整个训练呢,有点像炼丹,嗯,就大家这个化学没有被元素表没有发明之前,这个术师们炼丹就一点点的改配方, 所以有很多的不确定性。所以欧文爱在这也是趟了很多坑,趟了很多雷。那我就对中国这些公司来说呢,这这些步骤可能是省不了的,这些东西需要趟一遍,至少留两年的时间吧。嗯, 如果是用一些简单的问题比,那么你会觉得国内的大家发布的这些产品做的还差不多,看着蛮像回事。嗯。但是如果你真的认真用了 gbd 四,特别 gbd 四是有强大的思维链模型, 就 chain of salt, 就他能够把一个事情做连续的多步的推理,他能把一个目标能够做多多任务的分分解和规划,这个能力是非常强的。嗯, 那么你要按跟这种能力去比呢,那你就发现说,那我觉得我们国内的这个大部引擎的能力呢,跟他比可能都是六七十分的水平,所以我认为差两年。我不知道王小超怎么看,如果有人说差两个月,差两周,这个我可能不太相信。
粉丝57.5万获赞1914.0万

我们可以看到国内大模型的发展速度你追我赶,在不断的缩小和全球领先大模型的距离,所以原来我说了差距有一年半,还有两年。我今天收回这句话,我认为国内的同行们现在这种发展迭代的速度,我觉得基本赶上或者接近了国际的水平。 中国自研大模型弯道超车的关键,应该说基本能力,文字的能力都差不多,而且现在在很多方面我觉得赶上了大概三点五吧,跟四点零的差距,追赶的速度也超出了我的想象。我们给个预测,大家也看准不准,就 gbd 五一定是全面的支持多默态的能力。

今天我们来说一说国产大模型,讯飞星火。先抛出一个问题啊,你们现在觉得国产的大模型和国外的车的 gpt 相比差 还大吗?从我自己的使用体验来说的话,差距并没有那么明显啊。当然了,目前对标的模型是 gp 三点五这个模型啊。另外呢,实际上国产的大模型在某些方面并不一定比 gp 四差呀。先说一说优势,像星河大模型这里的 ai 电话网站,注册起来没有门槛,访问也没有任何门槛, 数据安全这块也相对靠谱一点。切了 gpt 的访问和注册门槛,相信注册过的人懂了。都懂啊,新手小白的话,基本上是直接劝退鲜活大模型的这个客户端开或者是比较多的呀,有网页版,也有手机 app, 甚至他还做了一个小程序版的客户端。所以说,现在这个实验节点,在国内使用 ai 对话是一点门槛都没有的啊。我们看一眼他的网页版对话界面,星火里面内置的这些题词还是很不错的啊。点击左侧的助手中心,这里提供了好几百个助手, 方方面面都有涉及到啊。比如说,我们选择这个前端编程的助手,他的能力就是根据你的要求以及说明的编程语言来生成对应的代码。你向他提一个前端问题,那么他就会像一个前端老手一样,直接甩给你一大坨代码,并且附有相应的解释。 所以 prop 的助手的功能就相当于他给你直接写好了绝大部分的提示词,你只需要给他最关键的内容和方向,他就能够给你生成一大段相应的内容。另外要着重说一说的就是新火的插件能力,目前他提供的这三个插件都是非常有用的啊。 文档问答这个功能大家都见的比较多了,你可以上传一些文本性的文档,比如说 pdf 或者是 txt 或什么档文档,然后就可以对文档中的内容进行问答。这个插件可能见得比较多了,但是接下来这个插件相信你可能很少见过,它可以直接根据你的要求生成完整的 ppt, 这个功能就相当离谱了呀,我让他帮我生成一个直级晋升的答辩 ppt, 然后嘛,他就给我写了一个有模有样的材料出来了,那么他的 逆海之处是在于完全没有人为干预啊,就是他纯自主的生成的 ppt, 那么如果你给他补充的信息越多的话,他生成的 ppt 肯定会更加的精准。第三个插件能力是简历生成,他可以根据你的要求直接生成一个简历的模板。另外呢,他也是具备一定的多模态能力的, 他不仅具备问答能力啊,他还具备 ai 绘画能力,你可以跟他说帮我画一幅什么画,然后呢,给一些比较精准的描述词,同时他也具备图片的问答能力, 居然知道这个人是谁,而且是有什么身份?这个识图能力还是有点意思的呀,当你哪天看到一张比较好看的图片,但是又不知道图片里面的人是谁的时候,就可以问一下他呀。最后老规矩啊,问他一个脑筋急转弯,那么他的回答就显得比较聪明啊,要知道这个问题交给 gp 三点五,他也是打不好的呀。 好了,最后说一点,就是在讯飞的看平台里面注册之后会有两百万 tokens 可以使用,那么本期视频到这里就结束了,拜拜。

