|
fb 原創(chuàng)文章第215篇，專注“個人成長與財富自由,、世界運(yùn)作的邏輯與投資",。 早上發(fā)現(xiàn)上一篇群發(fā)竟然失敗，原因是違規(guī)了,，這是第一篇沒有發(fā)送成功的文章,。 罷了，懶得修改了,。 今天想說說AIGC,。 以chatGPT為代表的AIGC非?；穑诸^巷尾,，恨不得菜市場的大媽都能聊上兩句,。 核心原因，chatGPT效率驚艷,，媒體炒作,，另外chatGPT的場景確實(shí)落地，對一些場景的工作提升著實(shí)有效,。 作為從業(yè)者,，我們在興奮的同時，也要冷靜,，不能人云亦云,。 我關(guān)注以下幾個問題： 1、chatGPT為代表的文本生成技術(shù),，到底是像alphago這樣“曇花一現(xiàn)”的媒體炒作,，還是人類真正迎來了"iphone時刻"，甚至是“萬維網(wǎng)”發(fā)明的時刻——也就是奇點(diǎn)臨近,，強(qiáng)人工智能有了路徑,。 2、普通人如何參與到這場軍備競賽中,，至少不被時代淘汰,？ 知識星球里已經(jīng)熱炒了一波,，好多星球涌進(jìn)一大批人,，當(dāng)然主體并不是關(guān)心技術(shù)本身，而是chatGPT衍伸的應(yīng)用,。
大模型“群雄逐鹿”：
01 那些年,，被媒體爆炒的概念 光這幾年，經(jīng)歷的概念就不少,。 深度強(qiáng)化學(xué)習(xí)——以alphago為代表,，區(qū)塊鏈，元宇宙,。 alphago打敗李世石后一年,，alphamaster從0開始稱霸宇宙。文人墨客開始炒作機(jī)器人要統(tǒng)治地球,，結(jié)果吳恩達(dá)一盤冷水——先教模型認(rèn)知一只貓吧,。 區(qū)塊鏈以BTC最為人熟知。知名投資人奔走疾呼，說區(qū)塊鏈?zhǔn)侨f維網(wǎng)時刻,，all in區(qū)塊鏈之類的,。這些年過去，除了韭菜,，似乎落地的不多,。 元宇宙出了幾個數(shù)字人,，和facebook的Meta all in 元宇宙后股份大跌之外,，也沒有什么動靜。 互聯(lián)網(wǎng)和資本市場這種事情太多太多,。 概念,，炒作,，熱錢,，這次是不是一樣呢,？ 02 核心邏輯 什么叫“iphone時刻”,？ iphone為代表智能機(jī)取代功能機(jī),，手機(jī)不再僅限于打電話發(fā)短信，而是以應(yīng)用市場為代表的平臺,，它的功能隨著開發(fā)者的進(jìn)入，可以有無限的想象空間,。 iphone非常有“創(chuàng)新性”的去掉手機(jī)鍵盤,，改進(jìn)觸屏式交互方式。簡單說把“觸屏電腦”放進(jìn)口袋,，并重新定義軟件的交互方式,。 事后看,，也“挺簡單”的,。 但第一個提出來并做出來，還把體驗做得這么好,，也只有喬布斯一人。 互聯(lián)網(wǎng)的發(fā)明更不必說,，把全世界電話連成網(wǎng)絡(luò),，世界變成了“地球村”。極大提升人類連接與信息交換的方式，重塑了全人類的生活方式,。 ”iphone時刻“,，一定是一項新發(fā)明，極大的提升的生產(chǎn)力,。 萬維網(wǎng)讓電腦互聯(lián),，iphone為代表的智能機(jī)讓人們隨時互聯(lián)，iot是萬物互聯(lián),。 區(qū)塊鏈只是一種“低效”的信息存儲方式,，深度學(xué)習(xí)本質(zhì)是多層矩陣運(yùn)算與反向求導(dǎo)，元宇宙的基礎(chǔ)技術(shù)AR,、VR看起來不錯,，但技術(shù)很不成熟，真能達(dá)到“三體”里的游戲水平,，那才稱得上元宇宙,，這個技術(shù)離成熟還有相當(dāng)?shù)木嚯x。 人類區(qū)別于動物最重要的兩項技能,，一是會制造工具,，二是發(fā)明了語言。 工具如飛機(jī),，高鐵,，大大提升我們的腿的能力，可以讓我們跨越萬水千山,，不必靠基因進(jìn)化,，自身力量進(jìn)化出什么樣的功能。