2023 总结对 AI 的总结和展望

回顾 ChatGPT 最初

今天是 AI 最火的一年,从年初的时候 OpenAI 一下子火起来了,大家都在测试 ChatGPT 的智力如何,能力如何,各种视频铺天盖地的。各种测评视频大量散布在网络上面,一开始我只是认为他只是一个聊天小助手比较智能,跟普通的聊天机器人没有特别大的差别,所以也就没有引起特别大的重视,直到越来越多的用户开始测评的时候,然后才发现他不太像一个小孩子,他又有点像一个大学生的水平,它可以作为一个工作中的一些助手,平常你可能百度需要查好几个网页的东西,现在你只需要立即问他就能最快给你一些想要的一些信息,渐渐的我也开始重视起来,好奇他到底底层为什么可以实现解析人的语言,从而去执行某一些逻辑。
投资人对模型的坚持

接着我就参加了各种各样的一些 AI 讲座,从一开始在讲座中了解的 OpenAI 的一个发展历程,其实也是一个巧合吧,因为 Open AI 他有很多个版本差的 GPT4 现在是最稳定最好的一个版本,之前的 GPT1 和 GPT2 都是一个非常不理想的版本,到了 GPT3 突然之间产生了本质的飞跃,如同潘多拉魔盒被打开了,Chart gpt1 亿活跃用户只花了两个月,TikTok 用了 9 个月,Instegram 用了 30 个月,推特用了 60 个月,可见其火爆程度,然后投资者开始盈利,这里不得不也钦佩投资者的耐心,前期花了这么多钱一般的风投可能会望而却步,因为 AI 这个行业之前也诞生了一些公司都是石沉大海。其实最开始的 AI 是需要人工去标注数据,NPL(机器学习)据说标注数据的都是博士级别,这显然靠着人力是难以持久的,直到后来产生了一种新的训练思路,产生了质的飞跃,对于之前进行标注学习的他们来说这很受打击,这是听讲课的老师说的。

然后在后面的一些讲座中,我又开始了解到,其实当你去跟他聊天的时候,他首先他会给你解析,你说的语言就相当于把你说的话进行一个逐步拆解拆解成各种各样的语义,然后传给计算机解析,然后计算机根据不同的语言去检索对应的结果,当然你可以理解为他就是一个简单的查数据库一样,就像 SQL 查数据库,但是他比 SQL 查查数据库还要复杂一点,他会有一些语法解析的动作在里面。
向量数据库

然后说到检索就会想到数据库,他用的数据库还跟我们普通的不一样,可能我们常用的普通的关系型数据库非关系型数据库,他用的是向量数据库,如果说普通的一些数据库,他们可能检索是靠索引来靠精准匹配,那么向量数据库,他就会根据相似度匹配来实现一个高效的数据查询和分析。首先当你存储数据的时候,他会把一些文档图像音频会转换成一各一各不同的向量,然后当你去向的 GPT 描述你的需求的时候,他会解析把你的语音解析解析什不同不同的向量,然后根据不同的向量去去数据库匹配不同的结果,然后再进行一个结果的一个整理,这里面需要有大量的数据进行训练,你的数据量越大,它的结果就越准确。
训练成本

这里面就涉及到一个点,如果个人或者公司,他想要自己搭建一套,这里面就是只有一个问题,如果你的数据量很小,他可能达不到你的理想状态,他可能需要一些精调,但是精调的成本又很高,所以这就需要考验用户的需求到底是如何?如果只是单纯的检索那就完全可以去做一些知识库处理,目前的技术也可以根据部分数据,然后生成一些新的测试数据进行给训练,而且目前也有一些自训练监督学习开始训练模型,不得不说未来的 AI 肯定是会越来越智能的,自然不再需要依靠特别巨大的数据量去进行训练,可能只需要一部分非常精准的数据进行训练就可以了无论是文生图也好,图生图也好或者文本生成视频也好,其本质上都是模型,只是维度不同而已。
行业冲击

就目前而言,对市场冲击最大的可能还是模特摄影行业,因为 AIGC 他随机生成那些图片完全可以用来作为商用对一些小商户,他不需要特别高的要求你只是简简单单做一些产品出来宣传一下完全够了,你不用再去,请拨这个塞斯,而且像一些全球化的公司他们做的一些衣服完全可以用 AIGC 一键换脸换成不同的肤色背景,对摄影模特行业是冲击最大的对于程序员行业来说,像一些小项目可能 80%可以用代码生产,但是还是需要人为的去进行一个修改整体来说,未来将会只会越来越少,工作量会变得越来越多,就像洗衣机的发明,不是死人的家务并轻松了,而是使人越来越忙了。
MateGPT

在最近的一个展会中,我又遇到了一个新的概念 MateGPT 他相当于把一个 GPT 虚拟出多个 agent,然后进行一个交流,简单理解就是多个 GPTZ 之间进行互相聊天,你也可以把自己介入,这让我想起了最近新出的一个斯坦福小镇然后又联想到了电影黑客帝国里面的虚拟世界,里面一个个虚拟的人都是机器进行操控。又让我想起最近很火的一部电视剧《西部世界》讲述的也是在一个虚拟的世界故事,在虚拟世界里尽情狂欢。我觉得电影有点像未来生活真实的写照,首先你要讲一个故事,可能有点科幻,但给未来指明了一个方向,接着人们就往这个方向开始努力,然后一点一点实现,未来我觉得这一切应该都可以实现,根据以往的推理之前的科幻电影也都实现了,所以未来的 AI 只会越来越更加的智能,准确地说现在应该叫 AGI(通用人工智能)这在 OpenAI 的官网上可以看到醒目的几个大字。

OpenAI is an AI research and deployment company. Our mission is to ensure that artificial general intelligence benefits all of humanity.
最近的展会中各种大厂都在探讨 AI 落地的场景,开始慢慢应用到自己的项目当中,不得不说国内的落地应用还是非常迅速的。
展望
对 AI 未来的展望,我觉得 ChatGPT3 只是一个起点给或者说是一个转折的点,未来的 AI 只会越来越智能,人的劳动力开始慢慢释放,机器替代大部分人,人不再需要努力工作或者不用工作就可以获得稳定的收入,当然是满足日常开支,接下来就是要考验一个深层次的问题,生命的意义是什么?工作的意义是什么?又回到马斯洛的需求模型,每个人真的会追求最高的目标自我实现吗?还是说有一部分会活在虚拟世界中。
若有收获,点赞关注评论一键三连,每周分享技术干货、开源项目、实战经验、国外优质文章翻译等,您的关注将是我的更新动力!
引用
https://aws.amazon.com/cn/products/?nc2=h_ql_prod
https://cloud.tencent.com/act/pro/developer_business-scenario?from=18122&from=20878
版权声明: 本文为 InfoQ 作者【i查拉图斯特拉如是说】的原创文章。
原文链接:【http://xie.infoq.cn/article/2bfc461a44685325688ec40ee】。文章转载请联系作者。
评论