目前各種“大模型”就是個燒錢的商業玩具?_風聞
落雕都督-众爱卿,下班了!昨天 10:19
【本文來自《大模型只是超級刷題大師》評論區,標題為小編添加】
- 印加節度使
- 一隻高中數學大模型飄過並表示,晨大你不要管一個貓是真貓還是刷題貓,this is racist……只要抓到老鼠就是好貓。(PS鄧副主席早就教導我們,貓子是用來抓老鼠的,不是用來擼的)
沒有什麼脱離物質基礎的“真正”智慧、“獨立”判斷。人類從來就做不出任何“跳出現有數據所代表的知識框架”、或者説超出自己當時當地認知範圍之外的東西,杜甫做不出《七律·人民解放軍佔領南京》,李白也做不出《假如生活欺騙了你》。乾隆李杜都是大模型,沒有誰是真詩人、誰是假詩人,只不過乾隆他訓練環境有問題,反饋誤差大,因此他的解距離絕世好詩的誤差一直迭代下不去而已,解不能繼續收斂,振盪了……
刷題解決不了企業的實踐需求,目前各種“大模型”就是個燒錢的商業玩具。
培養AI人才,應關注以下關鍵能力:
1. 對複雜系統問題的拆解與架構能力。這種能力實際上是通過長期工程開發、實踐形成的解決問題的“套路”,即把複雜的、模糊的、不確定的工業現場問題解析為具有確定的、可被測量和控制的獨立問題,然後對其進行模塊化的開發、測試驗證,再進行重組。拆分模塊需要具有獨立性和完備性,即能夠在編程上形成高內聚、低耦合的模塊的能力。
2. 對 AI 工具和算法邊界的理解。這也是一個重要的能力,它不僅涉及技術視野、格局方面的洞察力,還植根於大量的工業實踐。為了不同任務而可選用的 AI 的方法、模型、算法組合非常多樣,而且有很多在實踐中不斷優化的算法。這種理解有助於選對方法和工具,並有效開展工作。對物理模型的理解也屬於這個範疇,對物理對象及其數學模型的掌握同樣是基本功。
3. 軟件工程規範、產品思維與對客户價值理解。屬於業務層面的能力,即對項目經理、產品經理的能力需求。他們需要能夠規劃整個項目,進度、質量控制,並能夠完成自身業務目標或外部客户的應用需求。
需要指出的是,儘管大學/研究所在計算機和電子信息方面有很強的實力,但他們聚焦的研究方向是商業AI ,而非工業AI,所以目前工業企業更願意自建AI團隊(大型企業),或是與自動化企業(擁有較好的數據源和對工業機理的理解)合作升級智能系統,來推進工業企業的AI戰略。
工業AI與商業AI最大的區別在於:工業AI需要將IT(信息技術)與OT(運營技術)有效結合才能管用。換句話説,再優秀的商業大模型也只是IT,離開了OT支持,是無法與工業企業生產相結合的。
大學/研究所取得IT的經驗比較容易,在實驗室就可以驗證成果;而想要取得OT的經驗就得去找有重資產的工業企業合作。如果大學/研究所缺乏與工業企業合作的渠道,那麼在OT方面的經驗就可能接近於零,這樣的大學/研究所想要搞工業AI就是天方夜譚了,只能去搞輕資產的商業AI。
工業AI投入生產立刻就能見效,就能創造財富,就有資源不斷自我完善迭代升級;而商業AI到目前為止,依舊是個燒錢怪。。。