今天听了三个小时的AI大模型讲座，有几个感受

大模型作为基础设施，为国之重器，已经超越了个人或者企业的能力范围，对大模型的争夺已经事关中国近20年的国运。中国必须采取一切手段去争夺算力、数据和人才，趁现在还没落后太远。
大模型做的好坏与否取决于高质量数据，中文资料少，质量差，应该在可遇见的未来无法超越外国的大模型。能做的只有在外国语料库上进行训练。
大模型是可以解释的，包括为什么这个模型性能好，为啥那个性能差，但是这个解释性质是实验的，实验发现了这个差的比不差的区别在那。但是大模型的所谓的理论，基本上都是边际性质的改进，这类边际改进可以基于传统的方法，数学之类也很重要，但无法从整体上进行模型的改进。大模型基本上是实验驱动的学科，理论有用但用处不大。
如果继续加大大模型规模，算力更强，那么大模型性能更好。但是数据上如果不能改进的话，那么小一些的模型达到的效果也不会差。
阻碍大模型在某一方面的能力欠缺，完全是因为这方面的数据欠缺，比如说推理能力差，因为缺乏高质量的推理数据集。只要存在数据集，那么提高推理能力没有任何阻碍。大模型的泛化在存在数据的情况下也不存在任何问题。
一些奇怪的bug，比如说9.11与9.8哪个大，把一句话倒着念一遍，这种实现不了，可能和大模型基本的设计相关，比如说在转换为token的过程中存在问题。这些都是最底层的东西，可能牵扯到大模型的能力边界问题，这些问题的解决具有重要意义。
依据大模型的情况下，可以只需要几千个样本就可以让大模型实现模仿学习包括序贯的决策。这可能和大模型内涵的丰富的人类社会知识有关。而对于人类知识匮乏的领域，比如说某个封闭系统的最优化，这种强化学习应该才是最优解。
AI的智能体具有重大的实用意义。原因在于在大模型的加持下，针对特定任务的强化，基本上可以完成人类大多数领域的工作。大模型通用的统筹能力如CPU，而各个特殊优化过的智能体如GPU将充当具体任务的执行者。这是当下个人和企业的创业者的必争之地。
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。

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”。

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，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。

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
• …

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
• …

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
• …

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。