蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

在上期推送，歐陽(yáng)教授使用Deepseek R1 671B模型生成“外行視角看AI的發(fā)展”一文。本期歐陽(yáng)教授結(jié)合chatGPT就同話題進(jìn)行了對(duì)比生成。

人工智能（AI）近年來(lái)取得了令人矚目的進(jìn)展，尤其是大語(yǔ)言模型（LLM，Large Language Model）的崛起，使其成為科技競(jìng)賽的核心領(lǐng)域。然而，對(duì)于外行而言，理解AI的發(fā)展往往伴隨著誤解與夸大。本文將從外行的視角分析大語(yǔ)言模型的本質(zhì)、應(yīng)用前景、技術(shù)瓶頸及未來(lái)方向。

歐陽(yáng)良宜

北京大學(xué)匯豐商學(xué)院副院長(zhǎng)

北京大學(xué)匯豐商學(xué)院EMBA項(xiàng)目主任

特別提示

?本文大綱：歐陽(yáng)良宜

?文本生成：chatGPT

?本文未作事實(shí)查證(fact check)

大語(yǔ)言模型的本質(zhì)：基于概率預(yù)測(cè)的數(shù)字序列

大語(yǔ)言模型的核心原理是將人類文獻(xiàn)轉(zhuǎn)換為數(shù)字序列，并通過(guò)概率計(jì)算預(yù)測(cè)下一個(gè)最可能出現(xiàn)的數(shù)字。在訓(xùn)練過(guò)程中，模型通過(guò)大量語(yǔ)料庫(kù)學(xué)習(xí)語(yǔ)言的統(tǒng)計(jì)規(guī)律，并通過(guò)參數(shù)權(quán)重調(diào)整優(yōu)化預(yù)測(cè)能力。然而，這種方法的局限性在于，它并不真正“理解”語(yǔ)言，而是基于統(tǒng)計(jì)規(guī)律進(jìn)行預(yù)測(cè)。

這種基于概率的預(yù)測(cè)方式導(dǎo)致了“幻覺(jué)”（hallucination）現(xiàn)象，即模型可能在看似合理的情況下生成錯(cuò)誤或荒謬的內(nèi)容。例如，GPT-4在回答復(fù)雜問(wèn)題時(shí)，可能因訓(xùn)練數(shù)據(jù)的局限性或隨機(jī)性而犯低級(jí)錯(cuò)誤。這表明，無(wú)論如何優(yōu)化，大語(yǔ)言模型的本質(zhì)決定了其永遠(yuǎn)無(wú)法完全避免幻覺(jué)。

大語(yǔ)言模型的知識(shí)掌握能力與應(yīng)用價(jià)值

盡管存在幻覺(jué)問(wèn)題，大語(yǔ)言模型在知識(shí)掌握方面已經(jīng)超越了絕大多數(shù)普通人。其預(yù)訓(xùn)練參數(shù)中包含了大量來(lái)自互聯(lián)網(wǎng)、書籍、論文等的結(jié)構(gòu)化知識(shí)，使其在多種領(lǐng)域表現(xiàn)優(yōu)異。例如：

?寫作應(yīng)用：企業(yè)公函、市場(chǎng)營(yíng)銷文案、法律合同初稿等，都可以通過(guò)大語(yǔ)言模型快速生成，提高效率。

?編程助手：GitHub Copilot 已經(jīng)能幫助程序員自動(dòng)補(bǔ)全代碼，提高開(kāi)發(fā)速度。

?教育與咨詢：LLM 可以充當(dāng)私人導(dǎo)師，提供數(shù)學(xué)、歷史、經(jīng)濟(jì)等多方面的解答。

根據(jù)OpenAI的數(shù)據(jù)顯示，使用GPT-4.0的用戶在撰寫商務(wù)郵件時(shí)，效率提升了30%以上，部分企業(yè)通過(guò)AI客服系統(tǒng)減少了超過(guò)40%的人工成本。這表明，盡管AI尚未達(dá)到真正的智能，但在實(shí)際應(yīng)用中，它已經(jīng)成為高效的生產(chǎn)力工具。

強(qiáng)化學(xué)習(xí)的發(fā)展：尚未迎來(lái)“AlphaGo 第37手”時(shí)刻

目前，大語(yǔ)言模型的核心技術(shù)仍然以自回歸生成（Autoregressive Generation）為主，而強(qiáng)化學(xué)習(xí)（Reinforcement Learning, RL）則處于相對(duì)早期的發(fā)展階段。強(qiáng)化學(xué)習(xí)的代表性突破是AlphaGo在2016年對(duì)戰(zhàn)李世石時(shí)的第37手，這標(biāo)志著AI在圍棋領(lǐng)域超越人類的關(guān)鍵時(shí)刻。然而，在大語(yǔ)言模型的領(lǐng)域，這種突破尚未發(fā)生。

當(dāng)前，強(qiáng)化學(xué)習(xí)主要用于微調(diào)LLM，如OpenAI 采用“強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)模型”（RLHF）優(yōu)化ChatGPT，使其更符合人類偏好。然而，在更廣泛的非規(guī)則場(chǎng)景中，如開(kāi)放式問(wèn)題解答、跨學(xué)科推理，RL仍面臨巨大挑戰(zhàn)。例如：

