首页 学习成长内容详情

李彦宏:没有应用,AI模型一文不值

2024-07-06 132 区块链百科

文章来源:硬AIhttps://mp.weixin.qq.com/s/bx4US-b3m3tGqBcf6Sydmw

 

 8e9273f27aedadd707a516e5f70dc9dc_FjXdh2l0mh6e27JcqBKTxFNq-4HK.jpg

 

图片来源:由无界AI生成

 

 

李彦宏在WAIC 2024上呼吁,不要卷模型,要去卷应用,超级能干的应用比只看DAU的超级应用更重要,最简单的就是智能体。

作者 | 李笑寅

 

编辑 | AI

 

 

 

74日周四,2024年世界人工智能大会(WAIC 2024)在上海正式开幕。本届大会以以共商促共享,以善治促善智为主题,将聚焦全球人工智能领域的前沿技术和创新应用,致力于展示人工智能如何改变世界、塑造未来。

 

下午13:30开始的产业发展主论坛上,百度创始人、董事长兼CEO李彦宏出席发表主题演讲。本文整理出核心观点如下:

 

1、同样参数规模之下,闭源模型的能力比开源模型要更好。当你处在一个激烈竞争的市场环境当中的时候,你需要使让自己的业务的效率比你的同行更高、成本比你的同行更低,这个时候,商业化的闭源模型是最能打的。

 

2、没有应用,光有一个基础模型,不管是开源还是闭源,一文不值。所以我从去年下半年开始讲,大家不要卷模型了,要去卷应用。

 

3、文心大模型的日调用量最近超过了5亿,代表了真实的需求,说明有人在用、是有人真的从大模型当中获益了,并得到了价值。

 

4、超级能干的应用比只看DAU的超级应用恐怕要更重要,只要对产业、对应用场景能产生大的增益,整体的价值就比移动互联网要大多了。

 

5、随着基础模型的日益强大,开发应用也越来越简单了,最简单的就是智能体,这也是我们最看好的AI应用的发展方向。

 

6AI不是人类的竞争对手,更多的是在扮演副驾的角色,还要人来把关。目前,AI已经创造了一些全新的工作机会。

 

以下是李彦宏演讲的主要内容:

 

各位下午好,非常高兴再次来到上海参加世界人工智能大会。我是这个会议的常客,但是去年因为出国没有来,所以我上一次来参加WAIC2022年,我记得当时大会的主题是元宇宙,我当时讲的主题是AIGC 就是AI Generated Content(生成式人工智能),我认为AI的技术发展路线发生了方向性的改变,就是从过去的辨别式人工智能转向了未来的生成式人工智能。

 

这番话当时发表于2022年的夏天,五个月之后,大家都知道,ChatGPT发布了。

 

后来的事情大家就更清楚,所以两年的时间其实恍若隔世,就是感觉整个世界都变了,人工智能可以说颠覆了绝大多数人的认知。

 

 

 

01

商业化的闭源模型“最能打”

2023年国内出现了百魔大战,造成了社会资源的巨大浪费,尤其是算力的浪费,但是也使得我们追赶世界上最先进的基础模型的能力得到了建立。去年10月我宣布文心4.0发布的时候,我说文心4.0的能力跟GPT-4相比毫不逊色,好多的同行还不以为然。

 

今天大家可以看到,国内已经有多款闭源模型声称他们已经追平或者是超越了GPT-4的水平。注意,我这里说的是闭源大模型,不是开源大模型。

 

这也是今年以来就是争议比较多的一个话题,有些个外行甚至混淆了模型开源和代码开源这两个概念。模型开源你拿到的是一大堆的参数,你还是要去做SFT,还是要去做安全对齐,你不知道这些参数是怎么来的,你是无法做到众人拾柴火焰高的,即使你拿到对应的源代码,你也不知道他用了多少数据,用了什么比例的数据去训练这些个参数,所以拿到这些东西并不能够让你站在巨人的肩膀上去迭代和开发。

 

所以同样参数规模之下,闭源模型的能力就比开源模型要更好。而如果开源想要能力追平闭源,那么它就需要有更大的参数,这就意味着推理成本会更高,反应速度会更慢。

 

很多人拿开源模型来改款,以为这样可以更好地服务自己的个性化的应用,殊不知这样你就创造了一个孤本的模型,既无法从基础模型的持续升级当中获益,也没办法跟别人去共享算力。

 

当然我也承认开源模型在某些场景下是有它的价值的,比如说一些学术研究,或者说在教学领域,大家想要研究大模型的工作机制形成理论,这个时候可能是有价值的。

 

因为大家可能也经常听到,就是我们觉得大模型能力很强,但是不知道为什么能力强,因为背后没有理论来支持他,所以研究领域用开源的我觉得没问题,但是大多数的应用场景开源模型并不合适。

 

当你处在一个激烈竞争的市场环境当中的时候,你需要使让自己的业务的效率比你的同行更高、成本比你的同行更低,这个时候,商业化的闭源模型那是最能打的。

 

 

 

02

没有应用,AI模型一文不值

当然这些都不是最重要的,没有应用,光有一个基础模型,不管是开源还是闭源,一文不值。所以我从去年下半年开始讲,大家不要卷模型了,要去卷应用。

 

但是我看到我们的媒体仍然是把主要的关注点放在了基础模型身上,一天到晚到处去关注跑分、刷榜,谁又超越GPT-4了?OpenAI又出来GPT-4o了等等,今天这个震撼发布,明天那个史诗级更新,但是我要问:应用在哪里?谁从中获益了?

