大模型的热度正在下降,大模型的未来在哪里?

news2024/9/20 14:17:47

技术是一个需要沉淀和厚积薄发的过程

任何事物都会经过起步,发展,顶峰,平稳,下降,灭亡的过程,大模型技术也不例外。

而从现今的趋势来看,大模型的热度正在不断下降,这到底意味着大模型不行了?还是说大模型这是在蕴育能量,之后一鸣惊人?

今天我们就来讨论一下这个问题。

大模型的热度下降,大模型的未来在哪里?

自openAI在22年十一月份发布chatGPT,大模型技术开始走进了人们的视野,虽然人工智能技术经过几十年的发展,大模型技术也经过了十多年的发展,但大模型技术真正走向人们的生活还是chatGPT的发布。

22年十一月份chatGPT发布之后,整个23年大家都在讨论chatGPT,大模型技术也逐渐被人所熟知,特别是互联网从业者。

不论是在公司,还是在路上都能听到有人在讨论大模型技术;可以说chatGPT的出现,让人们颠覆了对人工智能技术的认知。

但直到24年的今天,大模型技术也经过了差不多两年的发展,特别是23年被称为千模大战,各种大模型如雨后春笋般出现。

今天某某模型参数量突破了多少多少,明天某某模型参数量又创新高;又有某某模型在某方面很强大等等;关于这样的新闻是数不胜数。

但到最近一段时间发现,大模型的热度好像正在下降;再次之前某公司发布了一款强大的模型,很容易就引起整个市场的震动;但前几天openAI发布了最新大模型o1,好像并没有引起特别大的轰动。

可能是因为大家已经习以为常,但我觉得更多的原因就是大模型的热度正在下降。

虽然现在发布的大模型能力越来越强,但比起chatGPT初次给人带来的震撼,现在的大模型在这方面却远远不足。

甚至有人说大模型已死,而且很多营销号发布了大量的关于大模型不行的言论。

当然,他们这些言论也并不是完全空穴来风,有一部分原因就是大家对大模型能够解决什么实际问题而不得而知。

对大部分人来说,经常听到某某大模型又取得重大突破,但实际情况是,他们拿到大模型也只能用来聊聊天,问一下问题,而且还不能保证回答是正确的。

因此,大模型虽然很强大,但又好像很鸡肋,食之无味,弃之可惜;这就是为什么有部分人会认为大模型已死。

但从宏观上来看,任何技术都需要经过一段时间的沉浸与发展,蒸汽机如此,互联网如此,大模型技术也是如此。

两千年前后,互联网泡沫越吹越大,直到最后泡沫破裂;互联网因此沉寂了很长一段时间;但到了10年之后,互联网技术得到长足的发展,甚至很多人说10年到20年是互联网发展的黄金十年。

大模型技术是否也会如此?

大模型技术从刚面世时给大家带来的惊艳,到现在慢慢开始沉寂下来;各大企业和创业者慢慢都开始发展自己的大模型,以及构建基于大模型技术的上层应用。

而作者觉得,这正是大模型技术发展的好时机,一项技术除去了刚开始的浮华,慢慢开始进入稳定发展期;这是一件好事。

就比如,马云成名之前除了业内人士之外,很少有人知道阿里巴巴,也很少有人知道电商的存在;而随着马云的出名,国内的电商企业如雨后春笋般出现。

但不得不承认的是,现在国内的互联网龙头企业;不论是做电商,还是做技术,还是做本地生活等;能够拿得出手的互联网公司,基本上没几个是在马云出名之后才成立的。

大部分都是在两千年或互联网黄金十年之前开始的,而这说明了一个什么问题?

技术的发展是一个厚积薄发的过程,等到技术开始大规模应用于普通民众时,已经代表着这项技术逐渐走向成熟。

企业的发展不是一朝一夕就能完成的,同样的技术也是;互联网从两千年到10年,经过十年的沉寂发展才有了后面的黄金十年。

大模型技术也同样如此,这时的我们就知道国内外几家做大模型比较厉害的企业;可能十年之后,这些企业会被其它的后起之秀所取代。

等到下一次大模型技术再次大放异彩的时候,那时的很多人可能又已经被时代的列车远远抛在后面。

个人开发的一个基于大模型的聊天机器人,感兴趣的可以点击查看:

如何学习AI大模型 ?

