前言
在当今时代,AI(人工智能)无疑是最热门的话题之一。许多人都在探索如何将AI应用到自己的工作和生活中,但很多人在使用过程中遇到了困难和挫折。有人觉得AI给出的答案太空泛,无法解决实际问题;有人觉得AI只能做一些简单的工作,如写公文、发邮件等,而无法在更复杂的工作中发挥作用。
那么,如何才能更好地利用AI呢?
我的观点是,要想用好AI,首先需要深入理解自己的业务,抽象出业务流程,并将成功的过程沉淀为方法论。我将这一过程称为“业、流、法”三步模型。
第一步,业,即具备特定领域的业务理解能力。你需要了解一个行业的商业模式、竞争格局、涉及领域上下游和具体的业务运转方式。比如,在审核App的例子中,你需要了解应用分发领域的角色分工、利益分配链条、可能出现的风险等。
第二步,流,即具备把业务流程抽象建模的能力。你需要用节点+连线的方式,把一个业务的经营逻辑抽象成角色+行为+数据+流转线路的形式。在审核App的例子中,你可以将流程抽象为:开发者提交应用资料和安装包,平台审核员审核资料确保合规,用户下载应用、使用产品、提出反馈。
第三步,法,即具备把流程事件结构化成方法论的能力。你需要将成功的过程以结构化文本方式表达出来,沉淀为可复用的方法论。在审核App的例子中,你可以将审核类目的过程描述为:读取资质数据,提取关键信息,判断资质数据是否真实有效,查看资质信息是否和类目要求的规则相匹配,审核通过或不通过。
当然,这一过程可能有些复杂,但你可以通过以下三种方式来简化它:
- 拜师学艺,快速上道:向那些已经借助AI在垂直领域取得成果的人请教,模仿他们的做法,快速建立信心。
- 记录反馈,不断试错:将每次使用AI的经历记录下来,不断尝试,不断改进。
- 内化经验,融会贯通:将学到的经验和自己的理解创新相结合,形成一套自己的方法论。
总的来说,要想用好AI,关键在于深入理解业务,抽象出业务流程,并将成功的过程沉淀为方法论。这一过程可能有些复杂,但只要我们不断学习、尝试、反思,就一定能够找到适合自己的方法,让AI真正为我们的生活和工作带来便利。
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。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
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。