隨著使用GPT和SD的頻次越來越高，我們可能迫切的需要提升自己關(guān)于AI的理論知識。 但是在網(wǎng)絡(luò)上找到的理論知識真的很讓人望而生畏。這些東西到底代表什么呢? 今天我們就把一些基礎(chǔ)性的專業(yè)名詞來和大家講一講：

首先我們來看第一個很重要的，很專業(yè)的詞AI(Artificial Intelligence)

什么是AI

首先第一個AI人工智能目前是一個學(xué)科。所以我們很多時候說的構(gòu)建了一個人工智能其實有點**了。

你聽過有人通過應(yīng)用層落地東西說自己生產(chǎn)了一個學(xué)科嗎。我們舉例子說：

• 我們公司今年的目標(biāo)就是做出來一個自己的AI，人工智能。聽著似乎還不錯！

說這樣的話，站在專業(yè)角度而言，就有點類似：

• 我們公司今年的目標(biāo)就是做出來一個自己的計算機科學(xué)與應(yīng)用，計計計算算算機機機科科科學(xué)學(xué)學(xué)與。。。

那么為什么出現(xiàn)這樣的情況呢？

官方不明確的定義

在任何組織或者是機構(gòu)包括我們常用的搜索引擎中都沒有一個很正式的對于AI的定義的內(nèi)容。

但是在程序員界流傳著這樣一句話：

“cool things that computers can’t do.”

但是回過來我們想想，最大的問題在于計算機處理的是一切已知的任務(wù)。

我們用需求去界定當(dāng)前的任務(wù)是否可以被處理。也就是在程序開發(fā)中，我們需要明確的是計算機一定是可以做的。 真的讓人頭大。

電影的過度消耗

我們對于AI的另外一個很好玩的理解來自于電影。

比如鋼鐵俠中的賈維斯、澳門風(fēng)云中的傻強。

這些角色也好或者是機器也好，讓我們認(rèn)為人工智能是一個可以幫我們解決所有問題的機器人。

但是實際上AI是一個很寬泛或者又或者是很交叉的一個學(xué)科。

所以先入為主的觀念其實讓我們對于AI的理解出現(xiàn)了偏差。

就和我們現(xiàn)在說的智能家居、智能風(fēng)控等等等等 ，似乎大家覺得還是不夠智能。另外很重要的一點就是我們真的沒有覺得它有多么的智能！

還有另外一個典型的大家都碰到的過：蘋果的Siri、百度的小愛同學(xué)。

尤其是Siri。這個號稱智能助手的東西簡直像個**。

這里稍微給大家說明一下，我們現(xiàn)在在使用GPT等工具的時候，也會發(fā)現(xiàn)LLM(大語言模型)有時會睜著眼睛說嚇唬。 如果它真的有眼睛的話。

所以作為一家公司而言，它一定是不會允許自己的產(chǎn)品在給用戶建議的時候給出的建議是錯誤的。

另外一個很重要的原因是這個產(chǎn)品的使用頻次又如此的高。

AI

人工智能應(yīng)該是計算機科學(xué)的一個子集。它應(yīng)該就是一個概念，問題和解決這些問題的集合。

他需要具備的特性有兩個：

Autonomy 自治

能夠在復(fù)雜的環(huán)境中執(zhí)行任務(wù)，而無需用戶的持續(xù)指導(dǎo)。

Adaptivity 適應(yīng)性

通過從經(jīng)驗中學(xué)習(xí)來提高績效的能力。

所以在這個基礎(chǔ)上，我們了解AI我的理解應(yīng)該就是編寫好的一個程序，當(dāng)它運行的時候，我們作為開發(fā)者都很難能夠預(yù)測出它的執(zhí)行順序或者是邏輯。就像OpanAI CEO說的那樣：我們也不知道它如何出現(xiàn)的。

而且通過上面兩個和有意思的詞，我們可以得到另外一個結(jié)論：

非人工的參與和越來越聰明。

而這個也恰恰是我們大多數(shù)人所認(rèn)同的對于人工智能的定義或者是理解方式。

這張圖表述的是：

• A： 計算機科學(xué)

• B：人工智能

• C：機器學(xué)習(xí)

• D：深度學(xué)習(xí)

• E：數(shù)據(jù)科學(xué)

這張圖標(biāo)主要是讓我們能夠更加清楚層次，僅此而已。

最后，最近一段我們經(jīng)常會出現(xiàn)的問題是，我艸，AI會不會代替我的工作呢??我的個人看法：

AI真的還沒那么強

大家不用特別恐慌AI對于自己所在職位或者是行業(yè)的挑戰(zhàn)。因為現(xiàn)在能夠看到的比如GPT他本身是存在一些邊界的：

巧婦難為無米之炊

目前的大語言模型還是需要通過預(yù)處理來做的。也就是說需要通過一些前置的訓(xùn)練數(shù)據(jù)來完成建模。 在這個基礎(chǔ)上，就像一個廚師,你給它好的食材,它能做出好吃的菜;你給它壞的食材,它只能做出不好吃的菜。也就是 說,模型質(zhì)量很大程度上取決于它訓(xùn)練用的數(shù)據(jù)質(zhì)量。

我們討厭同質(zhì)化

某些情況下，噪音數(shù)據(jù)也就是我們所說的質(zhì)量不高的樣本數(shù)據(jù)會影響最后的模型。 但是同樣的如果基本沒有噪音你會發(fā)現(xiàn)不論是GPT也好或是SD也罷，他們回答或者是出圖同質(zhì)化是很重的。 回過來你會發(fā)現(xiàn)目前市場上面大多數(shù)公司或者是創(chuàng)業(yè)者的方向： 有錢的、有資源的、有數(shù)據(jù)的構(gòu)建自己的大模型； 有點技術(shù)抱負(fù)的為了抓住風(fēng)口做的就是垂直方向，越垂直越好。

我們看不見的黑盒子

大語言模型就像一個黑盒子,你很難人工調(diào)控它的內(nèi)部參數(shù)。就像開車時很難直接控制引擎內(nèi)部的活塞運動一樣。 另外如果你查看了比如像GPT這樣的大語言模型的參數(shù)，你會發(fā)現(xiàn)，腦殼疼。

你期望一個孩子能夠代替你的工作嗎

在GPT的整個發(fā)展工作中，你會發(fā)現(xiàn)在第三個階段的時候，為了保證數(shù)據(jù)的反饋。整個團隊提出了一個正逆向反饋機制。 這個機制說簡單一點： 就像一個愛吃糖的孩子,你給他一點糖果可以增進關(guān)系,給太多糖果則會糟蹋牙齒。 所以在這樣的情況下，你不能試圖讓一個愛吃糖的小朋友代替你的工作吧?

但是寫在最后：以為AI能夠在短時間學(xué)會我們幾輩子都無法學(xué)習(xí)到的知識，那么這些知識的堆砌是很可怕的。 如果我們能夠用好它，勢必會加速我們的自身能力。

所以我的建議，打不過就加入！?。?/strong>

最后給我的連接圈打波廣告。目前連接圈今天晚上開始試水！后面我也會同步每天內(nèi)容。8月1日到8月15日 只招收10名。我先陪跑！在群的小伙伴今晚先填寫申請表，然后通過就可以加入了！