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

对于0基础小白入门:

如果你是零基础小白,想快速入门大模型是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

😝有需要的小伙伴,可以VX扫描下方二维码免费领取🆓

👉1.大模型入门学习思维导图👈

要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。

对于从来没有接触过AI大模型的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。(全套教程文末领取哈)
在这里插入图片描述

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,每个章节都是当前板块的精华浓缩。

在这里插入图片描述
在这里插入图片描述

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(全套教程文末领取哈)

在这里插入图片描述

👉4.大模型落地应用案例PPT👈

光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。(全套教程文末领取哈)

在这里插入图片描述

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。(全套教程文末领取哈)
img

在这里插入图片描述

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个,在大模型纵横的时代,不仅大模型技术越来越卷,就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道,我总结了大模型常考的面试题。(全套教程文末领取哈)

在这里插入图片描述
👉学会后的收获:👈
基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习

这份完整版的 AI 大模型学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2149127.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

虫情测报灯的工作原理

型号:TH-CQ1】虫情测报灯是一种专门用于监测农田、林区等环境中昆虫数量和种类的设备,也称为智能虫情测报灯或物联网虫情测报灯。它通过特定的光源和颜色吸引昆虫,并利用高压电网或远红外自动处理技术等手段将昆虫击杀或处理,从而…

《黑龙江水产》是什么级别的期刊?是正规期刊吗?能评职称吗?

问题解答 问:《黑龙江水产》是不是核心期刊? 答:不是,是知网收录的第一批认定 学术期刊。 问:《黑龙江水产》级别? 答:省级。主管单位:黑龙江省农业农村厅 …

【QT】系统-下

欢迎来到Cefler的博客😁 🕌博客主页:折纸花满衣 🏠个人专栏:QT 目录 👉🏻QTheadrun() 👉🏻QMutex👉🏻QWaitCondition👉🏻Q…

视频存储EasyCVR视频监控汇聚管理平台设备录像下载报错404是什么原因?

EasyCVR视频监控汇聚管理平台是一款针对大中型项目设计的跨区域网络化视频监控集中管理平台。该平台不仅具备视频资源管理、设备管理、用户管理、运维管理和安全管理等功能,还支持多种主流标准协议,如GB28181、RTSP/Onvif、RTMP、部标JT808、GA/T 1400协…

基于SpringBoot的智能排课系统设计与实现

文未可获取一份本项目的java源码和数据库参考。 (一)选题来源与背景 高校的每学期伊始,排课是教务处工作中的重中之重。安排合理无资源冲突(教师、教室和设备等教学资源)的课表是教务工作必须面临的问题。传统的人工…

规模化电动汽车接入配电网调度方法

规模日益增长的电动汽车和可再生能源带来的不确定性给配电网的安全运营带来了严峻挑战。为综合考虑多重不确定性、平衡运营成本与系统可靠性,首先,提出一种基于分布鲁棒联合机会约束的电动汽车-配电网充放电调度模型。该模型将节点电压、支路功率、备用需求等通过联合机会约束建…

由一个 SwiftData “诡异”运行时崩溃而引发的钩深索隐(六)

概述 在 WWDC 24 中,苹果推出了数据库框架 SwiftData 2.0 版本。听说里面新增了能让数据记录“借尸还魂”的绝妙法器,到底是真是假呢? 我们在上篇博文中介绍了 History Trace 是如何稳妥的处理数据删除操作的。而在这里,我们将继续介绍 SwiftData 2.0 中另一个新特性:“墓…

Prometheus - nVisual插件让运维更轻松

Prometheus 是一个开源的服务监控系统和时间序列数据库,常用于对基础设施的监控,监控范围涵盖了硬件层、操作系统层、中间件层、应用层等运维所需的所有监控指标类型,同时可利用第三方可视化工具Grafana实现时序数据的展示。然而,…

Redis基础(数据结构和内部编码)

目录 前言 Redis的数据结构和内部编码 string结构和内部编码 string数据机构的特点 string数据结构的内部编码 list结构和内部编码 List 数据结构的特点 List 的内部编码 1. ziplist(压缩列表) 2. quicklist hash结构和内部编码 hash数据结构…

OpenCV特征检测(3)计算图像中每个像素处的特征值和特征向量函数cornerEigenValsAndVecs()的使用

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C11 算法描述 计算图像块的特征值和特征向量用于角点检测。 对于每一个像素 p ,函数 cornerEigenValsAndVecs 考虑一个 blockSize blockSize 的邻…

Java 在 GIS 领域的学习路线?

