大模型小工具

（这篇结构挺乱的，但是最近信息量太大，时间太少，我也只能做成这样了）

最近，一个朋友拜访了多家开发大型模型的头部公司，探讨他们的行业与大模型结合的方式。回来与我们分享了一些见解。

实际上，在过去的一年中，大型模型似乎非常火爆，但认真反思，真正成功应用的场景并不多。

1 肉眼可见的改变

• 大厂都已经发布了自己的大模型，而且还有很多提供精调的功能。
• 云服务提供商也开始提供自己的大模型以及模型云端部署。
• 多家公司发布了 AI PC 时间表，感觉这种全民 AI 的趋势已经来临（我个人认为云部署比 PC 更合适）。
• 各种 AI 学习班也开始涌现出来。
• 围绕生成展开的工具：
  • 翻译、推荐等小工具似乎比之前更好用了一些
  • 智能客服好像很火，但是我不常购物，也没用过
  • 内容生成方面，公众号自动生成文章和配图，生成各种学习体会和总结
  • 辅助工具方面有润色、总结等功能
  • 自动编码可以辅助编程
  • 论文工具方面有阅读和撰写功能
  • 聊天方面有围绕某个行业或者功能进行问答的功能
  • 换声换脸诈骗

总的来说，多是一些辅助性的工作，可以增强个人能力，但使用时还需要人们进行甄别。

2023年_大模型相关的热门开源工具

2 大模型小工具

• 后勤问题：除了聊天场景，目前在不管控下，还不能直接提供给客户使用。
• 局部问题：虽然有思维链，但现在仅使用模型全盘设计还不行，仍需要人参与安排。
• 软性问题：对于硬性问题的判断、选择和回归还不够成熟，但可以提供一些建议。
• 知识问题：知识问题可能会产生幻觉。

3 问题

• 大模型能否取代之前的技术：不行，即使大模型再好也不可能全知，它可能永远存在长尾问题。
• 等优秀的大模型训练出来我们就不用再做什么了：同上

4 使用方法

不禁要问，训练一个大模型到底改变了什么？怎么使用它？

理论上讲，人类的语言包含了大部分的知识和思维，拥有它就相当于拥有了全世界。聊到 AI 常常很抽象，似乎它可以做任何事，可是落在纸面上，似乎又干啥啥不行。

但我们不妨换个角度，把模型实例想像成一个人，他有略高于正常人的理解力和语言能力，也就是多了个助手而已。而且就现在的情况来看，把它调教好，能完美解决某个细分领域的问题就不错了。

以实际问题为出发点，而不是为了用而用。所以在了解了 AI 的基本面之后，先定义清晰的目标。逮着耗子才是好猫。

5 使用场景

举个例子，比如：我之前做了一个读书的 app，大模型可以帮我更好地推荐书籍，定制语音合成，重构代码，加快整体前后端开发。但是它不可能在我输入“做一个读书的 app”后就把所有功能都完美实现并上架。

再如，如果我想用 AI 改善工厂的工作流程，仍然需要人工先总结痛点和可优化点，然后引入人工智能、接入数据，并进行调试和部署。工作流程与传统方式没有太大区别。

AI 推荐的内容可能更精准，语音识别更准确。可以学习腾讯，先用 AI 改进和优化自己的产品，在悄无声息中提升品质；或者像阿里一样，开源许多优秀的工具，优化整个产业结构；程序员使用自动编码功能来提高工作效率。

归根结底，在相当长的时间内，AI 可能只是一些小工具，对我们整个业务起到促进作用而非颠覆性作用。