AI 大模型系统实战
Tyler
前亚马逊应用科学家,头部大厂 AIGC 算法技术负责人
6826 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已完结/共 38 讲
结束语&结课测试 (2讲)
AI 大模型系统实战
15
15
1.0x
00:00/00:00
登录|注册

答疑课堂|前两章思考题答案

你好,我是 Tyler。
今天是中秋节,接下来我们也马上进入十一假期了。祝你双节快乐,也要给还在坚持学习的你,以及还在努力备稿的我点个赞,加加油。
现在,我们已经完成了前两章的学习,相信你已经对 AI 大模型系统是什么有了充分的认识,并且通过 AIRC 系统的学习,打下了扎实的 AI 系统基础。在更新过程中,我也看到了很多同学的留言评论。
这次加餐,我把前两章的思考题答案集中发布出来,希望能帮你答疑解惑。建议你先自己尝试思考、回答问题以后,再参考我提供的分析思路和问题解答,这样学习效果会更好。

第一章 热身篇

第 1 节课

思考题
前一段时间,马斯克曾联合上千位人士签署联名公开信,“以担心人工智能系统将达到不可控程度,且会造成不可预知的风险为由,呼吁暂停训练更强大的人工智能 6 个月”。你认为他说得对吗?他所说的不可控的程度是什么?通向这种情况的技术路径和成本是什么?
参考答案
因为对错这个事情偏主观,这个见仁见智,留给大家探讨。所以这里重点分享一下我对“不可控场景”、“技术路径和成本”等问题的理解,希望对你有启发。
不可控场景:每个数字应用都是一个智能体,首先服务人类,之后随着时间拉长开始互相对话建立共识,最后架空人类。
技术路径和成本:需要对全社会的工作进行数字化改造,并对每个数字应用进行基于 AI 大模型的智能化改造,目前社会的算力和发电总量还不能支撑,不过长远看是有可能的。就算现在对大模型技术的使用都会有风控策略的参与,但是难免有“坏人”利用大模型技术搞“搏击俱乐部”。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

本文是Tyler的答疑课堂,涵盖了人工智能系统、大模型技术、架构基础等多个技术领域的问题。文章首先介绍了马斯克对人工智能系统的担忧,以及AI大模型系统的基础知识。接着讨论了LLM制定计划、反思计划以及使用工具的难度,以及通过Flowise搭建服务并接入团队的IM系统等技术问题。在架构基础篇中,文章涉及了独热编码、正交的空间投影、多任务学习算法的训练数据准备等技术问题。此外,还讨论了ChatGPT的内容生成质量优化、场景特征和用户特征的区分,以及知识图谱中的算法选择等内容。最后,文章提到了在线增量模型训练中使用三级火箭的原因。整体而言,本文为读者提供了丰富的技术知识和思考题答案,涵盖了多个技术领域的问题,对于对人工智能和大模型技术感兴趣的读者具有很高的参考价值。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《AI 大模型系统实战》
新⼈⾸单¥59
立即购买
登录 后留言

全部留言(1)

  • 最新
  • 精选
  • Juha
    RTFM,哈哈,老师太粗暴了
    2023-12-07归属地:北京
    1
收起评论
显示
设置
留言
1
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部