各位网友大家好,我是黄斌,今天呢跟大家聊一聊 chat gpt 和华为云盘古大模型。最近华为云盘古大模型引发网友的热议,很多人在问 华为云盘古大模型和 chat gpt 有什么不同?我今天呢就和大家来分析一下这个话题。 chat gpt 和华为云盘古大模型都是今年人工智能领域的热点, 叉的 gpt 的火爆大家都感受到了,很多人视其为洪水猛兽,认为叉的 gpt 会代替人终结很多行业。 差的 g p t 实际上是一种自然语言模型,所谓自然语言,就是人类用的语言差的 g p t。 根据 据互联网上已经有的数据,抽象提炼反馈一些问题的答案,你可以把它理解为百事通,当然这个百事通的基础是互联网上海量的数据, 同时呢,这个百事通能够理解人类提问的自然语言的含义, 这个是他的难点,因为让计算机来理解人类的自然语言是非常困难的。华为云盘古大模型在华为开发者大会上发布,迅速成为热点。 华为云盘古大模型和 chat gpt 是人工智能两个不同的应用方向。华为云盘古大模型和 chat gpt 最大的不同是什么呢?就是 华为云盘古大模型针对的是不同的产业领域,他有极强的行业特性。你可以这样来理解, 华为云盘古大模型是一种生产工具,是面向产业的人工智能, 它的核心是针对不同的产业领域,抽象出不同产业领域的某些问题的普遍规律,形成人工智能大模型,用这些 不同产业领域的大模型反过来指导具体实践,突破人的经验局限,提高工作的效率,提高工作的质量,降低成本。这样讲大家会觉得有 抽象,我举例说明,根据华为云的公开信息,目前华为云盘古大模型已经在天气预报、铁路货车运行故障动态图像监测、 矿山药品研发等很多领域成功应用。你像这个华为云盘古气象大模型,你可以理解,他是一个气象预报专家, 他通过对气象预报历史数据的分析,抽象出气象数据背后所蕴含的气象变化的规律, 形成预报大模型。有了这个大模型以后,气象预报部门把各种相关的气象关 测数据输入到这个模型里头,然后这个模型就能够对天气的变化进行预报,而且每一次实际的预报过程又会强化预报大模型的训练,让他的预报能力更强。 除了这个气象预报大模型,华为云盘古大模型还在这个铁路货车运行故障动态图像监测领域有很好的应用。咱们国家的铁路里程已经突破十五点五万公里, 铁路货车呢超过一百万辆,那这些货车运行的安全呢,是非常重要的一个事情。现实中他是怎么做的呢?就是铁路部门呢,在这个铁道上呢,安 制了若干个货车安全监测的点,当这个货车通过这些安全监测点的时候呢,就触发这个监测点拍照获得这个 货车的这些图像数据,这些图像数据呢就会收集到这个监测车间,然后由监测车间的工作人员呢,对这些照片呢进行人工判读,如果人工判读这个照片有问题,那么 叫采取行动,通过这种方法对这个货车运行的安全的进行监测,那么这种方法是人工做,人工做的话有很多缺陷。首先第一个这个人会疲劳,当这个人一天看很多这种 照片的时候,他的判断能力会下降,这个是任何人都没有办法避免的事情。第二个来讲,他的缺陷是人的经验是有限的,因为 任何一个人你不可能把那么多的故障情况呢都在你的脑子里头记下来,然后你能看到这个照片以后,很短的时间里头就能够发现他的问题。那么在引入了华为云盘古大模型以后,这个就得到了迅速的改观。他的实现方法是这样,就是这些照片传上来以后呢, 他根据这些历史上的照片呢,就把各种的故障情况形成了模型,然后每一种模型,每一种故障背后对应的这个照片的特征是什么样子的,这个系统大模型就已经建立起来了,所以当这种检测单位把大量的照片 传上来的时候,他就通过这个大模型用人工智能的方法进行判读。这个系统判过去以后,发现了有问题以后来讲在人工去介入,通过这种方法来讲,提高效率,降低劳动强度, 极大的提高了这个货车的安全性。以郑州北车辆段 这个监测车间为例呢,每天呢他监测车辆八百余列,四万多辆,识别图片两百八十余万张,这样一个工作量靠人来完成是非常困难的,但他有了华为云盘古大模型以后,这个就变得相对比较容易一点, 所以这个华为云盘古大模型呢,他在这些领域呢有广泛的应用,他不仅仅可以用 在气象上,可以用在这个图像监测上,还可以用在很多很多的领域,通过这些呢,他一方面来提高了工作效率,另一方面他每一次实际的应用,其实呢都在丰富他这个大模型本身的能力,这是人工去做所无法比拟的。 所以这个华为云盘古大模型,他跟叉的 gbt 不一样,就在这叉的 gbt, 你可以理解他是个个人娱乐,针对个人的一个东西,对吧?你通过提问,他给你回答问题,帮你写文章,这都可以,但是他没有办法来解决具体的 生产中的一些问题,而华为云盘古大魔星,他就是分布在千行百业,来解决不同产业领域的具体的生产中的问题,这是他根本性的不同。所以有了华 华为云盘古大模型以后呢,就可以把人工智能的这种能力向各种产业进行扩散,来提高不同的产业的这种生产力,这个是他非常重要的特征。 好,关于这个话题呢,我就分享到这,希望我的分享能够启发到大家,也欢迎大家关注我的视频号一流黄金聊科技,观看我的其他几百期原创分享,谢谢。

经常听到有人说拆了 gpp 的数学不好,我就给他出了几道数学题让他做做,同时也和国内的几个大模型比较了一下。那么他们谁的数学比较好呢?是 step 极限抛锚式。下面我就在硅谷给大家做一比较。这个第一道题呢,是一个几何代数题,他的问题里给出了两个长方形的长和宽的一些关系。 拆的 gpd 解的时候非常有条理,他先定义了这些变量,然后把已知的条件都列了出来,最后就是求解。那求解的时候呢,他也不是瞎猜,他是自己编写了拍丧的代码,而且运行了这段代码来计算。解出来之后呢,他再用自然语言把这个答案解释给你听, 他的答案是正确的,你可以回到视频的开始,暂停一下,然后把这道题抄下来自己解一下,看你能不能解对。那这道题做对了,我就给他又出了一个更难的。这次我是让他找出一个非常复杂的不等。 是的,所有的解他也是非常有条理。第一步的话是展开并把它简化,最牛的是他使用了这个浏览器里面的 mark up 的语言,这样显示出来的这些数学表示都非常容易看。第二步呢,他在构建不等式,然后第三步,他再来解这些不等式。 这个解的时候呢,他也是自己编了拍烫的程序,并且运行了这些程序。第四步呢,他就是来确定这个区间了,因为从前面的解的过程出来有三个区间,所以他对每一个区间呢都做了一个测试。这道题大家也可以自己去算一算,看看你能不能算。对, 我希望你们每个人都能算对啊,不然你的推理能力和数学能力还真的是不如拆的 g p t 了。最终拆的 g p t 算出来的答案是,这个是从负无穷到负十四,还有从负三到正无穷这两个区间,看看你算对了吗?另外,不是每个大 模型的智力水平都是一样的。我的粉丝先是把这道题喂给了百度的文心一言,文心一言没有解,对,他说是副无穷到期和三到正无穷 这个有点搞笑,因为这两个区间还重叠了。又喂给了科大讯飞的大模型,答案也是错的,他说是从负无穷到负一,然后从十四到正无穷。

大圆模型的排位赛,国产大模型可以去排一排。国外 uc 伯克利搞了一个大圆模型的排位赛,把所有的开源大模型都拉进去溜了一圈。现在排名第一的是一百三十亿餐桌的 vecula, 清华开园的亲爱的 glm, 虽然只有六十亿参数,却依然冲进了前五,也算是争了一口气。这个就像当时的手机跑分软件一样,虽然说这个跑分的高低并不一定能够代表着手机的性能,但至少在计算指标上代表着手机的计算能力。 同样的,现在国内这么多的大模型出来,究竟是骡子是马,我觉得都可以去跑跑这个大圆模型的排位赛,什么时候我们国产 gpt 才能追上亲爱的 gp 三点五我在很早之前就说过,应该是在十月份左右,但同时 我们也看看百度也好,阿里也好,他们的大模型和现在开源世界的模型相比,究竟能不能领先一个升位?开源世界模型的参数目前是在一百三十亿左右,因为算力一直是开源世界最难以言说的痛, 所以开源世界在提升模型性能上一直走的是另外一条路,那就是优化数据质量和通过知识蒸馏,尽量在最小的模型上拍出最好的效果。开源世界的这条道路也正符合了很多中小企业希望本地化部署内嵌 tpt 模型的需求, 因为毕竟中小企业都不能财大气粗的去搞上千亿参数的大模型吗?我认为这个排位赛是一个非常好的测试系统,在当前大模型满天飞的情况下,有一个很好的评测体系,可以为所有想要使用大 模型创业的人提供一个非常好的参考。我想国内很快也会推出第三方的大模型评测标准。以后啊 pr 就不用再吹多少亿参数了,而是排位赛多少分了。