Java是一门广泛应用于企业级开发的编程语言,而GIS则是一种常用于地理信息处理和分析的技术。将Java与GIS结合起来,可以在企业级应用中实现更多的功能和业务需求,且在实际领域越来越广泛。 Java在GIS中重要的作用 1、跨平台性 Java具有跨平台…

基于C语言+SQL Server2008实现(控制台)图书管理系统

第1章 概述 1.1项目背景 随着科技的发展,尤其是计算机技术的迅猛发展,图书馆管理的问题从以往的人工管理,到现在的电脑化,系统化,是对图书馆管理方法的质的飞跃,这些技术不仅让图书馆管理变得更加方便、快…

美国联邦基金有效利率及目标利率历史数据集(1990.1-2024.9)

美联储在2024年9月18日宣布将其调50个基点,降至4.75%至5.00%之间的水平。这是美联储自2020年3月以来首次降息,也是自2023年7月将利率水平调升至历史高位后的首次下调,标志着货币政策由紧缩周期向宽松周期的转向。一、数据介绍 数据名称&…

web基础—dvwa靶场(八)XSS

XSS(DOM) 跨站点脚本(XSS)攻击是一种注入攻击,恶意脚本会被注入到可信的网站中。当攻击者使用 web 应用程序将恶意代码(通常以浏览器端脚本的形式)发送给其他最终用户时,就会发生 XSS 攻击。允许这些攻击成…

网络-内核是如何与用户进程交互

1、socket的直接创建 net/socket.cSYSCALL_DEFINE3(socket, int, family, int, type, int, protocol) {...retval sock_create(family, type, protocol, &sock);... }int sock_create(int family, int type, int protocol, struct socket **res) {return __sock_create(cu…

字符串函数的使用与模拟(2)——C语言内存函数

目录 1. memcpy函数的使用与模拟 2. memmove函数的使用与模拟 3. memset函数的使用 4. memcmp函数的使用 5. memchr函数的使用 前言&#xff1a;C语言内存函数是一组用于直接操作计算机内存的内置函数。使用时要包含头文件<string.h> 1. memcpy函数的使用与模拟 函…

【MYSQL表的增删改查(进阶)】

MYSQL表的增删改查&#xff08;进阶&#xff09; 一、新增二、查询2.1 聚合查询2.1.1 聚合函数count&#xff08;&#xff09;sum&#xff08;&#xff09;AVG&#xff08;&#xff09;MAX&#xff08;&#xff09;&#xff0c;MIN&#xff08;&#xff09;GROUP_CONCAT() 2.1.…

前端学习杂乱记录

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 一、Html二、CSS1. BFC布局2. 定位总结3. 动画1. transform变换2. transition过渡3. keyframes 和 animation 3. 伸缩盒模型&#xff1a;flex布局 三、JS1. 逻辑中断…

nvm安装实现node多版本的切换

nvm安装实现node多版本的切换 方式一 下载安装包安装下载安装包解压安装设置 nvm 环境变量查看 nvm 是否安装完成安装 node 环境切换 node 版本列出已经安装的版本 方式二 一键脚本安装下载安装查看 nvm 是否安装完成安装 node 环境切换 node 版本列出已经安装的版本nvm相关命令…

PyTorch中的学习率预热(warmup)

PyTorch提供了学习率调度器(learning rate schedulers)&#xff0c;用于在训练过程中实现各种调整学习率的方法。实现在torch.optim.lr_scheduler.py中&#xff0c;根据epoch数调整学习率。大多数学习率调度器可以称为背对背(back-to-back)&#xff0c;也称为链式调度器&#x…