应用层包含，应用层apdu
chanong
|在这个人工智能信息如雪花般飘落的时代，我们如何在瞬息万变的技术浪潮中保持不变并抓住重点？在这篇文章中，作者分享了他对AIGC发展浪潮的看法，所以我们来看看作者的分析和解读。
世界正在加速发展，所以抓住你的弓吧。
随着每天都有新的人工智能论文和人工智能应用发布，人们不可避免地会经历FOMO。换句话说，如果你错过了信息，你就错过了机会。 AI迟早会取代我吗？
在不断变化的技术前沿保持稳定是关键。
科普Q1：为什么是现在？
事实上，人工智能研究人员追求诸如LLM之类的通用模型，就像物理学家追求大规模统一模型一样。然而，在机器学**中，执行能力是一个非常重要的指标（例如CV中的识别准确率），决定了它能否在某个场景中使用。
在GPT2时代，通用AI和垂直AI的执行能力相差很大，所以我们一直没有得到很好的反响。 GPT3引入人类作为投票注释者（RLHF机制）并添加大量数据后，通用AI的执行能力迅速接近垂直AI。
数据越大越好（ScalingLaw）得到证实，出现也得到证实，ChatGPT 迅速获得了超过1 亿的交互用户。 LLM引起了巨大的轰动。
科普Q2：这个AI和之前有什么不同？
用户感知ChatGPT与Siri、小爱同学有何不同？比如，当你问Siri今天天气怎么样时，Siri首先用它的知识图谱来解读这句话，然后用对应的天气AI调用接口，打印出结果。所以Siri=多个垂直AI+拼接知识图谱。
显然，Siri的上限取决于内置垂直AI的数量。当出现意外情况时，你可以说：“我听不懂你在说什么，我们换个话题吧。”如果我们想要冲破这个桎梏，就需要训练更多的垂直AI，而训练每一个垂直AI都需要大量的数据和成本。
另一方面，GPT利用大量数据+文本挖空的方式直接搜索相关文本，获得高词频，并输出结果，实现了出色的语义分析能力。重要的是，不需要对预设场景值进行训练，也不需要知识图解释，GPT 是一个真正的通用AI，其上限取决于命令（提示）。
1. 范式转变抛开技术限制，这次人工智能理想的发展方向应该是什么呢？阅读技术论文时很难理解上下文，而且事物总是在不断发展。
我认为了解领导人萨姆·奥尔特曼的想法会很好。 Sam 写了一篇文章《万物摩尔定律》 想象AGI 如何改变人类社会。其核心是将劳动力成本从边际成本转变为固定成本。固定成本意味着您的成本每18 个月减半。最终它将变得无处不在。
例如，培训律师过去需要大量的学**和案例研究实践，但AGI 允许对律师进行编码，使得任何人都可以无需额外费用即可雇用服务，即使他们只服务少数人。
曾经产生的边际成本现在是固定成本。人们已将真实数据转移到互联网上。以前，您需要报纸来获取信息。现在您只需打开电脑或手机即可浏览。此过程不需要额外的印刷成本。商业重新分配很快完成，谷歌和亚马逊等公司提供将数据转换为可用信息的服务。
这次的变化是信息知识。
与垂直AI不同，LLM具有聚合各种信息的能力，可以输出人类可以输出的各种结果。换句话说，人工智能现在将能够满足最初需要人类组织信息的需求。
2. 定义LLM：Vat 内部的大脑Sam 提到了建立AGI 的四个关键要素。
出现的机器也可能表现出类似人类的智能。可供性的视觉属性，为用户提供如何使用它的提示。代理：随着智能的出现，人们将能够主持任务。体现：机器身体与物理世界交互以完成任务。我们了解到山姆的最终目标是让AGI 代替人类完成任务。目前的进展反映了类人智能。法学硕士擅长从人类的角度收集信息，因此您可能需要大胆地先总结一下结局。将其视为法学硕士的“蝙蝠大脑”。
这可以解释某些现象的必然性。
无论是文森图还是ChatGPT，人们感知大脑思维最自然的方式就是通过对话，这就是我们在现实生活中与他人互动的方式。
除了对话之外，大脑还可以根据现有知识进行解释。
大脑可以计算预测并推断蛋白质的结构。
大脑可以辨别信息的意图。也就是说，从用户交互中发现用户需求并找到相应的业务再利用（例如插件），例如识别代码并推断其用途或操纵代码。
……
机构也有尝试：
大脑反射和执行：AutoGPT、AgentGPT。