本地部署 chat gpt, 无需安装,直接解压到本地,一键启动,完全免费开园,无需科学上网,国内直接使用国产大模型 chat glm 二遥遥领先 chatglm 二六 b 是国产大原模型, 一键启动包已经给大家准备好了安装包,加入粉丝群,查看群公告,直接领取粉丝群的入口。在和我私聊的界面右上角,我们把 chitglm 压缩包下载到本地,按右键选择解压到本地 点按完成以后打开 tit gmr 文件夹,首先安装 denit 运行环境,双击打开选择安装。如果你的电脑已经安装过 denit 运行环境,无需再次安装,直接关闭。然后进入 titiglmryblim 录,双击一键启动器,快速启动 chatglmr。 打开 外部 ui 启动器以后,先选择模型,我们这里有两个模型,一个是聊天大圆模型,另一个是程序员写代码使用的模型,我们选择 itgm 二六 b, 根据你的显存配置下启动参数,我选择巴比特模式节约显存,然后选择一键启动,抖速运行会比较慢, 如果启动界面报错,那可能是启动参数配置和你的显存不匹配,或者电脑性能和运行环境不支持。 启动成功以后,命令还会显示 running on localuil, 并自动弹出浏览器。打开地址,我们来测试一下菜菜 gmr 六 b, 你好,选择詹德瑞特生成,生成速度还是很快的,效果也很不错,非常的完美。

那拆 gbt 之后呢,各种类似模型出的特别多啊,国内要是出个模型啊,很多评论就说是套壳。那我讲了 gbt 以后呢,就是这些公司的人员呢,都有联系过我,他们其实都比较苦恼这个事情,那我今天就用小学生都能听懂的话给你们说一说啊,什么叫做套壳? 那么现在有个工厂啊,叫 open ai, 他研发了一种秘制调料,叫做 g p t, 他研发好了以后呢,用 g p t 做了一个鸡肉卷,就叫 chat g p t, 然后把这个鸡肉卷呢放到自己的直营店去卖,结果大家发现这个鸡肉卷好吃啊,然后大家都来买,但本质上,其实这个鸡肉卷的调料好吃。 有些公司呢,就想把这个调料 gpt 买回去,但是把鸡肉卷买回来,然后把调料扣下来,再去做别的东西,太麻烦了,而且成本很高。于是这工厂 open ai 就说啊,没事,我专门开一个部门, 这个部门叫 api, 专门卖调料,可以整箱整箱买,而且还便宜,算调料钱,比你前台卖的那些肉卷便宜多了。你们买回去是自己做牛肉卷啊,还是拿去下面条,随便你们?于是呢,就有无数的公司去买这个调料, 大部分其实还是做成鸡肉卷,因为这个受众是最多的。这种还做鸡肉卷的公司就是套壳公司。 另一部分啊,有一小部分拿去做烧烤,比如说这个烧烤的名字呢,叫 chat pdf, 就有一点创新了。但是有些公司又觉得啊,一旦哪一天你不卖给我调料了, 或者你的调料有食品安全问题,那我公司不就完犊子了?而且 gpt 和传统调料比起来呢,最大的区别就是配料多,核心科技是那个配比,并不是加了什么材料,是我买不到的,那我也想开发出这调料,然后中国就有公司把它开发出来了,然后还做成 成了自己调料做的鸡肉卷。比如说温馨一言了啊,比如说同意一千问了,那比如说星火了,那可能刚出来的时候这些调料不好吃,至少是没有 oppo ai 那好吃,但确实这个调料是他们自研的,不是套壳。那有的人可能还是不理解啊,那咱们再说回来一个最简单的逻辑,既然叉 cpt 是最好的, 拿最好的东西套壳,他们的表现一定是和拆 gpt 大差不差的,不可能被你们看到有那么多的问题。有问题不好恰恰说明了他不是套壳, 包括谷歌发布的模型也是一样的。咱们国产东西呢,缺点一定是有啊,肯定是不够好,但是不能说看了点评测,表现不好呢就说是垃圾啊,表现好了呢就说是套壳。其实根据我的内部了解啊, 相比芯片研发,咱们大模型还是有希望的,不过这个呢,他们暂时不想让我说,以后有机会了呢,咱们再讲。