計算機(jī)作為我們大腦的延伸,，幫助我們記錄,，存儲很多信息。 語言更加重要,，有人語言,，文化知識得以傳承，知識體系得以構(gòu)建,，人類文明以指數(shù)級速度快速發(fā)展,。 所有的人類知識，都是以語言文字的形式來傳承,，文字里包含了一切知識,，也只有人類需要花數(shù)年甚至更久的時間還學(xué)會讀書、寫字,。 那么一個問題就來了,，如果我們的工具計算機(jī)學(xué)會了人類的語言會怎么樣呢,？ 學(xué)會了語言就可以“構(gòu)建”出其它“任何”東西，甚至是一切,！ 古人學(xué)會四書五經(jīng),，會吟詩作對，就是一方才子,。 信息爆炸的今天,，我們目之所及只是滄海一粟，很多細(xì)節(jié)細(xì)究起來,，我們其實(shí)一無所知,，包括歷史，心理,，科學(xué),。 但是，這些東西都真實(shí)地存在于書本里,，網(wǎng)頁里,。 大模型是一個見過非常多文本知識的神經(jīng)網(wǎng)絡(luò)，因為足夠大,，它“學(xué)會”了語法,、語義——概率上的。但大模型的“涌現(xiàn)”效應(yīng),，書讀百遍,，其義自現(xiàn)！ 根據(jù)你輸入的上下文,，給定“最大概率”的“續(xù)寫”,。——這是大模型文本生成式,。 從技術(shù)形式上,，把一段文本編碼后，去“預(yù)測”后續(xù)文字的概率,。 早年的gpt就是這種續(xù)寫的“玩具”,。 直到gpt3.5橫空出世。 你輸入任何問題,，它會“可控”地給出回答,，它不是檢索，它會推理,，會組織語言,。 傳統(tǒng)智能問答里的幾個難點(diǎn)像意圖識別、多輪對話的背景信息保持在大模型面前似乎都完美解決了,。 像武俠劇里的江湖百曉生,，或者段譽(yù)背后的王語嫣——通曉天下武學(xué)招式,。 人類多數(shù)時候都在做決策,，做決策依照經(jīng)驗,，數(shù)據(jù)，信息來權(quán)衡,。而大模型知識豐富,，學(xué)富五年，無所不知,。 這樣帶來的生產(chǎn)力提升可想而知,。 這一次確實(shí)不太一樣，AI生成式大模型,，值得我們持續(xù)跟進(jìn),。 03 kensho智能問答 做量化投研的人都知道kensho。 kensho是一個智能問答,，你可以問它“朝鮮試射導(dǎo)彈后,，美股哪支股票漲幅最大？”,。 當(dāng)時金融圈也被這個產(chǎn)品嚇了一跳,，國內(nèi)也有一眾公司跟進(jìn)。 這里要解決的核心問題,，前端的問答引擎,，需要識別出意圖，這個對于大模型就是天生自帶的能力,。 kensho后面有大量的結(jié)構(gòu)化的數(shù)據(jù),，通過對事件的統(tǒng)計相關(guān)分析，按一定的推理鏈條給出結(jié)論,，最后以人類語言的形式把結(jié)果呈現(xiàn)出來,。 這三步也是gpt自帶的，生成式本身就是做這個的,。 中間的數(shù)據(jù)分析引擎,，去查庫，上網(wǎng)查資料,，做相關(guān)分析等,，目前還不確定。上網(wǎng)查文本信息這個路徑有解決方案,，但如何查詢特定的數(shù)據(jù)庫,、知識圖譜等——或者反過來，如何把知識圖譜,，數(shù)據(jù)庫結(jié)構(gòu)化信息給嵌入到大模型的分析過程中,。若可以,，就可以利用大模型很好地使用私域數(shù)據(jù)。 我自己跟蹤kensho多年,，當(dāng)初學(xué)nlp,，很大一部分是受此啟發(fā)，aigc時代,，再次燃起這個念想,，真正的智能投研引擎。 后續(xù)計劃：
1,、深度體驗chatGPT及國內(nèi)競品,。 2、搭建自有模型,，考慮補(bǔ)充私域數(shù)據(jù),，prompts模型等，考慮如何接入金融文本數(shù)據(jù),，金融知識圖譜,，金融數(shù)據(jù)庫等。 |
|
|
