目录
迎接 AGI 时代
什么是 AI？
AGI 和AIGC
大模型 AI 能干什么？
大模型落地情况综述
Killer App 没有影
AI 原生待证明
成功落地大模型五要素
大模型是怎样工作的？
通俗原理
略深一点的通俗原理
再深一点点
用好 AI 的核心心法
大模型应用产品架构
大模型应用技术架构
纯 Prompt
Agent + Function Calling
RAG（Retrieval-Augmented Generation）
Fine-tuning（精调/微调）
如何选择技术路线
如何选择基础模型
迎接 AGI 时代
AGI（Artificial General Intelligence）多久会到来？
- 乐观预测：明年
- 主流预测：3-5 年（OpenAI、DeepMind、NVIDIA 持此观点）
- 悲观预测：10 年
AGI 时代，AI 无处不在，形成新的社会分层：
- AI 使用者，使用别人开发的 AI 产品
- AI 产品开发者，设计和开发 AI 产品
- 基础模型相关，训练基础大模型，或为大模型提供基础设施
越向下层，重要性越高，从业人数越少。
什么是 AI？
一种观点：基于机器学习、神经网络的是 AI，基于规则、搜索的不是 AI。
AGI 和AIGC
AGI: Artificial General Intelligence，通用人工智能。是一个人工智能理论研究领域，研究如何开发具有类人智能和自学能力的软件。其目标是让软件能够执行训练或开发目的之外的任务。 AGI 旨在开发具有自主自我控制、合理的自我理解以及新技能学习能力的人工智能系统。AGI 是AI发展的终极目标。
AIGC：是指由AI自动创作生成的内容（ AI Generated Content），即AI接收到人下达的任务指令，通过处理人的自然语言，自动生成图片、视频、音频等。
大模型 AI 能干什么？
大模型，全称「大语言模型」，英文「Large Language Model」，缩写「LLM」。
注意，我们所说的大模型和大模型应用产品是两个概念。例如，OpenAI 的gpt3.5、gpt4.0是大模型，Chatgpt是基于gpt大模型生成的上层应用产品。
大模型的特点：
- 大模型就是一个函数，给输入，生成输出
- 任何可以用语言描述的问题，都可以输入文本给大模型，就能生成问题的结果文本。任意数据，都可以输入给大模型，生成任意数据
大模型落地情况综述
Killer App 没有影
- AI 没有创造新的使用场景，只是旧场景的增强，所以没有 Killer App 的土壤
- 可以乐观期待 Killer App，但别苦苦追求
- 请忽略一切张嘴就是 Killer App 的人
AI 原生待证明
AI 原生，是指产品的核心功能是 AI，而不是 AI 作为辅助功能。典型特点是，有 AI 后才出现。
- 助手类，打不过 Siri 们
- ChatGPT
- Kimi Chat
- 文心一言
- 通义千问
- 智谱清言
- ……
- 搜索类，谷歌百度不会袖手旁观
- Perplexity
- 秘塔 ai
- Devv
- 情感陪伴类，社交巨头正谨慎观察
- Character.AI
- 星野
- Replika
- 定制 Agent，商业模式待验证
- ChatGPT GPTs
- 扣子
- Dify
成功落地大模型五要素
- 业务人员的积极
- 对 AI 能力的认知
- 业务团队自带编程能力
- 小处着手
- 老板的耐心
找落地场景的思路：
- 从最熟悉的领域入手
- 尽量找能用语言描述的任务
- 别求大而全。将任务拆解，先解决小任务、小场景
- 让 AI 学最厉害员工的能力，再让 ta 辅助其他员工，实现降本增效
大模型是怎样工作的？
通俗原理
其实，它只是根据上文，猜下一个词（的概率）……
OpenAI 的接口名就叫「completion」，也证明了其只会「生成」的本质。
下面用程序演示「生成下一个字」。你可以自己修改 prompt 试试。还可以使用相同的 prompt 运行多次。
略深一点的通俗原理
训练和推理是大模型工作的两个核心过程。
用人类比，训练就是学，推理就是用。学以致用，如是也。
训练：
- 大模型阅读了人类说过的所有的话。这就是「机器学习」
- 训练过程会把不同 token 同时出现的概率存入「神经网络」文件。保存的数据就是「参数」，也叫「权重」
推理：
- 我们给推理程序若干 token，程序会加载大模型权重，算出概率最高的下一个 token 是什么
- 用生成的 token，再加上上文，就能继续生成下一个 token。以此类推，生成更多文字
Token 是什么？
- 可能是一个英文单词，也可能是半个，三分之一个
- 可能是一个中文词，或者一个汉字，也可能是半个汉字，甚至三分之一个汉字
- 大模型在开训前，需要先训练一个 tokenizer 模型。它能把所有的文本，切成 token
再深一点点
- 这套生成机制的内核叫「Transformer 架构」
- Transformer 是目前人工智能领域最广泛流行的架构，被用在各个领域
- Transformer 仍是主流，但并不是最先进的
目前只有 transformer 被证明了符合 scaling-law。
用好 AI 的核心心法
- 把 AI 当人看
- 把 AI 当人看
- 把 AI 当人看
大模型应用产品架构
Agent 模式还太超前，Copilot 是当前主流。
实现 Copilot 的主流架构是多 Agent 架构
- 模仿人做事，将业务拆成工作流（workflow、SOP、pipeline）
- 每个 Agent 负责一个工作流节点
大模型应用技术架构
纯 Prompt
- Prompt 是操作大模型的唯一接口
- 当人看：你说一句，ta 回一句，你再说一句，ta 再回一句……
Agent + Function Calling
- Agent：AI 主动提要求
- Function Calling：AI 要求执行某个函数
- 当人看：你问 ta「我明天去杭州出差，要带伞吗？」，ta 让你先看天气预报，你看了告诉 ta，ta 再告诉你要不要带伞
RAG（Retrieval-Augmented Generation）
- Embeddings：把文字转换为更易于相似度计算的编码。这种编码叫向量
- 向量数据库：把向量存起来，方便查找
- 向量搜索：根据输入向量，找到最相似的向量
- 当人看：考试答题时，到书上找相关内容，再结合题目组成答案，然后，就都忘了
Fine-tuning（精调/微调）
当人看：努力学习考试内容，长期记住，活学活用。
如何选择技术路线
面对一个需求，如何开始，如何选择技术方案？下面是个不严谨但常用思路。
其中最容易被忽略的，是准备测试数据
值得尝试 Fine-tuning 的情况：
- 提高模型输出的稳定性
- 用户量大，降低推理成本的意义很大
- 提高大模型的生成速度
- 需要私有部署
如何选择基础模型
划重点：没有最好的大模型，只有最适合的大模型
基础模型选型，合规和安全是首要考量因素。
然后用测试数据，在可以选择的模型里，做测试，找出最合适的。
为什么不要依赖榜单？
- 榜单已被应试教育污染。唯一值得相信的榜单：LMSYS Chatbot Arena Leaderboard
- 榜单体现的是整体能力。放到一件具体事情上，排名低的可能反倒更好
- 榜单体现不出成本差异
