探索大模型发展 与用户需求+ AI项目推荐
2023-04-25 10:03:32 1 举报AI智能生成
大模型的发展趋势
作者其他创作
大纲/内容
什么是
大模型
大模型
"大模型"指的是具有亿级或者万亿级参数，
通过对大量数据进行训练而得到的高度复杂的深度神经网络模型。
相较于传统的小模型，它们在处理自然语言、图像、声音等领域
具有更强的表达能力和预测准确度。
同时，大模型也具备自监督学习功能，
能够自行生成并利用未标注的数据进行学习，降低了数据标注的成本。
由于大模型所需要的计算资源较为庞大，
因此需要强大的计算能力和数据存储设施才能支持其运行。
通过对大量数据进行训练而得到的高度复杂的深度神经网络模型。
相较于传统的小模型，它们在处理自然语言、图像、声音等领域
具有更强的表达能力和预测准确度。
同时，大模型也具备自监督学习功能，
能够自行生成并利用未标注的数据进行学习，降低了数据标注的成本。
由于大模型所需要的计算资源较为庞大，
因此需要强大的计算能力和数据存储设施才能支持其运行。
大模型的
发展趋势
发展趋势
国内宣布入局大模型的公司越来越多，比如：百度 阿里 商汤 字节 腾讯
未来几个月 国类大模型可能大面积开放
未来几个月 国类大模型可能大面积开放
未来 会有几个普适的通用大模型，去满足广义的中长尾的大众需求，
而在垂直的高价值大用户基数的场景下
（比如图像生成、营销文案协作、编程助手等场景），
会有很多专业模型，这些模型更像是端到端的应用，会占据用户场景，并建立自己的模型。
未来可能会有非常多的大模型，有少数通用的，有更多垂直的，而非通用大模型本身。
而在垂直的高价值大用户基数的场景下
（比如图像生成、营销文案协作、编程助手等场景），
会有很多专业模型，这些模型更像是端到端的应用，会占据用户场景，并建立自己的模型。
未来可能会有非常多的大模型，有少数通用的，有更多垂直的，而非通用大模型本身。
AI的一些
新认知
新认知
AI的技术是用模型取代了传统人类处理的角色。
给模型一个输入，模型给出一个输出。
这个输出越准确、越有效率，这个模型就越有价值
给模型一个输入，模型给出一个输出。
这个输出越准确、越有效率，这个模型就越有价值
AI的本质是大规模低成本满足定制化需求。
未来大家在不同方面都可以得到定制化的体验。
现在，只有有钱人才能买得到定制化的体验，
但是AI可以让每个人都买得起定制的东西
未来大家在不同方面都可以得到定制化的体验。
现在，只有有钱人才能买得到定制化的体验，
但是AI可以让每个人都买得起定制的东西
大模型时代的所有软件，包括绝大多数AI本身，都要重做一遍。
未来我们会看到多数平台级产品，推出自己的AI功能- 比如 飞书AI助手
借助AI能力来提升产品体验，在AI创业领域尽量避开平台级产品
去做平台级产品,可能来不及反应或者不知道如何结合AI来优化的产品
借助AI能力来提升产品体验，在AI创业领域尽量避开平台级产品
去做平台级产品,可能来不及反应或者不知道如何结合AI来优化的产品
想怎么能更好的利用 AI 劳动力，一种是做从无到有的苦力，
一种是做从多变少的分析活，这两个结合起来就能取代
大多日常的工作流程和场景
一种是做从多变少的分析活，这两个结合起来就能取代
大多日常的工作流程和场景
大模型时代
的用户故事
和需求
的用户故事
和需求
什么是
用户故事
用户故事
用户故事”是一种描述用户需求的方式，
它主要包含三个部分：
用户角色、用户需求和用户目标。
它主要包含三个部分：
用户角色、用户需求和用户目标。
即以用户为中心，
描述用户在某个场景下遇到的问题，
以及他们期望用产品得到的满足感
描述用户在某个场景下遇到的问题，
以及他们期望用产品得到的满足感
AI基础上
的用户故事
的用户故事
Why
这个需求是需要知识来满足的吗
这个需求对知识的准确性要求高吗
Who
谁提供知识
What
这个知识
属于哪一类
属于哪一类
探索类
学习类
执行类
How
用什么模型来提供知识
谁拥有知识产权
怎么保护用户的数据隐私
怎么补充知识
知识怎么通过什么样的
产品形式传递给用户
产品形式传递给用户
Where
知识是否可私有化
知识在哪里提供
大模型时代
的用户需求
的用户需求
探索类：
有这类需求的用户不知道怎么想干什么，想依赖AI来帮TA脑暴。
这类需求可以通过模型已有的知识来满足，对准确性的要求也不高，
非常适合生成式AI来处理。比如想广告创意等等。
有这类需求的用户不知道怎么想干什么，想依赖AI来帮TA脑暴。
这类需求可以通过模型已有的知识来满足，对准确性的要求也不高，
非常适合生成式AI来处理。比如想广告创意等等。
