3月13日,世界上第一位AI程序员Devin诞生,不仅能自主学习新技术,自己改Bug,甚至还能训练和微调自己的AI模型,表现已然远超GPT-4等“顶流选手”。
AI的学习速度如此之快,人类的教育能否跟上“机器学习”的速度?AI将成为人类的“对手”还是“搭档”?AI将如何改变产业?对此,复旦大学管理学院信息管理与商业智能系教授王有为提出了自己的看法。
AI时代人才需要新定义
AI技术的发展会改变教育行业,基础教育和人才选拔模式将受到冲击。目前主流的人才选拔形式是进行各种科目的考试。在美国的法学院入学考试中,GPT的考试成绩已经超过了大部分人。
考试的初衷是筛选出优秀的人才,如果AI的能力已经达到甚至超过大部分通过考试的人类的水平,按现有方式筛选出来的人才在职场又有何竞争优势?
王有为说,应该重新去思考优秀人才的定义和选拔标准,事实上,相比记忆力和准确计算的能力,现代社会更缺乏的是知识的综合运用能力,以及提出创意和创新的能力。
例如,在生成式AI技术的加持下,只需要为全国水平最高的教师制作一个虚拟人,就能让所有学生进入“同一课堂”并接受最高水平的基础课教育,甚至可以让虚拟人为每个同学提供个性化的知识辅导(一人千面)。这样一来,省下来的师资就可以投入到需要启发式教育、个性化教学、创新思维的课程中去,而这才是当今高校中稀缺的师资力量。
同时,AI也会对文科和理工科的科研工作带来重大影响。在文科领域,生成式AI对现有的生产关系带来哪些冲击,AI又将如何影响组织结构、管理方式和业务流程,传统的管理学理论在通用人工智能技术环境下是否仍然适用,这些都是值得探索的研究方向。
在理工科领域,生成式AI能够为人类提供解决问题的新思路,虽然这些思路是否可行仍然需要让人类专家去验证和判断。通过人机协作,以前无法解决的科学难题或将迎来突破的机会。
短期来看,AI技术的发展会让某些行业会受到负面影响;长期来看,生成式AI是新质生产力的代表,全人类将整体受益。当技术日新月异,没有人可以“一招鲜吃遍天”。就像马车时代过去以后不再需要马车夫一样,一些职业不可避免会被淘汰。取得本科或者硕士学位不应该是教育的终点,终身教育才是常态。
人类或将为AI“做担保”
王有为说,大部分的B2C企业会受到生成式AI的影响,口碑传播和广告营销的方式都会发生很大变化。B2C行业很大一部分成本来自人和人的沟通,比如产品设计、产品开发、广告营销、售后服务等,每个环节都需要人类员工做大量的工作。
有了生成式AI之后出现了一些新的交互模式。一件商品从生产到流通,每一个环节都可以借助AI来降低沟通成本。例如,顾客购物后会评价商品和服务的质量,营销人员需要在各种渠道(如货架电商、直播和短视频平台、内容平台等)上制作和分发“千人千面”的广告。不管是顾客还是企业员工,都可以使用生成式AI来再造内容的生产和传播过程。
这其中不可避免会受很大影响的是口碑的内容和传播方式。AI可以用于生成真实评价,也可以生成虚假评价来恶意攻击竞争对手。在鱼龙混杂的信息海洋中,将来可能需要对发布的信息内容进行标注,或者建立一种新的信息审核制度。例如,经由人工核实的内容可以标记为“经过人工审核”。有了生成式AI以后,在真假难辨的网络环境中提供信息的真实性认证将对人们做出明智的决策起到积极作用。
王有为提出,在未来,更多的内容是通过人与AI的协作生成。不管生成结果究竟属于“人造”还是“AI造”,最后可能都需要归因到一个人类主体,发布内容都需要一个“担保人”。同时,个人和企业都要对自己发布的信息负责,使用AI生成与事实不符的虚假信息应该受到相应的惩罚。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“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,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,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。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。