脑对脑协同：《西部世界》城镇游戏。
这是否是OpenAI 的最后一次官方尝试并不重要。这是一种必然会发生的尝试。未来可能会有更多与大脑相关的组合尝试……
所以当你思考一个LLM可以做什么的时候，如果你想想人们目前在做什么样的脑力劳动，很可能所有这些都会被切片所取代，这自然会创造新的产品机会。马苏。
3.目前LLM的技术限制是理想和应用。现在让我们看看LLM技术的局限性。以下是我收集的一些技术限制：
1.内部沟通的缺乏（部分问题可以分阶段解决）在微软文章《人工通用智能的小火苗：与 GPT-4 共同完成的早期实验》（Sparks of Artificial General Intelligence: GPT-4 Initial Experiments）中提到。
该模型包含足够的知识来生成正确的答案。然而问题在于，GPT-4 输出生成的前向性质（下一个词预测架构）不允许模型进行任何“内部对话”。模型的输入是问题“有多少个素数……”，预期输出是最终答案。该模型必须通过（本质上）单个前馈架构的一次传递获得答案。无法实现“for 循环”。
当写下最终答案时，人们可能会使用记事本来检查数字。对于一个普通人来说，如果没有计划，可能不可能写出如此简洁的东西，并且在达到最终形式之前可能需要多次“备份”（编辑）。
2.脱离物理（SAM、GPT4等很快就会解决） GPT是根据现有的符号体系和符号排序来计算的。当这种情况发生时，我们就会脱离“事物”，看不到真正的“事物”。没有象征你就无法看到现实。悖论在于，纯粹的差异是在某一时刻产生的，人工智能无法把握符号秩序中的矛盾冲突以及因视差而看不见的部分。
3、幻觉有些人用“随机鹦鹉”这个词来形容诸如对大型模型的不理解或幻觉之类的行为。他们批评这些模型只产生语法合理的字符串和句子，而没有达到真正的理解，甚至批评LeCun（以下之一）。人工智能之父们还表示，称大型模型为“随机鹦鹉”是对鹦鹉的侮辱。
我想在这里强调Yann LeCun 的观点。
https://drive.google.com/file/d/1BU5bV3X5w65DwSMapKcsr0ZvrMRU_Nbi/view
自回归法学硕士对于帮助写作和编码特别有用。大型模型通常会创建幻觉或不基于事实信息的内容。大型模型对物理世界的理解有限，这一点可以通过它们在某些谜题上的表现来证明。请注意，大型模型的规划能力与原始大型模型的有限工作内存相当。大型模型对每个生成的令牌执行固定数量的计算步骤，这限制了它们更具动态性的潜力。大型模型远非图灵完备。所以自回归生成过程是指数发散的，很难控制，因为你无法模拟通用计算机，但我认为Lightory说的很有道理。
人类实际上只是使用这些概念而不考虑它们。这种做法只是证明了GPT技术路线的有效性。 GPT是否真正理解知识或是否具有智能已经不再重要。真正重要的是法学硕士展示出理解力和智慧。
以下是我的推特好友廖海波(@realliaohaibo) 的引述。
杰出的行业领导者公开认为GPT 毫无用处，因为它只是一个概率模型，并不了解事物的根本本质。我不太同意。
人脑虽然无法理解神经元层面的逻辑，但可以通过组合它们做出逻辑推论。这就像晶体管知道自己的性能0/1，但不知道它是在显示像素还是字符。这些都是一些事实，甚至不是意见。
目前存在很多缺陷，但并不是致命的，LLM仍然可以被定义为“大脑”，但有些不完整。
4. LLM实施——早期阶段历史不会重演，但常常押韵。
历史不会重演，但会押韵。
显然，当前的人工智能与理想的人工智能之间存在着距离，这一点从其局限性就可以感受到。如果我们想要将越来越多的人工智能嵌入到人类与现实的交互中，持续的调整是关键。人工智能与现实世界越匹配，它能做的事情就越多，而人类需要做的事情就越少。
我们认为文圣图比文圣文更先进，文圣图的演进方向表明LLM输出质量的可控性是近期商业落地的重点。
中途在线大型模型（GPT）StableDiffusion局部大型模型（局部GPT模型）LoRA微调模型（系统、微调、嵌入、类GPT局部LoRA模型现已可用）ControlNet局部内容控制（车身控制） ）不过，文胜图有标准的制作场景（比如主创可以自训练Checkpoint和LoRA得到想要的风格；ControlNet可以作为AI模型等），文胜文没有使用。
