大家好，我是苗苗。
明天我会再寄给你一些书，并且免费送货到你家。 送书规则见文末！
最近AI行业流行一句谚语：国外那么多大公司投入那么多钱，研究那么多年，终于推出了类似ChatGpt的产品，但显然还需要更多的研究关于他们如何通过销售 ChatGpt 课程赚钱。 人们有这么多钱。
如今，自媒体纷纷宣称AI无所不能、神奇，称AI将取代人类，导致大规模失业。 甚至有人说“被淘汰的不是你，而是没有掌握AI的你”。 听起来像是直播间的产品促销。 也就是说，有没有可能他们只是带货？
我自己是从事AI应用开发的。 也许是因为我只触及了它的表面。 从一开始我就没觉得有什么值得轰动的。
因为我觉得事情还是这些事情。 这是一个以任务为基础的一代。 无论是文案的文字创作、智能对话，还是封闭式和开放式问答，这些都是常见的功能。 特朗普还是总理的时候，这种东西的演示有很多，我也一一尝试过。 但现在，有些人愿意花钱购买GPU。 而且从全球互联网上获取了足够的训练数据，算法也确实得到了优化，所以AIGC自然脱颖而出。
然而，这些话我却不敢在心里说出来。
既然你们逆势而行，现在对ChatGPT好评如潮。 我一说出来，相信网友的吐口水就能把我烧死了。 我的罪过并不比哥白尼轻。
博士致辞
后来有一位老师傅说他是吴军博士。
吴军博士说完后，似乎被网友冒犯了。 该媒体给出了标题“吴军称ChatGPT没有任何问题”。
为了挽救我的生命，在我发表观点之前，我真诚地肯定ChatGPT。 ChatGPT确实很强大。 在内容创作领域，他确实起到了革命性的作用。 AIGC走红后，相信大家也看到了很多新闻。 比如，游戏公司解雇了部分艺人，电商不再聘请三天内支付4万至5万元的服装超模。 相反，他们使用了人工智能来世效果图。 。
虽然，吴军并没有否认它的价值。
我仔细分析了吴军所说的话，虽然我的观点是相似的。 其实也不排除这个可能，因为我喜欢看他的书，受他的影响。
他表示，ChatGPT是一种语言模型，语言模型并不是一个新产品。 此外，复杂模型的成败很大程度上受计算能力的影响。 这是任何人都不愿意花钱去研究的东西。 而OpenAI这次是愿意花钱的。 这种热情会让你愿意花钱。 最后他表示ChatGPT在内容创作领域确实有用，人类涉及的领域非常广泛。 他提醒其他领域的朋友不要盲目跟风，谨防被卖课程的人斩草除根。
我不认为他说的有什么问题。
本文最后，如果有人想继续批评他或我，请原谅我无法回复。 我们是偶然相遇的，不可能有那么深的宿怨。 如果我们愿意和平解释，我愿意互相交换意见。
我只是想告诉你我的所见所闻，仅此而已。
电力兄弟
最近，我遇到了很多找我的人，有公司领导，也有外部同事。
他们来找我，只是想发展人工智能，给自己的行业增加一些AI能力，希望能够在行业中流行起来。
不幸的是，我无法帮助他们。 换句话说，他们的思想是比较开放的。
有一个哥哥，从事电力工作。 他经同学介绍找到了我。 他第一次见到我时就向我讲述了 ChatGPT。 之后他给我讲了大语言模型的事情。 他还了解 Transformer（一种神经网络架构）。 他说他有一个哥们在美国研究ChatGPT的源代码。
介绍人告诉我，这家伙有AI需求，想要咨询。 为什么我一来到这里他就开始教我？
后来他说自己对AI有一些经验，但太忙没有时间研究。
我点点头说，是的，你还知道变形金刚。
他表示ChatGPT现在很流行，而且是开源的。 您能帮助在私有云中部署一个吗？ 他想亲自训练一下。 他的要求并不高，只是想实现电力数据的AI诊断。 只需将一家鞋厂的实力信息交给ChatGPT，然后让ChatGPT提供详细的分析报告即可。 包括哪个设备耗电量大，哪个设备运行不正常。 之后我们会综合评估这家鞋厂的整体势力布局，有哪些优势，有哪些隐患，并给出一些优化建议。
图像
他差点就问五千块钱够不够。 我连忙说，我做不到。