?強(qiáng)化學(xué)習(xí)依賴高質(zhì)量的反饋數(shù)據(jù)，但人類標(biāo)注數(shù)據(jù)成本高昂，規(guī)模有限。

?語(yǔ)言模型的行為空間遠(yuǎn)大于圍棋、國(guó)際象棋等固定規(guī)則游戲，導(dǎo)致優(yōu)化難度更高。

?當(dāng)前的強(qiáng)化學(xué)習(xí)模型在通用認(rèn)知推理方面仍未展現(xiàn)超越人類的能力。

因此，我們?nèi)栽诘却鼳I的“AlphaGo 第37手”時(shí)刻，即AI在復(fù)雜開(kāi)放環(huán)境中做出真正超越人類直覺(jué)的創(chuàng)新決策。

多模態(tài)模型的挑戰(zhàn)：數(shù)據(jù)與計(jì)算的雙重限制

目前主流大語(yǔ)言模型的訓(xùn)練數(shù)據(jù)仍然主要依賴結(jié)構(gòu)化的文本數(shù)據(jù)，而對(duì)圖片、視頻等非結(jié)構(gòu)化數(shù)據(jù)的整合仍在早期探索階段。多模態(tài)模型（Multimodal Model）如GPT-4-Vision和Gemini 1.5 嘗試將文本與圖像結(jié)合，但仍面臨巨大挑戰(zhàn)：

?數(shù)據(jù)需求指數(shù)級(jí)增長(zhǎng)：相比于文本數(shù)據(jù)，圖像和視頻的token化需要更高的存儲(chǔ)和計(jì)算資源。例如，訓(xùn)練一個(gè)多模態(tài)模型所需的token數(shù)量可能比文本模型高出幾個(gè)數(shù)量級(jí)。

?計(jì)算成本高昂：目前GPT-4級(jí)別的模型訓(xùn)練需要數(shù)千張A100/H100 GPU，而如果擴(kuò)展到大規(guī)模視頻數(shù)據(jù)，算力需求將呈幾何級(jí)數(shù)增長(zhǎng)。

?能源消耗問(wèn)題：據(jù)估算，訓(xùn)練GPT-4的碳排放可能相當(dāng)于10萬(wàn)輛汽車行駛一年的排放量，而更大規(guī)模的多模態(tài)模型將進(jìn)一步加劇能源問(wèn)題。

如果沒(méi)有方法論上的創(chuàng)新，比如更高效的架構(gòu)、更優(yōu)的訓(xùn)練策略，那么大規(guī)模多模態(tài)模型的成本將會(huì)達(dá)到難以承受的地步。

輕量化大語(yǔ)言模型與智能硬件的結(jié)合：制造業(yè)的機(jī)會(huì)

盡管大模型訓(xùn)練面臨算力瓶頸，但輕量化大語(yǔ)言模型（如Gemini Nano, Mistral, LLaMA-3小型版本）在邊緣計(jì)算領(lǐng)域展現(xiàn)了巨大的應(yīng)用前景。相比于云端部署，邊緣計(jì)算的優(yōu)勢(shì)包括：

?本地運(yùn)行，降低延遲：在手機(jī)、智能音箱、車載系統(tǒng)中運(yùn)行LLM，可以提供即時(shí)響應(yīng)，而無(wú)需依賴云端。

?數(shù)據(jù)安全性更高：本地AI助手可以減少用戶數(shù)據(jù)外泄風(fēng)險(xiǎn)，提高隱私保護(hù)能力。

?成本可控：相比動(dòng)輒數(shù)億美元的GPT-4級(jí)模型，小型LLM可以運(yùn)行在成本更低的芯片上，如蘋果M系列芯片或高通Snapdragon AI引擎。

對(duì)于中國(guó)企業(yè)而言，智能硬件制造能力和工程優(yōu)化能力都是全球領(lǐng)先的，這使得中國(guó)公司有能力在“輕量級(jí)AI+硬件”的賽道上取得競(jìng)爭(zhēng)優(yōu)勢(shì)。例如，華為、小米等公司已經(jīng)在智能手機(jī)、智能家居領(lǐng)域布局AI助手，而未來(lái)智能汽車、可穿戴設(shè)備也可能成為大模型應(yīng)用的重要場(chǎng)景。

結(jié)語(yǔ)

大語(yǔ)言模型的發(fā)展已經(jīng)進(jìn)入了深水區(qū)。其本質(zhì)仍然是基于概率預(yù)測(cè)的數(shù)字序列，因此無(wú)法完全避免幻覺(jué)問(wèn)題，但這并不影響其在商業(yè)、教育、編程等領(lǐng)域的實(shí)際價(jià)值。強(qiáng)化學(xué)習(xí)的突破尚未到來(lái)，但在規(guī)則明確的領(lǐng)域仍有望超越人類。多模態(tài)模型的進(jìn)展受限于數(shù)據(jù)和算力的挑戰(zhàn)，而輕量級(jí)模型則為智能硬件的發(fā)展提供了新機(jī)遇。

對(duì)于普通人而言，理解AI的局限性與機(jī)遇同樣重要。未來(lái)，AI將繼續(xù)深度滲透各行各業(yè)，而擁有制造和工程優(yōu)勢(shì)的國(guó)家和企業(yè)，將在這場(chǎng)科技競(jìng)賽中占據(jù)更有利的位置。