中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

本文封面是《我們從何處來？我們是誰？我們向何處去？》（Where Do We Come From？ What Are We？ Where Are We Going？）是法國畫家保羅·高更于1897年創(chuàng)作的布面油畫，現(xiàn)藏于美國波士頓美術(shù)館。1. 智能涌現(xiàn)- Where Do We Come From？過去基于深度學(xué)習(xí)框架可讓agent（人工智能體））學(xué)到技能，但agent本身并沒有真正理解問題和技能，如AlphaGo，只能用于特定領(lǐng)域。現(xiàn)在有人要求ChatGPT扮演Linux終端來運(yùn)行代碼時(shí)，發(fā)現(xiàn)ChatGPT真的可以搞定這件事。是人們模型的訓(xùn)練階段教了ChatGPT了么? 并沒有，它是根據(jù)預(yù)訓(xùn)練的結(jié)果預(yù)測(cè)了下一個(gè)單詞，相當(dāng)于無師自通。2. 發(fā)展現(xiàn)狀- What Are We？2.1 所有應(yīng)用都值得被大模型重構(gòu)一遍[1]以自動(dòng)駕駛不同階段，來對(duì)比AI發(fā)展階段。我們知道，至少要L4階段，自動(dòng)駕駛才會(huì)被真正批準(zhǔn)上路，而目前絕大多數(shù)軟件產(chǎn)品沒有任何顯性的AI輔助，都只是處于L1甚至L0初級(jí)階段的產(chǎn)品。但是大模型成功地壓縮了人類對(duì)于整個(gè)世界的認(rèn)知，讓我們看到了實(shí)現(xiàn)通用人工智能的路徑。等級(jí)Name名稱自動(dòng)化程度含義示例應(yīng)用場(chǎng)景L1Tool工具無人類完成所有工作,沒有任何顯性的AI輔助目前絕大多數(shù)軟件產(chǎn)品L2Chatbot客服少量自動(dòng)化人類完成絕大部分工作,類似向AI詢問意見,了解信息,AI提供信息和建議但不直接處理工作初代ChatGPT和Chatbot智能客服、虛擬導(dǎo)游等L3Copilot助理部分自動(dòng)化人類和AI進(jìn)行協(xié)作,工作量相當(dāng)。Al根據(jù)人類prompt完成工作初稿,人類進(jìn)行目標(biāo)設(shè)定,修改調(diào)整,最后確認(rèn)Copilot、Jasper代碼補(bǔ)全輔助編程等L4Agent自動(dòng)化代理條件自動(dòng)化AI完成絕大部分工作,人類負(fù)責(zé)設(shè)定目標(biāo)、提供資源和監(jiān)督結(jié)果,AI完成任務(wù)拆分,工具選擇,進(jìn)度控制,實(shí)現(xiàn)目標(biāo)后自主結(jié)束工作AutoGPTL5Species智能體完全自動(dòng)化完全無需人類監(jiān)督,AI自主拆解目標(biāo),尋找資源,選擇并使用工具,完成全部工作人類只需給出目標(biāo)類似馮諾依曼機(jī)器人圖表1 AI發(fā)展階段對(duì)比自動(dòng)駕駛不同階段圖表2 中國自動(dòng)駕駛發(fā)展情況2.2 人類與AI協(xié)同的三種模式[2]圖表3 人類與AI協(xié)同的三種模式2.3 生成式AI是近十年來產(chǎn)生影響最為廣泛的技術(shù)[3]Gartner 發(fā)布了題為“Hype Cycle  for Artificial Intelligence, 2023”的報(bào)告，公布了 2023 年 AI 技術(shù)成熟度曲線，對(duì) AI 相關(guān)技術(shù)進(jìn)行了系統(tǒng)的分析及發(fā)展預(yù)測(cè)。本次報(bào)告中，Gartner 對(duì)生成式 AI 做出了極高的評(píng)價(jià)，認(rèn)為生成式AI 是近十年來產(chǎn)生影響最為廣泛的技術(shù)，沒有之一。其中，「生成式 AI」和「基礎(chǔ)模型」正處于期望膨脹期的巔峰。高德納技術(shù)成熟度曲線是個(gè)通用模型，是個(gè)可以套用很多技術(shù)的萬能模型，具有學(xué)習(xí)價(jià)值。該模型認(rèn)為一項(xiàng)技術(shù)的發(fā)展可以分為5個(gè)階段，并且對(duì)每個(gè)階段的邊界和特征進(jìn)行了明確的定義。圖表4 2023 AI 技術(shù)成熟度曲線3. 未來前瞻- Where Are We Going？大模型改變?nèi)斯ぶ悄鼙澈?，底層的IT技術(shù)棧也發(fā)生了根本變化，即從芯片層（CPU為主）、操作系統(tǒng)層、應(yīng)用層的三層架構(gòu)，發(fā)展成為了四層架構(gòu)：芯片層（GPU為主）+框架層+模型層+應(yīng)用層。