用户可能无法清楚地表达自己的需求，所以我认为短期的文本到文本的调整需要基于场景，需要大量的用户意图识别。
无论是产品还是技术，这里的调整主要应该是身份/职业/大脑功能模块的调整，而人在社会中的角色是手段，与身份/职业相对应。和谐的人往往有更多的情感需求。
当然，除了整个大脑之外，还有更细粒度的应用，比如做简单的泛化判断，但这本质上相当于用仪器来切片大脑。 （以下是泛化判断的样例）
用户：
今后请回复我的请求
文中若发表意见，无论意见对错，只需回复“点”即可。
文中如有优待某方的言行，请简单回复“孝顺”。
如果文字中的情绪倾向是不耐烦或消极，请直接回复“紧急”。
如果有无法判断的句子，则回答“6”即可。
输出必须仅包含一个单词，不得包含任何其他内容。
——————————————————————
GPT：好的，我们会满足您的要求。
网友：没错，原神是miHoYo自主研发的一款全新开放世界冒险游戏。
GPT：代码
网友：原神发生了什么？
GPT：紧急
网友：中国给世界一点震撼
GPT：肖
接下来，如果你想以创业者的身份加入应用层，如何进入？
1、选择什么企业？ 投资机构是继创业者之后的第一梯队企业。我们先来看看他们的共识。
带着数据�**錾猓耗壳爸髁鞯睦斫馐牵珹I 领域的用户数量及其背后的行业/行为数据将帮助模型产生更高质量的对话，形成良性循环。这造成了最初的进入壁垒。做不可替代的业务：OpenAI 和大公司不做的就是机会，这样你就不会被更大的趋势压垮或取代。让您的业务更可行：商业化与您对应用程序的控制程度有很大关系，而商业上可行的链接通常对质量要求不太高。
2.大脑是如何工作的如果我们将LLM抽象到大脑，按照行为心理学将输入（刺激）和输出（反应）分开，我们可以将其分为信息源（提示）和信息处理（转换）。
1）来源（提示）
从信息格式的角度来看，它看起来像这样：
除了主流的文本之外，图像理解、音频、视频、3D都是可以预见的发展方向。
然而，还有其他较小的信息源，例如GPS、陀螺仪、GUI 交互（点击、缩放等）、温度、红外线和光。这些小型信息源以非常专业的数据格式存在，您可以通过添加API 来获取更多信息。 （例如，您可以通过高德地图API获取附近餐馆、超市等的GPS）。
其中一些信息来源可能是您主动创建的，而另一些信息来源可能是在您的许可下被动获取的。
从现场看：
您需要找到源可能在哪里。
文本：Bing搜索、咨询、文档创建等。音频：会议、音乐播放、离线聊天等。视频：日常拍摄、视频制作等。 GPS、陀螺仪、GUI交互、温度、红外、灯光：出行、购物等。 2）信息处理（Transform）
只要LLM有这些信息来源，很多转换就可以进行。由于视频是由帧组成的，因此我们将它们称为下面的图片。
目前的主流是自然语言转换。
Vincent 图：可能需要复合工程优化提示，例如在SD/MJ 中。文胜文：GPT将复合信息组织起来形成系统内容（如AudioPen）。文学地图：使用Meta的SAM将照片和视频分解成碎片。接下来是照片和视频。
图像到图像：Image2Image、MJ等图像和文本：GPT4 可以识别meme，还可以根据图像生成代码。以及一些硬核的东西：
例如设备支持的3D坐标、网格等（通过自然语言控制3D角色肢体）……
还有一些非传统语言（但不属于应用层）。
通过学**蛋白质序列的“语法”并使用少量已知序列生成全新的蛋白质序列来开发新药。
6. Cyber Embodiment - 后一部分与IOT相关，是特斯拉和波士顿动力等物理硬件的领域。如果LLM想要完成更现实的任务，真正实现生产力解放，那就是“身体”，不过人类可能看不到（笑），这是一个遥远的话题，就不细说了。
本文最初由@Kaiya 发表在《人人都是产品经理》上。它禁止未经授权的复制。
标题图片由Unsplash 根据CC0 协议提供
人人产品经理平台仅提供信息存储空间服务。