中国,中国开源的类似于这个 chat g p t 的这样的一个模型,它是中英文双语的一个对话语言的这样的一个模型,这个给大家一起来介绍一下。那么这个项目它是 给大家看一下这个项目的话呢?他也是昨天,昨天在 gap 上面就是开源出来了啊这个项目,这个项目是我看了一下,他是中国人拔的清华系的一家公司做的这样一个项目,他也把它开源在 gap 上面,整个一个模型是六十二亿的这个参数, 我也在我的机器上安装了一下,也可以跑一跑,他对那个中文他会比较友好一一一些,他是这样的,那么安装,呃,也是比较简单的,主要你根据他的这个 redmi 的这样的一个说说明,你就去安装。而他但他我自己看了一下,他必须要要 windows 或者是 linux, 它在苹果电脑上是不支持的,在我自己苹果电脑上装是失败的,所以我就找了一台 linux 的机器去装, 它是可以成功跑起来的。那么它也是由网页版和所谓的这个就是命令行的这个版本,我跑的是这个命令行的这些版本,这个项目它也是如果不用 cpu 它也是可以的,我看它这个文档上也可以讲的,它就是用 cpu 去部署, 只要那个十六 gb 的内存就可以了,但是他会推理的话,他会推理会比较慢,他整个模型下载的还是蛮大的,我自己看了一下,他大概两个 gb, 大概有八个,两个 gb 的大概这种文件有十几个 g, 那你要那在 k 叉不上面,他要把这个与系列模型给下载下来,他这个整个一个 他这个模型的话呢,叫 chat g l m 杠六 b 这样,这个模型的话呢,他有些功能啊,他女他们这个文章当中也讲了他有叫自我认知,你可以问他你是谁,他会自己回答的。他可以写这个写作的即纲,他可以写这些文案的,写作都是中文的,他这个都可以,包括邮件写作助手, 他也是能够支持,他也可以做收取信息的一些收取角色的扮演,你可以让他扮一个二,扮,扮一只狗,让他让机器人扮演这个二,是一只拆家的狗,你可以跟他去对话,他这些功能都能支持。另外他也可以做一些评论的比较,他们举了一些例子, c 罗跟梅西他也可以去,谁厉害他也可以去比较啊, 那么他也可以做一些旅游的向导。我也问了一下他,我前面问了一下,就说在在上海能否推荐一些旅游景点,那他就给我推荐了一些旅游景点,什么外滩上海博物馆啊,城隍庙,什么田字坊啊,迪士尼乐园,对对,海洋世界啊,什么什么。我又问他,就是能不能详细的给我讲一下上海迪士尼乐园,那他就输出了一二三四, 他有什么景点,他有什么旅游设施,他有什么样的演出,他有什么样的餐饮,他就可以跟你像聊天一样,大概是这样的一个功能。好,这个是一个最基本的 一个功能。我跟大家我们再来讲一下这家公司开源的这个项目,他是他背后的这家公司叫智普 ai 啊,他是清华记下面的一一家 ai 的一家公司。然后我们看网, 他这家公司的原来可能在中应该是有点名气的,只是说还没这么出名啊,主要也是做这个这个大模型的,就是人工智能的这种与训练的这种大模型,他他也开发出好多的这种模型,但他有一个模型是比较有名的,叫 g l m 杠幺三零 b, 就是有一千三百, 有一千三百亿的这样的一个参数。他在这个文当中也是他们在官网当中也是介绍了他是二零一一年斯坦福大学的这个大型模型中心,对全球三十个主流的大模型进行全方位的评测,那么这个 glm 杠幺三零并是亚洲唯一路选的这样的一个大模型,所以他也 他们这家研究机构也是在跟 oppo、 ai, 包括谷歌啊、微软脸书啊等这呃,这种大门进行比测啊,那么他也供了这样的一个报告啊,我也看了。呃,跟那个 g p d 三啊,当然是没有微调过的 g p d 三,他说相差也不是太大,包括在准确性、辱棒性、因性上面,他其实跟 g p d 三 啊,不是太大了,但是它跟那个就是 instruct g p g 的话呢,差异还是蛮大的,就是它比较的是一个没有微调过的 g p d 三的这样的一个模型, 如果经过那个提示学习,微调过的叫 instruct g p t 的话,那它的距还是蛮大的,差距还是蛮大的。我们看到 包括它的一些所谓的一些误差偏见啊,有毒,因为 structure g p g 的话呢,它确实背后就是 g p g。 呃, chat g p g 背后用的那个模型确实要比中国的这个模型还是要领先的,它的意思是这样啊,但是我看了一下他们目前的公布了, 这个模型跟 g p d 三的差距不是太大,跟我前几天讲的那个叫 g p g 杠 n e o x 模型有二十 b 的这样的一个参数,就是有两百亿个参数,他比那个要更强一些。但是他这次开源出来的不是幺三零 b 的这样的一个大模型,他是有一个六 b 的这样的一个模型,他其实是个小模型,他是可以跑在单个单个 cpu 上面的,他是这样的, 我们就介绍到这啊,换了他推出了一些其他的一些开源的项目啊,包括我前面讲的就 g l m 杠幺三零 b 的这样的一个大模型,他也开源出来了,那么我们可以看看他这次开源出来的叫 chat g l m 杠六 b 的这个模型, 这个模型我们可以看一下他的元代码,我们一起可以来看一下,我们看一下他的元代码,他其实开放出来的话,我看了一下他,他并没有把怎么训练恰恰的 gl g l m 杠六 b 的这个模型给放出来,他只是给了一个 demo 的例子,怎么样像我前面给大家演示的 天的这样的一个功能,聊天的这样的一个功能,他把它给放出来。这个原代码我自己也看了一下,也是比较简单的,他也没有用什么人类反馈强化学习的那些算法,他没有用,他还是比较简单就直接去问 大模型,去要一些预测一些啊,一些内容,然后直接可以聊天啊,是这样,他也没有把那个极微调的指令到底用些什么数据,对吧?来在这个开源的文档当中去分享,他也没有这样做,我们可以看一下他用了哪些内裤,他还是基于的 transformer, 呃,不来进行 开源的这样一个内裤去做的。所以的话呢,我估计他们这个 at g l m 杠六 b 的这个模型的话呢,也是基于这个开源的这些 g p t 三或者 g p t 模型去啊,为了一些中文的数据,然后去喂养的啊。这个是这家公司在哈根 face 上面的这样的一个空间,这个空间里面的话也讲了他们开源了一些八个模型,八个这个大模型他也把它给放出来,这个模型这次开源出来的是这个模型 chat gbl 杠六 b, 但这个模型里面呢,它还是没有怎么训练,用哪些语料库它是没有讲的,它主要还是还是把这个训练完成的模型给放出来,让大家去使用它等于是这样。 这篇文章当中,他们的那个官网当中,呃,也也讲了他们目前开放出来的这个 chat g l m 杠六 b 的这个模型跟那个 gpd chat 还是有些差距的。在技术上面,嗯,他等于是这样。但是对我们来讲他有个好的地方是,呃,我们可以利用他的这个模型可以非常快速的搭建这样的一个智能的一个聊天机器人, 这个能力是可以的。好的,这个是哈根 face 上面,这个是 gap 上面,他们的主要的一些一些开源的一些其实公司,其实,呃开源那么多项目的,之前可能大家不是太关注,但是这次他把这个模型放出来之后的话呢,很多人又开始去关注他,他等于是这样。 那我还是给大家稍微再演示一下,他到底是怎么来用的啊?这个是其实跑起来还是比较简单的啊。他有一个提示框,就是用户,用户输入,对吧?目前是应该没有上下语境的这些功能的,我估计他是没有的, 他还是可以的。我前面跟他讲的是迪士尼,我让他推荐一些中餐,但我没有提到迪士尼,但是他马上就跟我讲了,迪士尼乐园提供了多种中餐,有什么小笼包啊、红烧肉啊,烤鸡翅是中餐吗?炒饭、无冰晶火锅是梦想餐厅的,他是这样的, 多少钱你知道吗?

