Technologieaustausch

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Die explosive Geburt von ChatGPT zu Beginn des Jahres hat zu einer neuen Welle von KI geführt – großen Modellen. Ich schäme mich, das zu sagen. Tatsächlich gab es seit letztem Jahr Vorschläge für Großmodelle. Damals machten große Hersteller das intern, wie Google, Facebook, Tencent, Alibaba usw Tatsächlich hat jedes Unternehmen damals so viel Geld ausgegeben und so viel Personal und materielle Ressourcen dafür aufgewendet, dass die Wahrscheinlichkeit hoch ist, dass es am Ende nutzlos sein wird. Dann veröffentlichte das Startup OpenAI ChatGPT und war damit weltweit führend. Dies zeigt auch, dass disruptive Innovationen am ehesten von Start-up-Unternehmen ausgehen, da große Unternehmen zu bequem sind und alles, was sie herstellen, am Fließband sind. Jeder große technologische Wandel ist ein Krieg, in dem Blasen, Betrügereien und verbranntes Geld unvermeidlich sind. Dann muss ich darüber nachdenken, warum ich nicht erkennen konnte, dass dies eine disruptive Innovation wie Mr. Howie ist, als ich bei gpt3 war.

Nach der Veröffentlichung von ChatGPT ist es eigentlich nicht angebracht, große Modelle zu erstellen, es sei denn, Sie sind ein Musk-Spieler, es kann Zeitverschwendung sein. Was ich optimistisch finde, ist das Modell im vertikalen Bereich. Der heutige Entwicklertag von OpenAI hat den GPT Store enthüllt (ähnlich wie Apples App Store ist openAI wirklich wie Apple ...).

Erklären Sie, dass es an der Zeit ist, mit der Entwicklung vertikaler Modelle auf der Grundlage eines bestimmten großen Modells zu beginnen.

Kürzlich habe ich mit den Großen im Silicon Valley und in der Wissenschaft kommuniziert. Sie alle nutzen GPT4 und Github Copilot als tägliche Entwicklungstools. Dann habe ich kürzlich einen Schnellingenieurkurs von Professor Ng Enda besucht, der sehr anfängerfreundlich ist. Die komplizierteste Programmierung besteht darin, Funktionen und For-Schleifen zu definieren. Der schwierigste Teil ist jedoch der Eingabeaufforderungsteil, der offensichtlich nicht auf dem gleichen Niveau ist wie die wenigen Wörter, die wir täglich in ChatGPT verwenden, und noch schwieriger ist als das übliche Schreiben von Code. (Der rote Teil ist der Eingabeaufforderungsteil.) Sie müssen ihn also in Verbindung mit den von der Eingabeaufforderung generierten Tools verwenden oder einige häufig verwendete Vorlagen speichern.

Diese Lektion führt Sie kurz in die Grundfunktionen großer Modelle ein und gibt Ihnen einen Einblick in deren Funktionsweise. Ich habe auch schon früher an NLP-Projekten gearbeitet und insgesamt ist es viel bequemer als der traditionelle maschinelle Lernprozess. Da ich ein Quant-Trader bin, kann ich für die Datenanalyse nach und nach auf große Modelle umsteigen, sodass es keine Eile gibt.

Sollte ich letztendlich API oder ChatGPT verwenden? Da ich das große Modell derzeit als Benutzer und nicht als Entwickler positioniere und sein GPT-Store gerade erst gestartet ist, verwende ich immer noch zuerst ChatGPT. Auch der Preis ist ein wichtiger Faktor, laut einem Freund, der API nutzt, kostet er derzeit mehrere hundert Yuan pro Monat. Die von OpenAI verwendete Ladestrategie ähnelt der von Amazon Cloud. Sie denken zunächst, dass sie sehr praktisch und günstig ist, aber dann wird Ihnen das Herz gebrochen, wenn Sie die Bestellung jeden Monat bezahlen, hahh

Daher besteht meine Einstellung gegenüber großen Modellen darin, mehr mit den Leuten in der Branche zu kommunizieren, nicht ins Hintertreffen zu geraten und zu sehen, wie ich die Produktion besser integrieren kann. Dann lernen und warten Sie, während Sie es verwenden, ohne verwirrt zu werden

Vorteile des Lernens großer KI-Modelle

Als begeisterter Internet-Veteran habe ich beschlossen, mein wertvolles KI-Wissen mit allen zu teilen. Wie viel Sie lernen können, hängt von Ihrer Lernausdauer und Ihren Lernfähigkeiten ab. Ich habe wichtige Materialien zu großen KI-Modellen kostenlos geteilt, darunter Mindmaps zum Einführungslernen zu großen KI-Modellen, hochwertige Bücher und Handbücher zum Lernen großer KI-Modelle, Video-Tutorials, praktisches Lernen und andere aufgezeichnete Videos.