学习类：
有这类需求用户有了明确的需求，但需要用户获得知识，
再运用获得的知识才能解决需求。
有这类需求用户有了明确的需求，但需要用户获得知识，
再运用获得的知识才能解决需求。
现有产品功能满足不了用户需求，
先通过问大模型，自己获得了知识，
再手动解决问题
先通过问大模型，自己获得了知识，
再手动解决问题
单纯是好学，想获得知识。
这类需求本质上是满足学习需求，
应该由教育类产品满足。
这类需求本质上是满足学习需求，
应该由教育类产品满足。
执行类：
这类需求可以通过模型已有的知识来满足，非常适合生成式AI来处理
这类需求可以通过模型已有的知识来满足，非常适合生成式AI来处理
比如写代码，写文章，画画等
对AI发展
不要fomo
不要fomo
等优秀的产品冒出来，不要急。
不建议过度关注新产品，新模型，新热点。
需要提升的是，
如何更好的使用目前最优秀的AI产品提升生产力，
提升个人的能力范畴，这是最重要的。
不建议过度关注新产品，新模型，新热点。
需要提升的是，
如何更好的使用目前最优秀的AI产品提升生产力，
提升个人的能力范畴，这是最重要的。
AI项目
推荐
推荐
LangChain
互联网企业想要，
拥抱Ai的最低成本的
应用程序库
它使基于AI模型工作和应用构建的复杂部分变的更容易。
LangChain可以将LLMs与外部数据源链接，
也允许LMMs模型间的交互。
互联网企业想要，
拥抱Ai的最低成本的
应用程序库
是一个用于
构建基于大型语言模型（LLM）
的应用程序的库。
它可以帮助开发者将LLM与其他计算或知识源结合起来，
创建更强大的应用程序。
例如，可以使用LangChain开发以下类型的应用程序：
- 在特定文档上进行问答
- 聊天机器人
- 智能代理
构建基于大型语言模型（LLM）
的应用程序的库。
它可以帮助开发者将LLM与其他计算或知识源结合起来，
创建更强大的应用程序。
例如，可以使用LangChain开发以下类型的应用程序：
- 在特定文档上进行问答
- 聊天机器人
- 智能代理
它使基于AI模型工作和应用构建的复杂部分变的更容易。
LangChain可以将LLMs与外部数据源链接，
也允许LMMs模型间的交互。
整合，将外部数据，如本地文件、
其他应用程序和api数据，输入指定LLM
其他应用程序和api数据，输入指定LLM
代理，允许LLMs通过决策与它所处环境互动，
使用LLMs来帮助决定下一步要采取的行动。
使用LLMs来帮助决定下一步要采取的行动。
对应文档：https://python.langchain.com/en/latest/index.html#
Hugging Face
NLP 领域的GitHub，
未来有希望成为
整个 ML 领域的 GitHub
NLP 领域的GitHub，
未来有希望成为
整个 ML 领域的 GitHub
Hugging Face 是一个 AI/ML 社区和平台，
早期靠 Transformers 模型库和高质量社区受到关注。
用户可以在 Hugging Face 上托管和共享 ML 模型、
数据集，也可以构建、训练和部署模型。
早期靠 Transformers 模型库和高质量社区受到关注。
用户可以在 Hugging Face 上托管和共享 ML 模型、
数据集，也可以构建、训练和部署模型。
Hugging Face 上共有 7.7 万个预训练模型，以 NLP 模型为主，
Hugging Face 现在是 NLP 领域的 GitHub，
未来希望成为整个 ML 领域的 GitHub，
并逐渐向 ML Workflow 的其他环节渗透。
Hugging Face 现在是 NLP 领域的 GitHub，
未来希望成为整个 ML 领域的 GitHub，
并逐渐向 ML Workflow 的其他环节渗透。
Hugging Face 则通过开源预训练模型的方式，
让所有人都能使用 ML 模型，降低了使用门槛，
极大程度推动了 AI/ML 的民主化。
让所有人都能使用 ML 模型，降低了使用门槛，
极大程度推动了 AI/ML 的民主化。
网址：https://huggingface.co
学习资料来源
学习资料文章标题： 《大模型时代的产品哲学：围绕知识设计产品》 飞书文档上看到一篇文档，忘记作者是谁了
《到底有没有人在投 AI？AI 赛道第一线实操体感分享 | 42章经》作者：曲凯
《AI新产品层出不穷，学不过来怎么办》作者：caoz
《到底有没有人在投 AI？AI 赛道第一线实操体感分享 | 42章经》作者：曲凯
《AI新产品层出不穷，学不过来怎么办》作者：caoz
0 条评论
下一页
