 IT 研发的方式,成本无疑是巨大的。而引入大模型的编程能力,NL2SQL 能力,将大大降低对数据的分析成本。

然而目前基座模型在特定业务场景下效果差,特别是企业内数据库中都有至少几十张表的情况,所以目前离业务可用较远。这种场景下,模型微调是一种解决办法,而微调需要从零开始针对性准备大量微调数据(上千条)。当大模型能很好的获得结构化数据,并理解到表之间的业务逻辑关系,那么当领导随口咨询的一个指标,都能通过 SQL 进行计算,这无疑是一项值得投资的事。不过大模型数据分析+传统 BI 的方案,离真正的大规模普及还需要一些时日。

第六、企业超级助手落地场景

大部分企业内都至少有上百个系统,而这些系统的接口则更多。是否可以有一个超级助手,能接管企业内部的 API,实现按照自然语言,合理地触达各个系统。听着很魔幻,实际上,业界也认为 Agent 这种能力是大模型的未来。

长期来看,这种应用形态可能重构整个企业应用交互形态,对于各种长尾需求或不同企业之间的定制化需求,可以通过这种更自由的交互形式得到满足。

第七、代码****落地场景

大模型的编码能力,是另一个经验我们的能力,一种是编程过程中的各种辅助,类似于写作辅助,另一种是程序开发自动化,类似于“报告生成”,直接生成一个完整的项目,然后由人进行调试验收。

在 C 端,相信大部分程序员或多或少使用 AI 辅助编码。我们能感受到大模型在0到1的功能上表现优异,但是无法很好地解决需求1-10的迭代过程。而这个也是我们企业中想要解决,和不断探索的地方。

大模型应用落地场景总结

以上是我们总结的企业 Top 类场景,对于高校、政府等,还有非常多的场景需要大家来探索。

相信 AGI 新时代,掌握了数据和 AI 的企业和组织,将迎来新的机遇和挑战。在这些场景的具体落地过程中,我们会遇到哪样的问题,有什么样的解法,欢迎关注我们下一篇文章。

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

  • 20
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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