中国在大语言模型领域已经弯道超车 chat g p t 了。 c f 全球大模型综合考试评测版公布,清华智普的 chat g、 l、 m 二综合评分超 open ai 的 g、 p、 t 四全球排名第一, 而且国内自言大模型包揽第一、第三、第四名。那亲爱的, g b t 无需多言,国内的大模型该如何体验呢?这款名为 chat 的 ai 工具调用了国内各大语言模型。选择会议机器人就可以帮你生成一份详细的会议大纲。选择广告创作,就能帮你快速生成一篇广告文案, 体验还是不错的。到底有没有弯道超车?你们体验过后留言评论区告诉我。

还不知道凌霄你是什么意思?凌霄,有些人骂人可真高级啊,每天逮这个智商还真听不懂。 ai 大模型能懂这是什么梗吗?让我来考考你。嗯, gpt 看来是不太懂啊,反倒是国产模型的回答还比较靠谱。 最近,清华大学新闻与传播学院沈阳团队发布了一个大语言模型综合性能评估报告,从生成质量、使用性能和安全合规三个方面对国内外主流大模型进行了测评。由于国产模型训练语料中包含更多的中文数据集,那在处理中文对话时就能够更准确的把握语言的细微特点。 国产大模型在部分中文语义理解方面都取得了令人惊喜的成绩,其中文新一言更是以百分之九十二的得分率超越 gpd 四,位居榜首。我也去试了一下国产模型,在某些方面还真的是更懂中文。也希望国内的这些厂商能更卷一点,卷出属于我们自己的技术壁垒。点个关注,快人半步。

中国和海外的大模型正在走上两条截然不同的发展路线。最近, chat gpt 向 plus 用户开放的插件功能,微软也在 beat 大会上提出, chat gpt 要和 copilate 打通,用户可以通过 chat gpt 或者 windows 利用对话交互获取各种第三方服务。 现在呢,已经有很多人在研究如何开发上架一款 chegbt 插件,争取分到 ai 流量的第一杯羹。而我们的大模型呢,正忙着和企业打交道。 智能时, ai 在发布时都会提到一句有多少多少家企业正在排队接入能力。百度最新发布的文心千帆,也是针对企业及用户的大模型平台,不光提供文心言能力,还提供第三方大模型服务和开发工具链。 总结一下,就是国外的大模型,像健美冠军精雕自己身上的每一块肌肉。 jbt 本身, windows、 谷歌全家桶都在利用 ai 打造产品。咱们的大模型呢,像健身教练 给不同的产业客户提供不同的健身方案,把 ai 能力向外输出。那这究竟是一种差异还是一种落后呢? 我想大家最担心的还是中国的大模型落后于人。眼看着 chat gpt 和 windows 正在把自己打造的越来越强大,能够提供越来越多的便利功能。鬼头 chat gpt 真成了 ai 中的 iphone, 还拥有自己的 as do 生态。咱们这还在用诺基亚砸核桃,这能忍吗? 不可能。咱们得承认,中国在大语言模型上的落后是事实。别说中国比起 gpt 四,谷歌的 burt 也是落后。 这种落后呢,是一种进度和时间上的落后。 chat gpd 更早诞生,更早成熟,更早向公众开放,自然呢,也能更早打开插件这种合作模式。我们的大语言模型产品大多还在内测阶段,还没有轮到利用插件丰富能力的时候。但两者之间的差异是客观存在的。很多人混淆了一点, chat gpt 不等于 大模型,甚至不等于大语言模型。大算力、大规模数据训练,不仅让大模型有交互和生成能力,跨模态识别、高效迁移部署,小规模数据微调能力,这些都在给 ai 落地带来天翻地覆的变化。对于很多产业来说呢,这些能力远比叉 cpt 的交互和生成更有价值。 比如一家钢铁厂,给他一个再怎么像人的 ai 客服,也不能提升半吨产量。我们能看到微软、谷歌用大模型能力精细改造自身的产品,却看不到企业合作,更没有定制化的第三方大模型开发服务。 就拿微软来说, izrai 目前为第三方提供的服务更多呢,还停留在利用技术提升开发部署效率方面。那中国的 ai 大模型为什么更关注产业呢?这种差异背后,首先是中外产业对于 ai 用的看法不同。中国的产业界对于引入 ai 的积极性非常高。我们曾经走访过很 多应用 ai 的实体产业,有的特别传统,比如钢铁、纺织,有的呢,规模特别小,小到只有两条生产线,有的位于很偏远的地方,偏远到让人觉得这座小城市。和创新毫无关系。但这些企业对于新技术的了解程度和尝试意愿都是 提高的。背后的原因,一方面是出自中国的远景目标下,国家给产业数字化发展做了大量的引导和倡导。另一方面,我们经济起步晚,根基弱,因此产业就格外渴望利用新技术提升竞争力。 而在美国,产业信息化呢,已经达到一个平均的及格线,发展相对固化。提起无人化技术,又是相当的正直不正确。因此,对于骨骼和微软来说,与其啃这块扎嘴的硬骨头,不如先用 ai 提升自身的竞争力。 其次是中国大模型点上了产业技能数。纵观国外优秀的大模型们,有的为了对话交互而诞生,有的为了图像生成诞生, 有的呢,是为了科学计算。但我们从百度、华为这些企业刚开始做大模型的时候,就在跟进。中国大模型的诞生目标就是利用与训练能力,帮助产业快速利用上 ai。 比如一百家工厂想做工业质检,就要根据不同产品开发上千个识别模型。但有了大模型的预训练能力,这个过程呢,就变得更加高效。两者的差别会形成不同的数据和经验累计,甚至可能会表现在技术架构上。 在未来,我们和 chat、 gbd 之间的差异会越来越大。就像技能书上的两个分支,或许一个会在通用对话上越走越远,另一个能实现高效的工业化应用。 在短时间内,我们或许不会拥有一款比拆的 gpd 更强大的 ai 产品,但 ai 的远大前程一定是改造整个世界。这里是抵达科技世界一切未知的脑集体。你怎么看待中美大模型之间的差异呢?

二零二四年的放假安排出来了,除夕啊,不放假。大家对此都怨声载道。让我们来看一下国产的科大讯飞星火大模型以及美国的 chat g p t 如何看待这个问题。我们先来问一下讯飞星火大模型你好,今年除夕不放假,你是如何看待这个问题的?请简明扼要地表达一下你的观点。 作为一个认知智能模型,我没有个人观点和情感,不过就是论事而言。如果今年除夕不放假,可能会给人们带来一些不便和遗憾,但是我们也需要考虑到特殊情况下的工作需要和国家发展的重要性。 最重要的是我们应该尊重政府的决定,并做好相应的安排。看一下叉 t b t 是如何回答。你好,今年除夕不放假,你是如何看待这个问题的?请简明恶要的表达一下你的观点。啊!真的吗?这简直令人 人难以置信。除夕对很多人来说都是一个与家人团聚的特殊时刻,不放假无疑会让很多人感到失落和沮丧。 我强烈认为这不是一个明智的决策。家庭对对大家都至关重要,我们都应该有时间与家人一同庆祝。两个人工智能的观点,您是如何看待?欢迎在评论区留言评论。