3.1 何為AI-Agent大模型應(yīng)用的盡頭是AI Agent，AI Agent是大模型重要落地方向[6]根據(jù)前文等級(jí)區(qū)分，Level 4級(jí)別的Agent實(shí)現(xiàn)的是全自動(dòng)化的決策、運(yùn)行和反饋，它呈現(xiàn)出的更多是一種超級(jí)個(gè)體更多是一種“擬人化”的形式。它可被定義為“分身”、“員工”和任意“個(gè)體”。OpenAI的一篇博文中， Lilian認(rèn)為，在基于LLM的自動(dòng)agent體系里, LLM就是作為agent的大腦，其他幾個(gè)能力作為補(bǔ)充：計(jì)劃、記憶、工具使用，而這三個(gè)模塊最終驅(qū)動(dòng)智能體的決策和行動(dòng)。AI Agent 智能體= LLM +規(guī)劃能力+記憶能力+工具使用·規(guī)劃能力?子目標(biāo)與拆解: Agent大腦把大的任務(wù)拆解為更小的，可管理的子任務(wù)，這對(duì)有效的、可控的處理好大的復(fù)雜的任務(wù)效果很好.?反省和改良: Agent能基于過去的動(dòng)作做自我批評(píng)和自我反省，從過去的問題中學(xué)習(xí)從而改良未來的動(dòng)作，從而能夠改善最終的結(jié)果.·記憶能力?短期記憶: 我會(huì)把所有基于context的學(xué)習(xí)能力 (詳細(xì)請(qǐng)看 Prompt Engineering) ，其實(shí)就是prompt內(nèi)的學(xué)習(xí)能力作為短期記憶.?長期記憶: Agent能夠保留和無限召回的歷史信息能力，這通常通過外部的向量數(shù)據(jù)庫和快速取數(shù)能力組合實(shí)現(xiàn).·工具使用?Agent能學(xué)習(xí)到在模型內(nèi)部知識(shí)不夠時(shí)（比如在pre-train時(shí)不存在，且之后沒法改變的模型weights）去調(diào)用外部API，比如獲取實(shí)時(shí)的信息，處理代碼的能力，訪問專有的信息知識(shí)庫等等.3.1.3 Al Agent 智能體總體架構(gòu)剖析圖表5 大模型驅(qū)動(dòng)的AI Agent的基本框架圖表6 OpenAI Safety團(tuán)隊(duì)負(fù)責(zé)人3.1.3 規(guī)劃能力·CoT（Continual Training）是一種改進(jìn)的提示策略，它強(qiáng)調(diào)在訓(xùn)練過程中持續(xù)提供新的數(shù)據(jù)和信息，以幫助智能體不斷學(xué)習(xí)和改進(jìn)。這種策略對(duì)于提高AI Agent的規(guī)劃能力非常有幫助，因?yàn)樗梢蕴峁└嗟挠?xùn)練數(shù)據(jù)和更豐富的經(jīng)驗(yàn)，幫助智能體更好地理解和應(yīng)對(duì)各種復(fù)雜的情況和任務(wù)。3.1.1 記憶能力簡單來說，檢索模型擅長'找'信息，生成模型擅長'創(chuàng)造'內(nèi)容·RAG（檢索增強(qiáng)生成，Retrieval-AugmentedGeneration）圖7 RAG的執(zhí)行流程圖·向量數(shù)據(jù)庫(Vector Database)：向量數(shù)據(jù)庫是指專門用于存儲(chǔ)和管理向量的數(shù)據(jù)庫。在AI Agent的規(guī)劃過程中，大量的數(shù)據(jù)需要以向量的形式進(jìn)行存儲(chǔ)和檢索。向量數(shù)據(jù)庫可以提供高效、快速的向量存儲(chǔ)和檢索功能，為AI Agent的規(guī)劃和決策提供強(qiáng)大的支持。同時(shí)，向量數(shù)據(jù)庫還可以支持各種數(shù)據(jù)分析和挖掘功能，幫助智能體更好地學(xué)習(xí)和改進(jìn)。·Embedding模型的應(yīng)用：Embedding 是指將數(shù)據(jù)或特征映射到一個(gè)低維向量空間中的過程。LangChain可以利用Embedding模型將文本轉(zhuǎn)換為向量，然后將其存儲(chǔ)在向量數(shù)據(jù)庫中。這樣，LangChain 可以根據(jù)文本的向量表示進(jìn)行相似性比較和搜索，從而實(shí)現(xiàn)對(duì)文本的高效處理。·存-> 向量數(shù)據(jù)庫的核心思想是將文本轉(zhuǎn)換成向量（Embedding）,然后將向量存儲(chǔ)在數(shù)據(jù)庫中。·取-> 將用戶輸入的問題轉(zhuǎn)成向量，然后在數(shù)據(jù)庫中檢索最相似的向量，以及向量對(duì)應(yīng)的文本（記憶），返回給LLM，生成回答。