大模型的終局是「通用」還是「專用」？
共 2929字，需瀏覽 6分鐘
·
2024-07-22 19:39
這是求職產(chǎn)品經(jīng)理系列的第278篇文章
通用與專用的辯證
隨著人工智能領(lǐng)域的迅猛進步，大模型成為了行業(yè)的焦點。你是否曾想過，大模型的未來到底是走向「通用」的超級智能，還是發(fā)展成為針對特定場景的專用工具？
這一問題不僅關(guān)乎技術(shù)走向，也影響到每一個正在關(guān)注或參與這一領(lǐng)域的你我。
計算架構(gòu)的演變與啟示
要理解大模型的未來，我們必須回顧計算架構(gòu)的發(fā)展歷程。
計算技術(shù)的演變，從早期的集中式架構(gòu)到后來C/S架構(gòu)，再到云計算、邊緣計算的崛起，每一步都在回應(yīng)用戶日益復(fù)雜的需求。
正如計算機科學(xué)家阿爾維所說：“每一次技術(shù)的飛躍，都是為了更好地滿足人類不斷變化的需求。”
早期的集中式架構(gòu)雖然效率高，但缺乏靈活性和安全性。
而隨著互聯(lián)網(wǎng)和云計算的發(fā)展，我們開始擁抱更具彈性和分布式的架構(gòu)。
如今，隨著邊緣計算和多種云服務(wù)的出現(xiàn)，我們看到計算架構(gòu)的復(fù)雜性逐漸增加。
這種變化正是為了應(yīng)對不同場景下的個性化需求，比如數(shù)據(jù)隱私、實時性和資源限制等。
通用與專用的較量
在大模型的世界里，“通用”與“專用”也如同計算架構(gòu)的演變，都是對用戶需求的回應(yīng)。
通用模型，如同一個知識淵博的圖書館，能夠處理各種通用問題，具備廣泛的知識面。
而專用模型則像是精準(zhǔn)的醫(yī)學(xué)儀器，為特定場景提供高度定制化的服務(wù)。
以智能駕駛為例，實時性要求極其苛刻。車載系統(tǒng)需要在幾乎零延遲的情況下做出反應(yīng)，這要求邊緣計算和專用模型的配合，云計算顯然無法勝任。
再看金融領(lǐng)域，由于數(shù)據(jù)隱私的要求，模型必須在本地處理數(shù)據(jù)。這些需求的多樣性決定了大模型的發(fā)展不僅僅是一個“通用”或“專用”的選擇，而是兩者的結(jié)合。
正如人工智能領(lǐng)域的權(quán)威安德魯·恩戈所言：“AI的未來，不只是一個全能的通用智能，而是多樣化的應(yīng)用場景中精細化的解決方案。”
未來的生態(tài)演變：大模型的“生態(tài)圈”
未來，大模型的終局將不再是單一的通用智能或?qū)Ｓ霉ぞ撸且粋€多層次、多維度的生態(tài)系統(tǒng)。
正如生物學(xué)中的“共生關(guān)系”，各類模型將共同構(gòu)建一個繁榮的生態(tài)圈。
在這個生態(tài)系統(tǒng)中，企業(yè)不僅要研發(fā)智能的通用AI，還要提供完整的定制化工具鏈，包括數(shù)據(jù)處理、模型訓(xùn)練、優(yōu)化和推理部署等服務(wù)。
OpenAI在GPT-4發(fā)布后，將重心轉(zhuǎn)向了構(gòu)建“Assistant API”和“GPTs”，這明確了未來大模型競爭的核心將是生態(tài)系統(tǒng)的構(gòu)建，而不僅僅是單一技術(shù)的突破。
這種轉(zhuǎn)變顯示了“大模型生態(tài)”的重要性，企業(yè)將在這個新興生態(tài)中爭奪優(yōu)勢地位。
伊隆·馬斯克曾提到：“在技術(shù)變革的時代，真正的贏家是那些能夠塑造未來生態(tài)的先驅(qū)者。”
生態(tài)共生的未來
所以我個人認為：大模型的發(fā)展將趨向于通用與專用的融合，共同構(gòu)建一個豐富多彩的生態(tài)系統(tǒng)。生態(tài)的形成，將是必然！
這種生態(tài)系統(tǒng)的形成，將使得大模型不僅具備廣泛的適用性，也能在特定場景中提供精準(zhǔn)服務(wù)。“未來的科技，不在于單一的創(chuàng)新，而在于整體生態(tài)的演化。”
一場沒有硝煙的斗爭正在打響。對于普通人來說，盡早看清楚這一切，在該下注之時穩(wěn)準(zhǔn)狠地下注，或許能夠獲得遠超意料的收獲。
對于想要擁抱AIGC的大學(xué)生和職場人而言，進入AIGC領(lǐng)域的關(guān)鍵在于：
1、緊跟技術(shù)前沿：時刻關(guān)注大模型的最新動態(tài)，了解行業(yè)內(nèi)的技術(shù)突破和應(yīng)用場景。可以重點看一下以下幾個公眾號：
??AI界 - AI產(chǎn)品解讀
??AI科技大本營 - AI科技研究
??量子位 - AI科技產(chǎn)品
??36Kr智能硬科技 - 智能硬件與科技
??人工智能科技 - AI科技前沿
??雷鋒網(wǎng)AI- 觀點與分析
??機器學(xué)xi筆記 - 機器學(xué)xi應(yīng)用
??GeekPark - 科技產(chǎn)品與趨勢
??網(wǎng)易智能 - 智能科技資訊
2. 積累實際項目經(jīng)驗：嘗試使用和優(yōu)化通用與專用模型，積累實戰(zhàn)經(jīng)驗。
一共兩條路：
2.1 如果公司內(nèi)部有AIGC項目組，主動申請內(nèi)部轉(zhuǎn)崗過去，這樣可以在公司內(nèi)部積累項目經(jīng)驗，是相對比較快速的一種方法。
2.2 通過私下學(xué)習(xí)補足項目經(jīng)驗。
2.2.1 通過找到一個AIGC領(lǐng)域的產(chǎn)品大牛/朋友帶你做兩三個項目【推薦】這種方式的好處是有經(jīng)驗的人知道要學(xué)習(xí)哪些算法、算法要掌握到什么程度、做AIGC項目的流程和方法是什么、面試中會重點問哪些問題等等，這其實是最快速的一種方法。
2.2.2 自己摸索自學(xué)【不推薦】，這種方式存在的問題是低效，網(wǎng)上找到的資料非常不成體系，而對于一個小白來說沒有辨別能力，而且遇到問題沒有人問會非常的痛苦。
3、提升數(shù)據(jù)處理能力：大模型的性能依賴于數(shù)據(jù)的質(zhì)量和處理能力。提升你的數(shù)據(jù)收集、分析和處理技能，將對你的職業(yè)發(fā)展大有裨益。
4、構(gòu)建多元技能：掌握編程、數(shù)據(jù)分析、模型訓(xùn)練等多種技能，將幫助你在大模型的生態(tài)中找到自己的定位。