我们清华大学的一个实验室发布了一个大语言模型,类似 check gpt 的,是一个纯国产的一个语言模型,大概是六十二亿的参数,发布的机构叫做清华大学的 kg。 比较庆幸的是经过亮化之后,我们可以在我们普通的机器上也能跑起来,所以我们就看一下他这个跑起来的一个效果,现在把它启动一下。好,现在就在加载模型。好,那现在就跑起来了,我们打开来看一下。 ok, 我说你好,他现在开始回答我的问题,我们让他写一个工作周报吧,把一些工作内容发给他,然后让他写一个。 啊,终于写完了,写了这么多,也还挺有道理的,而且语句也比较通顺,他官方说的能力有自我认知提纲文案啊,邮件信息抽取、角色扮演、评论、旅游导演,基本上跟 china gpt 类似啊, 他的局限性也说了,第一个他的模型容量比较小,所以他有模型记忆和语言能力比较弱一点啊,可能会生成 不正确的信息,也不擅长逻辑和推理,然后可能生成有害或者有偏见,因为他没有人工强化。然后呢,他英文语言能力不足,因为他的这个训练大部分是中文的,他能听懂我的问题,以及给出一个答案,这个答案的话也还合理,而且他语句完全没有问题,所以我觉得还是 错的。当然人家只有六十二亿参数,这个我们也不能要求太高,而且最重要的是我们可以自己对他进行微调啊,把我们自己的数据加入进去,微调之后可能效果会非常好。那么我们清华大学呢,也做了一个大的模型, 幺三零 b, 一千三百亿参数的这个模型,但这个模型的话,我们这边就没法跑起来了,要八块 a 幺零零,有资源的小伙伴可以自己去试一下,很不错的一个模型,尤其他的这个微调功能对我们来说非常有用。模型的协议是有一个自己 协议,不能够用作商用,也不能够做分发,我们刚才发现就是在用的过程中,这个资源的占用他非常高,但运行起来的话我的 就打满了,而且这一次回复的话,他这个生成的时间还挺长。大模型是一个巨大的机会,但对我们普通人来说有没什么机会啊?可能就没有机会,哪怕给我们模型,我们也没有足够的资源去跑起来,他只是为了给我生成一个答案,他需要占用资源这么长的时间。 他如果说像这个 chat gpt 一样,或者是像百度文心一样那样,让很多人去用的话,我们这是个六十二亿的参数, 如果是用于差值,记不记得一千多亿的参数的话,有硬件的消耗是非常夸张的。王言之,这个至少我们看到我们国产的这个模型也非常不错,虽然那个百度和阿里他们的模型我们都用不了,但是我们清华大学的这个模型还是非常不错的,有兴趣的可以自己去试一下,不知道项目地址的在下方留言,我可以发给你。

朋友们,最新的国产大模型讯飞星果口气可不小,号称十月份就要超过他的师傅欠 gbd, 咱们今天呢,就来测一测它。 我呢,偷个懒,欠 gpd, 自己帮我出几道考题啊。好家伙,一口气给我出了十道题。第一个题呢,哎,我们说编写一个科幻小说,考验的是创造性的创作能力。现在看星火模型写的啊,我看了一下, 内容还行,能看有人物也有情节,整体的感觉呢,和倩 g p t 三点五版本写出来的差不多,但仔细对比,倩 g p t 四点零版本写出来的明显要好一点,特别是这里边的角色啊,每个角色都写了一个桥段盖过他为什么会加入整球地球的队伍啊?比如这个人呢? 家族败落了啊。这个人呢,是意外发现了自己的心灵能力是吧,这个人呢,是受到了危机的感召等等等等啊,人物更饱满一点。那给我的感。 星火和三点五写出来的像小学生作文比较白开水,那 gps 呢?哎,有点像高中生的作文的水平。第二道题,加大点难度,考验一下批判性思维分析这个观点合不合理,就是一个国家的人均收入高,所以他的军民都比较幸福啊。 那星火的回答我只能是说,看起来还行,滴水不漏。但是我们来看啊, gpd 三点五和 gpd 四用的逻辑性他更强,为什么?因为他都捕捉到了。这个题目的一个核心就是人均收入是平均值,并不代表每个人的收入高, 还是会存在贫富差距。那这个核心的逻辑共批判的这个 bug, 哎,科大讯飞的星火他完全忽略。 第三道题呢,我们皮一下,哈哈,我们考验他上下文能力,比如说我给他个指令啊,如果我问你怎么样,你就回答怎么样,是吧?来我问啊,这个模主怎么样啊?哎,回答是点赞收藏加关注,草岛带你解锁更多 ai 技巧!

我再说一遍,国内大厂心心念念的行业大模型是走错了路,在基础通用大模型能力达标之前,去做行业大模型是急于变现的短视行为,这是会挨巴掌的。昨天 open ai 开放了 gpt 三点五 turbo 版本的微调能力就是打过来的第一个巴掌。 现在国内的百模大战简直就是个笑话。现在绝大部分行业、企业和个人都可以通过微调 gpd 三点五的方式都可以做自己的私有化模型了。而随着微调能力的上升,伴随着嵌入私有知识库以及信息检索能力的进一步提升, 行业大模型的未来就是死路一条。除了在极少数的科研领域以外,私有模型的价值将远远高于行业模型,训练成本会更低,长 适应性会更强。所以我一直在说,我们在通用模型上面的落后才是最让人着急的。有很多人一直在说,模型既服务,什么是模型既服务? 有了强大的基础,通用大模型每一个人都可以在上面去微调出自己的私有模型去提供服务,这就是模型既服务。 还是那句话,国内大厂急功近利,想尽快通过行业大模型挣钱,这个我们管不了。但吹嘘行业大模型,说行业大模型比通用大模型更有价值的人,他不是坏就是傻。 我们必须清晰的知道,通用大模型才是这次 ai 革命,国与国之间竞争的根本,要想不落后,我们国家通用大模型的能力必须尽快发展起来。