Aus Platzgründen wird nur ein Teil der Informationen angezeigt. Um diese zu erhalten, müssen Sie auf den untenstehenden Link klicken.

2024neu CSDN Großes Geschenkpaket: „ AGI Großes Modell-Lernressourcenpaket zum kostenlosen Teilen

1. Ein vollständiger Satz von AGI-Lernrouten für große Modelle

Die Lernreise im Zeitalter großer KI-Modelle: Von den Grundlagen bis zum neuesten Stand – beherrschen Sie die Kernkompetenzen der künstlichen Intelligenz!

Wie steigt man in das große Modell ein?

Wenn Sie große Modelle vollständig verstehen möchten, müssen Sie zunächst die aktuelle Situation großer LLM-Modelle auf dem Markt verstehen, die Python-Sprache und das Prompt-Prompt-Projekt lernen und dann über ein tiefes Verständnis von Funktionsaufrufen, RAG, LangChain, Agenten usw. verfügen.

Viele Leute wissen es nichtWelchen Weg sollte ich einschlagen, wenn ich selbst große Modelle lernen möchte?

Die neuesten und umfassendsten Ressourcen für alle großen Modelle, einschließlich [Lern-Roadmap], [Unterstützendes Video zum Selbststudium + PDF], [Fragen im Vorstellungsgespräch]Ich habe hier alles für Sie geklärt.Holen Sie es sich über die Karte unten!

„Einführungs-Lern-Geschenkpaket für große Modelle künstlicher Intelligenz“, Sie können den QR-Code unten scannen, um es kostenlos zu erhalten!

1. Wachstums-Roadmap und Lernplan
Um als Neuling eine neue Technologie zu erlernen, müssen Sie zunächst die Wachstums-Roadmap kennen. Wenn die Richtung falsch ist, werden Ihre Bemühungen vergeblich sein.
Für Studierende, die noch nie mit Netzwerksicherheit in Berührung gekommen sind, haben wir eine detaillierte Lern- und Wachstums-Roadmap und einen Lernplan für Sie vorbereitet. Man kann sagen, dass es sich um den wissenschaftlichsten und systematischsten Lernweg handelt. Es wird für jeden kein Problem sein, dieser allgemeinen Richtung zu folgen.

2. Video-Tutorial
Viele Freunde mögen keine obskuren Texte, deshalb habe ich auch Video-Tutorials für alle vorbereitet. Insgesamt gibt es 21 Kapitel, und jedes Kapitel ist eine komprimierte Essenz des aktuellen Abschnitts.

3. LL M
LLM (Large Language Model), das allen am besten gefällt und am meisten am Herzen liegt

Entwicklungsaussichten: Große Modelle finden breite Anwendung in der Verarbeitung natürlicher Sprache, Bilderkennung, Spracherkennung und anderen Bereichen. Mit dem Aufkommen des Big-Data-Zeitalters wird sich die Großmodelltechnologie weiterentwickeln und Programmierern mehr Entwicklungsmöglichkeiten bieten.

Qualifikationsanforderungen: Um ein ausgezeichneter Programmierer für große Modelle zu sein, müssen Sie über die folgenden Fähigkeiten verfügen:

• Master-Kenntnisse im Zusammenhang mit Deep Learning, wie z. B. neuronale Netze, Faltungs-Neuronale Netze usw.;
• Vertraut mit Programmiersprachen wie Python, C++ usw.;
• Verstehen Sie Big-Data-Verarbeitungstechnologien wie Hadoop, Spark usw.;
• Sie verfügen über gute Grundlagen in Mathematik und Statistik, um große Modelle besser zu verstehen und zu optimieren.