深入理解 AI 大模型：核心能力与应用场景全解析

   

AI大模型是什么

通过概念考察的方式了解AI大模型，拆开来看。

• AI领域术语丰富，涵盖模式识别、自然语言处理、神经网络、机器学习、深度学习、强化学习及人类反馈强化学习。
• 大模型：把LM比作人的大脑。

分类

• 语言大模型：ChatGPT、Gemini、文心一言、通义千问
  • 代码大模型：阿里-通义灵码，Copilot
• 视觉大模型：
  • 文生图：Midjourney，Stable Diffusion
  • 文生视频：Sora
• 多模态大模型：GPT4

大模型参考链接

1. 文生图，图生图，文生视频
   1. 探索Midjourney（付费）在线生成器，开启创新之旅！🚀即刻体验：https://midjourney.co/zh/generator
   2. Stable Diffusion，免费开源！模型、插件、启动器一应俱全，源自全球开源社区（civitai.com、tusiart.cn、huggingface.co）。
2. 音色克隆（声音克隆）
   1. 视频配音
      1. 探索So-vits-svc，领先语音合成工具，代码库详尽——https://github.com/voicepaw/so-vits-svc-fork/blob/main/README_zh_CN.md，体验创新音质！
      2. 探索GPT-SoVITS，颠覆性AI语音合成技术，引领未来！🚀访问：https://github.com/RVC-Boss/GPT-SoVITS/blob/main/docs/cn/README.md，解锁无限可能！🔑

核心能力

• 自然语言理解

总结和提取

提取需要的内容，包含观点和主题

情感分析

识别和理解文本中的情感和情绪

文本转换

文本翻译，格式转换，拼写语法检查

• 推理能力：生成式 AI 的关键
  • 逻辑推理： 根据已知事实和规则，通过推理来推导出新的结论或解决问题。
  • 扩写： 根据已有文本内容生成新的文本，可以是对已有内容的延伸、补充或创造性扩展。

局限

• 数据集是静态的：
• 缺乏特定领域的知识：

基础大模型接受的是通用任务的训练。

• 幻觉“黑匣子”：

能干啥

这里只讨论应用场景更广的语言大模型

一种全新的交互方式

在信息获取方面，与搜索引擎对比

• 搜索引擎是针对关键词的检索，AI是基于语义的检索。
• 前者只能返回信息，后者可以解读信息。
• 前者每次搜索是独立的，后者则可以关联上下文，进行多轮对话。

LLM + 客服台 = 智能客服

LLM + 文档 = 对话式文档阅读器

专家系统

知识问答：基于专有知识的智能问答，随叫随到的个人专家

• 工作流程：文档预处理+文本召回

• 前置条件： 需要提供相关文档语料，较高质量的文档才有较高问答准确率
• 程度： 问答准确率80%~90%（去年测试数据）
• 局限： 无法识别图片，复杂表格识别不佳

数据分析：一句话生成统计图表，对数据进行快速洞察

• 前置条件： 需要具备结构化数据
• 其他场景： 月度、年度报告展示，展现形式可以是饼状图、柱状图、折线图

智能代理

编排AI自动化工作流，让AI成为高级助手代替操作

• 前置条件： 成熟业务、基础数据，api组件
• 其他场景： 适用于营销、运营、管理场景
  • 查询航班、差旅报销。。。

其他

• 个人助理： 每日工作总结，PPT助手
• 个人助手： 餐饮助手、差旅助手
• 数字化员工： 销售助手，商机跟进

 

-对此，您有什么看法见解？-

-欢迎在评论区留言探讨和分享。-