 

应用其实离我们并不遥远,基于基础模型的应用在各行各业各个领域都已经开始了逐步的渗透。

 

两个多月前,我们宣布文心大模型的日调用量超过了2亿,最近又超过了5亿。其实仅仅是两个多月的时间,调用量发生了这么大的变化,它背后是代表了真实的需求,是有人在用、是有人真的从大模型当中获益了,得到了价值。

 

比如在快递领域,让大模型帮助处理订单,做到了一张图、一句话,寄快递不再需要其他的繁琐流程,时间从3分多钟缩短到19秒,而且90%以上的售后问题也都是由大模型来解决,效率提升非常的明显。

 

再比如在小说的创作领域,一开始我们用开源模型做出过一些效果,后来改用文心的轻量级模型,经过10轮上万组数据的SFTPost-pretraining(后期预训练),结果有了明显的提升。

 

最近,我们又转到文心4.0的版本,那么仅用了数百条的数据,生成的内容无论是可用率还是优质率,都大大超过了文心的轻量级模型。网文作者们如虎添翼。

 

 

 

03

超级能干的应用

比只看DAU的超级应用更重要

其实更通用的领域,比如说代码生成功能,文心、快马这样的软件在各个领域也在逐步地渗透。

 

百度内部的话,我们有30%左右的代码已经是用AI生成的,代码的采用率超过了44%

 

不过我们要避免掉入超级应用陷阱,觉得一定要出一个日活用户10亿的APP才叫成功。我认为这是移动时代的思维,AI时代的规律很可能不是这样。超级能干的应用比只看DAU的超级应用恐怕要更重要,只要对产业、对应用场景能产生大的增益,整体的价值就比移动互联网要大多了。

 

 

 

04

看好智能体的应用发展方向

随着基础模型的日益强大,开发应用也越来越简单了,最简单的就是智能体,这也是我们最看好的AI应用的发展方向。

 

制作一个好的智能体通常并不需要编码,只要用人话,把这个智能体的工作流说清楚,再配上专有的知识库,一般就是一个很有价值的智能体了,这比互联网时代制作一个网页还要简单。

 

未来,在医疗、金融、教育、制造、交通、农业等等领域,都会依据自己的场景,自己特有的经验、规则、数据等等做出各种各样的智能体,将来会有数以百万量级的智能体出现,形成庞大的智能体生态。

 

而搜索是智能体分发的最大的入口。刚刚过去的高考季,很多大模型公司热衷于去写高考作文:我用AI写一个作文能得多少分儿?其实这个实用价值是不大的,人家不会允许你带一个大模型进去参加高考。

 

真正的需求是大量的考生在考完之后要报志愿,要选择学校、选择专业。他们对一所大学一个专业会有各种各样的问题,而每一个考生的情况又是不一样的。这个时候就是需要有一个智能体来回答每一个考生专有的问题。

 

在高峰时期,百度的高考智能体每天要回答超过200万个考生的问题,而我们总共只有1000万的考生。在一天当中,有这么大比例的人在利用这个智能体,说明AI正在以前所未有的速度向各行各业渗透。

 

 

 

05

AI只是辅助

相关工作机会正大量诞生

很多人担心,如果我们日常的工作都让AI去做了,人是不是就没有工作机会了?

 

这种担心不是没有道理,但是过去这段时间,我听到的担心、听到的抱怨很多,听到的建设性的意见比较少,很少有人去致力于发掘生成式AI带来的新的工作机会,我在这儿算是抛砖引玉吧。

 

我觉得,一方面AI更多的是在扮演副驾的角色,还要人来把关,AI只是辅助人工作,而不是替代人工作,它让人的工作效率更高,质量更好。另外一方面,我们也看到有一些全新的工作机会开始冒出来了。

 

比如数据标注师,过去几年我们帮助全国20多个城市落地了数据标注中心,提供了大量的新的就业岗位;再比如提示词工程师,以后不用编程了,但是做好一个智能体还需要把工作流说清楚,这里头要有很强的逻辑性,要用提示词对模型进行调校。

 

随着智能体的大量涌现,这种工作需求也会飙升。这些个工作机会通常门槛并不高,你做的一般也能够养家活口,做得好的话,那上限可以年薪百万。

 

自人类文明诞生以来,永不停止的创新,就是刻在我们DNA当中的,从石器时代的手斧,到移动时代的手机,再到AI时代的大模型,人类不断创造各种工具来改善生活、提高生产力,但是它们永远只是工具,只有在被人类所使用的时候才有价值。

 

我们坚定地相信,AI不是人类的竞争对手,构建和应用人工智能技术是为了满足人的需求,增强人的能力,让人类的生活更美好。

 

本文链接:https://www.aixinzhijie.com/article/6846216

转载请注明文章出处