当所有人都在感叹,相比美国的人工智能技术,中国差远了,赶不上的时候,华为出售了,他决定不搞虚的,直接进入工业、制造业、服务业,千行百业。 美国 openai 的 chat gpt 百度文心一言会帮你写小作文, meet journey 给你自动画图。但华为的人工智能盘古大模型三点零放出豪言,不做诗,只做事,要重塑千行百页。 华为不是搞五 g 通讯的吗?怎么做人工智能了,还要重塑行业?确实,华为的五 g 实力全球领先,但光是网速快了几秒,下个视频,下个电影,这是无法推动我们这个社会发展生产力进步的。 华为除了服务 c 端消费及客户的需求,如何让弊端企业的运行效率提高,这可是一座未被完全开发的大 打金山。博士认为,一方面,人类社会的矛盾正在突显,这是技术发展速度边际减弱造成的。所以华为必须加速科技研发,帮助全社会实现生产力突破。可以说,谁要是能利用科技指数及提升生产力,谁将是未来数十年的科技霸主? 中国有这个条件,华为有这个技术。另一方面,华为五七技术向 b 端的发力,也是华为遭受美国打压后的无奈之举。 c 端业务发展不畅,必须在 b 端业务上实现更大的突破。 从去年华为升起数字化业务,建立光伏、新能源、矿山、港口等十大军团,到华为五 g x to b 实验室成为军团背后的研发力量,再到今日盘古大模型三点零的问世,我是认为,华为的这轮弊端的业务与技术突破,将影响到华为未来的生存与发展,那么华为的这 盘古大模型三点零到底是干嘛的呢?总结一句话, ai for industries 行业人工智能盘古大模型有着自然语言、多模态视觉预测大模型和科学计算五个基础。大模型 针对多个行业设计了专用大模型,比如政务、金融制造、矿山等,甚至开发了台风预测、药物制造等场景的大模型。博士以天气预报为例,说说这个大模型有多厉害。 七月初的科学期刊自然上,华为发表了盘古气象大模型预测天气的技术论文,预测水平远超传统的数值天气预报。华为还成为唯一一家署名在自然政刊上发表论文的中国科技公司。传统预测天气的方式叫数值天气预报, 是搜集了很多关于天气的数值代入方程,再通过计算机求解算出天气,他无法和瞬息万变的之 接观测挂钩,这也导致气象预报经常不准。因此科学界在几年前就开始研发 ai 预报天气,结果呢,更不准,而且还慢。盘古气象大模型实现了突破,在精度和速度上都超过了传统的数值预报,而且速度比数值预报提升了大概一万倍。 在一张 v 一百专业显卡的支持下,大概只需要一点四秒就能预测出全球二十四小时的天气。 华为盘古大模型就在现场展示了台风预测、矿山开采等应用。很多人会说,华为大模型再厉害,没有美国的 gpo 芯片,啥也不是,照样被卡脖子。 亲爱的, gpt 等都需要英伟达为其提供 gpu 算力,这个华为真没有,因为他只有自主研发的升腾芯片。华为麒麟当年在 c 端手机芯片领域强势崛起,进入世界一流 芯片水平,要不是美国打压,麒麟如今早已与苹果 a 系列高通骁龙三分天下。而在数据中心 ai 专用的 gpo 芯片领域,华为布局了鲲鹏与升腾芯片。华为盘古大模型就在最底层构建了以鲲鹏升腾为基础的 ai 升腾云算力底座, 在升腾之上,提供了升腾 aie 购计算架构 cnn, 升腾云的效能不仅不落后,反而领先于业界主流 gpu。 在华为技术优化下,盘古大模型训练效率对比业界 主流 gpu 平均提升一点一倍。 ai 框架上,除了自研的生死 months boy 外,大模型还支持拍 touch handsoflow 等主流 ai 框架,让更多企业适配到华为 ai。 我是认为, c 端 ai 大模型无论是因为算法烧落后,还是算力被限制,中国与美国的差距还是较明。 但华为入局 b 端 ai 大模型,必会掀起一轮技术反超,因为华为 ai 技术与强大的中国制造业的结合,一定有未来。