圖表8 基于LangChain下的RAG交互過程3.1.1 工具使用巧婦難為無米之炊，僅靠 LLM 自身能做的事情還是比較有限，比如：LLM可以幫忙寫代碼，但是無法執(zhí)行代碼，因此要讓LLM能做更多事情，就需要借它點(diǎn)工具。一些工具類型：·ChatGPTPlugins·OpenAIAPI function calling·CodeInterpreter·HuggingGPT3.2 大模型增強(qiáng)vs. 大模型原生3.2.3 LLM-Empowered指將LLM技術(shù)應(yīng)用于現(xiàn)有系統(tǒng)或工具以提升其功能和性能；這種方法通常涉及到對(duì)現(xiàn)有系統(tǒng)或工具進(jìn)行改進(jìn)和優(yōu)化，以適應(yīng)大型語言模型的應(yīng)用。LLM-Empowered的優(yōu)勢(shì)在于它可以通過利用大型語言模型的能力來提高現(xiàn)有系統(tǒng)的性能和效率。3.2.3 LLM-Native指從設(shè)計(jì)之初就將LLM作為核心功能考慮的系統(tǒng)或應(yīng)用，是完全建立在大模型技術(shù)特點(diǎn)上的全新應(yīng)用形態(tài);這種方法需要對(duì)系統(tǒng)或工具進(jìn)行重新設(shè)計(jì)和開發(fā)，以便能夠充分利用大型語言模型的能力。LLM-Native的優(yōu)勢(shì)在于它可以更好地利用大型語言模型的能力，并且可以更好地適應(yīng)特定的應(yīng)用場(chǎng)景和需求。3.3 GPTs vs. AI-AgentChat (GPTs)向左, AI-Agent 向右GPTs是AI-Agent初級(jí)形態(tài)3.3.1 公開的GPTs·公開的·GPTs類比appstore的應(yīng)用app·GPTsstore生態(tài)未來將造就大量淘金者·GPTs受眾是公域的c端用戶·GPTs主要目標(biāo)，面向業(yè)務(wù)人員, 最終目的替代兼職人員+提升效率·技術(shù)棧有一定限制：受制于OPEN和GPT4·技術(shù)和安全挑戰(zhàn)：幾句話Prompt就能套走GPTs的數(shù)據(jù)庫·未來自由組織形態(tài): 人+GPTs3.3.2 定制AI-Agent·定制的·AIAgent是copilot的下一代產(chǎn)物·Agent是大模型時(shí)代的落地代言人·Agent彌補(bǔ)大模型應(yīng)用最后一公里·Agent主要目標(biāo)，面向開發(fā)人員，最終目的是替代人·技術(shù)和安全挑戰(zhàn)：企業(yè)數(shù)據(jù)不可能交付給別人的大模型·未來嚴(yán)肅組織形態(tài): 人+AI Agent3.4 單智能體vs. 多智能體AI-Agent大致會(huì)分兩個(gè)方向: Agents Systems(單智能體)和Multi-Agents(多智能體)在多智能體系統(tǒng)中，多個(gè)智能體需要協(xié)同工作以實(shí)現(xiàn)共同的目標(biāo)。多智能體協(xié)同規(guī)劃方法需要考慮多個(gè)智能體之間的交互和合作，以制定最佳的行動(dòng)方案。3.4.3 多智能體：未來200人的公司只需5個(gè)人就能運(yùn)作未來公司架構(gòu)是不限于工程師，項(xiàng)目經(jīng)理；包括CEO、COO、CFO、CTO在內(nèi)都能被AI Agent所替代。軟件公司或者變成這樣的架構(gòu)運(yùn)作，或者迫于成本壓力被這樣架構(gòu)的公司所擊敗。畢竟未來如果讓軟件工程師去開發(fā)，至少需要幾萬塊錢的人工費(fèi)，時(shí)間兩周起步。但使用Agent開發(fā)，價(jià)格只需要幾元到幾十元，最快幾分鐘就能跑通一個(gè)應(yīng)用。下圖，每一個(gè)模塊就是一個(gè)AI Agent。圖表7 未來內(nèi)容生產(chǎn)的公司架構(gòu)4. 不必悲觀4.1 大模型存在以下問題·幻覺：生成看似正確實(shí)際上非常錯(cuò)誤的內(nèi)容誤導(dǎo)用戶；如今沒有一種模型不會(huì)產(chǎn)生幻覺, 即大模型分不清事實(shí)和虛構(gòu)，捏造和相信一些不存在的事實(shí)。基本上，在與模型對(duì)答6次以上就會(huì)發(fā)生. 所以想要ChatBot產(chǎn)生機(jī)器幻覺, 可能需要重開客戶端.這對(duì)于工業(yè)控制場(chǎng)景來說是致命的。但是通過大模型來輸出代碼, 再由代碼來控制可能是一種思路, 畢竟代碼是·偏見：受到有問題的訓(xùn)練數(shù)據(jù)影響，可能會(huì)生成偏見、歧視性或不當(dāng)?shù)难哉摚?div style="height:15px;">