作者:黑夜路人
最近以为ChatGPT为主的AIGC生成式AI对整个世界推动了翻天覆地的影响,目前只是看到了大家的“恐慌”和对新技术的影响,同时还需要判断对传统AI公司的影响,基本也是翻天覆地的,这个也是值得我们关注的。
另外,对于LLM和生成式AI的重大影响,未来对于普通企业等,有哪些方向是可以做的,也是值得思考的。
我们回顾计算机信息技术的时代版本变迁,会发现主要经历了这么几个时代:
V1.0 个人计算机:本质是计算机硬件小型化和把personal computing(个人软件)的固定成本变得可以被社会接受,边际成本几乎是零。这里的personal computing主要是办公和游戏。成功的公司包括微软、IBM、苹果、Intel等。
V2.0 互联网:本质是使得极低延迟的跨越空间的分发与获取信息的成本变得很低。让信息突破了空间限制,相对于以前的书信,电话等。人与人之间的连接成本也变得很低。成功的公司包括 雅虎、网易、搜狐新浪、谷歌、百度、Facebook等。
V3.0 移动互联网:本质是使得人们可以随时随地接入互联网了。以前要在办公室和家里才能宽带上网,移动互联网使得接入互联网的门槛降低了很多。这一波一大部分是互联网的延续。成功的公司包括 苹果 iPhone、Android、Uber、滴滴、美团、WhatsApp、微信、Instagram、Tiktok等。
V4.0 通用人工智能:过去传统机器学习和人工智能与新诞生的依赖于LLM的Generative AI(生成式AI)似的整个AI只能停留在过去人脸识别、语音识别这种常规应用,变成了对整个社会的改变,让每个普通人能够使用AI,让AI成为自己真正强力的助手。除了这个还对对AI公司本身就是机器学习本身行业的巨大改变。颠覆式产品包括 AlphaGo/AlphaFold/ChatGPT/Midjourney等,代表公司包括 OpenAI、谷歌、微软、StabilityAI 等。
在V4.0阶段,可能对普通人的生活改变大家都是可以感觉到的,但是对于AI行业本身的改变也是巨大的,技术进步的本质是使得AI边际成本变得很低,完全对传统的AI公司完成了颠覆。
比如说传统做AI,建造机器学习模型,以前各个公司都要自己收集数据,从头开始训练模型,招聘机器学习工程师等等。现在可以直接基于基础模型做prompting,fine-tuning。 这是机器学习的一个范式改变。以前的行业是分布式的建模(个干个的),每家公司都在建设自己的模型。
举个例子,要做一篇文章是不是涉黄涉反,以前要人工标注很多数据,雇算法工程师在做模型,要搭建生产环境等等,成本很高。但是现在只要用prompting问基础模型就好了。注意这里降低的是建造模型的成本,因为大模型构建起来比较贵,但是对于应用来说成本还是很低的,很多传统AI机器学习的工作都不需要做了。
可能这一点对于传统AI公司成本减低没有直观感觉,我今天用ChatGPT测试了一下,以传统的NLP(自然语言处理)来举例,看看Generative AI对它的成本降低和影响是多么巨大:
自然语言处理(NLP)中的“内容抽取”工作:(从杂乱文本中抽取我们需要的信息)
自然语言处理(NLP)中的“分类”和“情感分析”工作:(分析文本的类别和情感)
自然语言处理(NLP)中的“分词”和“词性标注”工作:(分词和词性标注)
自然语言处理中的内容“黄反鉴定”:
看到上面对于V4.0阶段,可能会没有感觉,建造智能模型的边际成本极大降低,这对于AI Cloud是一个决定性的因素。内容生产的门槛进一步降低,包括文章,图片,音频,视频。智能的交互成为可能,copilot everything。应该有操作系统层面的机会。
我们细节看看这一波LLM能力涌现带来的机会。这次的技术革新对AI基础本身影响是巨大的,比如说鉴别一些产品评论是正面还是负面,某些文章或者图片是不是涉黄,不需要自己从头到尾的做,大大降低了打造AI模型的边际成本,同时也大大降低了打造模型的技术与资源门槛,释放出巨大的创造力。
以前的AI: 数据积累 -> 训练 -> 部署与打造服务环境;
以后的很多AI: 基于基础大模型做prompting,fine-tuning和augmenting。
超级LLM一定是小部分公司可以做的,参考计算机信息技术发展过程中的 V2.0/3.0阶段,类似于过去的搜索引擎、大型门户、大型O2O平台公司,那么剩下的比如可以作为大平台的供应商或者应用商。未来可以继续发力的点:
- 发力多模态或者聚焦其它单模态,比如说图像,视频,3D,代码,音频等。目前的基础模型对语言做得最成熟,多模态做得并不是很好,也许有弯道超车的机会。
- LLM发力垂直领域,比如说医疗,法律等等。谁拥有最多最高质量的领域数据,谁就可以在这个垂直领域吊打普世的大模型。这就像以前参加数学竞赛,在智商差不多的时候,谁能拿到特别好的训练资料,谁就可以考高分。积累优质数据,以后的模型提高瓶颈一定在数据,这一次大模型的能力涌现用到了过去四十年互联网积累的数据。之后数据只能一年一年得增长了。这一波很多nitch的领域没有那么多优质数据。谁拥有优质数据的版权谁就有了对这些模型收取收益的权利。
- 在上面的LLM和Generative AI基础上面做应用或插件,或者改造自己本身的业务,装上AI的翅膀。
以上言论仅代表个人观点,不具备普适性,仅供参考,抛砖引玉。