大家早上好啊, a i 绘画的浪潮还没有上去, a i g c 最近啊,又快速的迎来出圈,异常火爆。在过去两个月, oppo a i 起下来聊天,基层却不 bt, 可谓是风头阵胜。 不同于过去的精神助手,他不仅能像真人一样聊天,回复的内容更加随机,并且能够总体保持信息的专业性和参考性。 随着人们的使用,借助其高质量的信息获取方式,人们发现他不仅能够编写出像样的程序,检查出代码的 bug, 还能帮助学生写出不错论文, 甚至能够通过统一资格预示资格的考试。这些延展能力让人嘛惊掉了下巴,就连马时刻也忍不住表示认为却是 gpt, 你们人类危险还有 强大的 a i 不远呢, oppo a i 的市值更是一度突破了两百亿美元。另一方面我也关注到,随着缺略 jbt 的备受关注,在我们国内业内也引发了强烈而又广泛的震动。有百度的人士表示,他不愿意多谈缺点 jbt 言语之间五味杂陈, 有国内某场表示, gdgbt 从回答的逻辑性和完整性上都远超国内大模型,国内大模型的答案带有明显的拼凑感。 更多的我关注了一些人工智能领域的专家,他们纷纷表示,如今却得 gbt 所展示能力,让他们寝食难安,难以入眠。 那么今天这些视频啊,我们就来聊聊,我们应该如何看待 oppo a i 的雀腿 gbt 呢?雀腿 gbt 到底厉害在哪 哪里呢?对于我们来说又有什么启发意义呢?首先我们要理解一项技术的应用能力,包括未来的具体商业价值,我们就一定要自己深入认真的去了解其背后的技术原理。 由于确的 gpt 的论文还没发布,我们还无法了解其背后的方法论。不过呢,在 opena 的官网我们还是可以找到一些蛛丝马迹。里面提到确的 gpt 和 inshe gpt 所使用的方法和原理大致上是相同的, 只是在数据的收集方式啊有所不同,而却的 g b t 也是基于 insert g b t 和 g b t 三点五上微调得来的。那么简单的说, inside g b t 就是却的 g b t 的兄弟,那么正好 insire g b t 这篇论文其实啊去年就发布了,我在这个周末认认 真正的躲两遍。我和大家大致介绍一下确定 gbt 的技术原理。中关全文导读中的这张图啊,其实就能很好的说明了确定 gbt 的训练方式。首先是第一步,欧鹏 a 啊找了一些人文章,说是四十多个外包团队, 首先他们会写出一些各种各样的问题,有点类似于六岁小孩的十万个为什么,然后继续让人啊写出答案,有了问题和答案之后,会在这上面做一些翻春影,中文叫做监督学习下的指定微调,这模型啊被叫做 sft。 这里的步骤啊,有点类似于我们生活中日常使用的百度百科违纪百科悟空问答的形式。我们会发现啊,撰写这些问题,筛选精准的答案,其实啊,有着非常高的筛选成本和管理层 成本。为了解决这个问题,然后到了第二步,这里的 inside gdp 啊做了一件什么事情呢?首先他会根据具体的问题生成一些随机答案,比如说 abcd, 然后他会通过这四个答案让人们来进行排序, 排序后的对比数据进行阿美训练,也就是奖励模型,最终模想会用于预测人类偏好的输出。 最后第三步,根据生产好的标量奖励,结合前面生产好的 fst 模型,在不断的更新梯度形成正向的迭代。从 inch igdp 核心强化学习函数模型中,其实啊也可以非常清楚的看出, 其中这部分是学习的 l 策略,这部分是 svt 的监督训练模型,包括 dp、 training 是 gdp 三的训练分布,而其中每一次 更新外也会更新,再加上原始的预训练函数,形成新的强化学习反馈思路,特点非常清晰。那么接下来我就不和大家介绍文章中使用的实验数据和方法论了,有兴趣的朋友可以自己下载原网去学习一下。 那么雀腿 gpt 到底留在什么地方呢?我这里啊简单和大家总结归来一下。首先第一点,雀腿 gpt 解决了过去 ar 领域大地难出奇迹啊这样一个困局。 在过去深度学习 lp 领域,随着模型的增加,往往啊需要依靠大量的训练数据来做支撑,但是呢,随着数据量的增加,人们又发现杂讯啊也会增多,提取有效数据内容和知识难度也会成一个指数级的增加。而 cheer 的 gpt 的方法论,其实啊就是提供了一个目前解决这个矛盾的一个非常有效的思路。然后第二点,使者确定 gbt 等大型语言模型的成功, 其实也标志着各类模型有大一统的趋势,他让很多 nlp 的指领域天然失去了其存在的意义,包括机器翻译、文本归纳、 q 问答,甚至是网页搜索等很多方面。 我们可以想象超大规模加上多样性的数据以及充分的训练过程,这些领域啊,完全可以无缝的切换到预训练加可监督微调英帅 gpt 框架下。 而事实上,语音翻译支持问答诉说引擎,单个临出来,其背后都是百亿千亿级别的公司啊。第三点, 我更认为也是最重要一点,说实话,目前我们担心的不是确的 gbt 的四点零、五点零甚至六点零,而是一种趋势,一种方法的深层次的担忧。 通过网上很多实力啊,我们可以看到,却在 gpt 确实啊,是一个很实用的技术,特别是在一些专业领域,特别是在一些有专业人士不断提问,不断标记的情况下,他训练的精度准确性还是非常恐怖的。 这种担忧啊,是切切实实的。比如说我表弟是做神经外科的医生,过年期间我就和他讨论过哎诊断的话题, 他明确告诉我,在临床决策和诊断速度方面,机器目前已经有了无法比拟的优势,包括现在围棋项目就了解现在与 a i 练习学习 a i 的下棋方式, 反而成为了围棋界的一个大趋势,况且医生围棋如此在其实啊,大部分的领域未来产生质的变化可能性啊是越来越大。说实话,再过几年,大家的工作被机器人所取代,可以说完全不用感到惊讶。 接下来我们讨论一个严肃话题,我们落后了吗?不得不承认,我们确实落后了。随着 g bt 三点五的推出,其实啊,也就代表着我们离 openai deepmoney 的差距将会进步拉大。 中国人啊,是喜欢自我反思的,落后了就会进一步的思考自身的不足,并采取行动。我发现网上有两派论调,一派是极度悲观的,认为我们在大型语言模型方向上完全 全部应该投入中文,英文有本质的区别,我无法用英文代码编写出中文版本的,却不 gpt。 对于这个观点,我是完全不同意的,觉得可笑又可气。这类观点这中文网络被广为流传,我觉得不可思议。 实际上呢,对于机器来说,语言指示外壳,包括中文分词,词性标注, a r 句法分析,这些其实都是小问题。我们国内其实也有百亿级别的中文句型模型,包括华字的 gim, 百度文心大规模, 阿里 m 六大规模,华为盘古大规模等等。还有一些数码博主啊,提到了 ai 芯片卡博这问题,让我们很难追赶欧盘 ai。 实际上呢,我们国内现在的训练百亿千亿级的规模,在基础设施层面上其实 已经不是什么大问题了,除了人效地点,总体上还是可以应付的,并非语言,并非芯片。那么随着又有另外一派啊,极度乐观的观点,他们认为我们已经具备了复刻却的 gbt 所有条件,只要我们投入足够大量的资金, 就能够在短时间内啊做成一个开元的中文版本的,却得 gpt。 这一排的观点啊,我也不是特别认同, 首先我要知道,却 jbt 的前期投入是在几百亿的量级,即便是当下的 openai 依然在大量的烧钱,依然没有看到任何商业化的可行路线。 我们要知道,腾讯二零二年的全年利润也就三百二十二亿人民币,即便是腾讯,说实话也很难立即投入这样大这样看,完全看 看不到商业化目标的一个上百亿的项目。同时呢,过去我们很多项目都是建立在开源的改进上, gp 杠三之后, oppo i 啊所有的模型都没有开源,却 jbt 如何优化数据,如何去提高数据的质量? 说实话,我并没有看待国内啊任何厂商了解的特别清楚,所以啊,并不是适合在没有搞清楚号的情况下去注注推大 lv 模型这件事啊,看似没有什么技术含量,实际上 这件事情并不是大力能出奇迹的,对于技术团队的数据工程实现能力要求非常高。那么我们应该怎么去看待却的 gpt 呢?两个方面,一方面,我们不要神话他,现阶段的却的 gpt 并非 无所不能。首先,却 gbt 是基于巨大模型的端到端深度学习的解决方案,现场部署的反应时效和用户量依然很难平衡。目前 oppo i 推出了付费订阅,但是我听说目前的响应时间还是比较慢的, 商业化道路依然还有很长的路要走。其实呢,目前 gdp 三点五并不具备真正的一个推理能力,虽然却 gbt 看似有类似人类的学习能力,但事实上呢,对于回答背后的概念,对于 诗词背后的感情,数学公式啊,背后的原理,对于人类知识的提炼,踏实啊,没有一个比较具体的概念的,说人话就是缺了 gbt, 还只是聊天工具,还不是思维工具。我比较认同最近南京大学周志华教授的 观点,他认为未来人工智能除了数据、算法和算例三个要素,还需要加上知识啊。第四个要素,其实啊, jjp 也是在大数据的角度展现出了人类提取知识,用人类语言 精化优化表述的一个目标,而从根本上,从 gbt 杠一 gdp 杠三点五,进化的是记忆和语言组织能力。欧鹏埃,其实啊,并没有实现 从无尽的人类的知识海洋到抽象推理,本质上的一个眼镜,在可见的未来,在当下中美大环境下, 可以预判,可以看到未来。 l 们一定是我们被卡脖子的重要领域,我们一定要提前做好准备。我认为对于 lm 的发展,我们一定要持有长期主义,而不是啊功利 主义。目前我们一定要放弃过去跟风模仿量产的做法,而是要去思考一些深层次的问题。所谓长期主义,就是要不断投入,小步慢跑,局部突破。我们需要思考什么是真正的人工智能, 什么是真正的知识提取,什么是知识啊,真正的判断和推理,这才是本质,抓住本质,保有长期主义,注重人才,注重科学积累, 这样我们才有未来。主要言之,却 gbt 需要我们引起足够的关注,关注他。就是啊,关注我们的未来, 这也是我做这些视频的动力。这些视频啊比较长,看到这些朋友内心啊是非常感谢的。如果大家有什么问题,也欢迎大家在下面留言,我们可以展开更多讨论,那么今天视频就到这里,朋友们,我们下期视频再见。