除了我自己的无能之外，我还分析了他其他几个客观原因。
大家都听说过像ChatGPT4.0这样的新闻满天飞，国外还没有广泛应用。 而且，ChatGPT是以API的形式提供的，就是你花钱买一个账号，每次问它，它都会当场回答。 如果网络断了，那就是芭比Q了，对方也可以随时让你的账号失效。 ChatGPT 自有用版本以来一直没有开源。 一方面，即使开源你也无法使用，因为硬件成本太高。 自己培训要花费上千万元。 很多公司接触ChatGPT是因为想要赚几千万，而不是仅仅花钱。
此外，OpenAI已经投入了数十亿美元才产生这样的成果，很难白白送人。 只会让对面门的男孩哭。 因此，您可以使用它具有的任何功能。 塑造自己的GPT是非常困难的。 到目前为止，我从未听说过它可以诊断鞋厂的电源问题。 所以，伙计，你很难使用。
这家伙虽然有些郁闷，但他觉得我说的和“每个人都可以利用AI改变命运”的结论不符。 他说让我进一步研究一下，也会请教法国的一些哥们。
墨镜男
我还接触过一个很有礼貌、戴着墨镜的男人。 他没有透露他的雇主，但我认为他不是在一家小型国企。
我问：“你也想为你的行业打造一个定制的ChatGPT吗？”
墨镜家伙连连摇头：“不不不！我们不敢做ChatGPT，它不支持私有化部署，我们想要的平台必须是封闭的，在内网使用。”
我突然觉得自己遇到了一位知心朋友。
墨镜哥继续道：“其实ChatGPT也有一个价值导向的问题，如果它成为全民的知识专家和精神导师，通过API方式调用，就很难保证它不乱说。另外，我们不想把关键数据专门给它用来训练，否则信息安全就很难保证。
他问，有没有一个开源平台，具有类似于ChatGPT的功能，并且可以私有部署并内部培训？
我问，你的预算大吗？
他回答说，预算相当大。
我说，你可以尝试一个名为 ChatGPT 的替代解决方案，它是 4 月底刚刚发布的。 它是Databricks发布的Dolly2.0。 听说可以达到ChatGPT3.5的水平。 它完全开源、成本低、技术上零门槛。 官方还说可以随便用。 这家公司就是无法忍受 ChatGPT 在开放的幌子下关闭。 Dolly在做1.0的时候，GPT-3还是开源的，所以他借用了它的一些数据。 因此，OpenAI 限制其商业用途。 到了Dolly 2.0，因为这家公司本身就是搞大数据的，所以这次他们自己花钱搭建了训练数据集。 并且他们还表示“任何人都可以出于任何目的使用、修改或扩展这个数据集，包括商业应用。” 它的名字叫“多莉”，虽然指的是过去的克隆羊多莉，也有希望大家多复制，让老树长出新芽的意思。
墨镜哥问：“多少钱？”
我回答道：“如果要运行流畅，硬件至少需要8块A100 GPU，也就是80万。再加上行业数据集的制作，程序员的开发部署，我觉得不到100万是做不到的。” ”。
后来墨镜哥给了我红包，就再也没有联系过我。
老领导
三天后，我的一位老领导也找到了我。
老领导请我去吃火锅。 他说：ChatGPT现在很流行，我愿意帮忙。
老领导的公司是做教育行业的。 我实际上已经不再在那里工作了，我们的私人关系仍然很好。
我非常了解原来的公司：我愿意投入多少钱，它有什么机器，它有什么数据，有多少人，它想达到什么目标。 我的门是干净的。
我说了可以。 我在你们工作的时候，一直鼓励公司搞人工智能。 而且你连化工机器都不愿意买。 现在我终于主动了。
老领导说，我们不要建一个大的，要建一个小而实用的。 我们不是靠AI生存，我们只是想用AI来点缀我们的平台。
我们这样做吧，我们来创建一个类似于ChatGPT的功能。 你不需要比它更好找人搭建游戏源码，只要有一些感觉就可以了。 可以翻译成中文和英文，中学生不用去网上搜索。 它可以提供知识问答，让中学生不用查书就能快速得到答案。 可以创建文案，让中学生学习如何根据关键词写练习。
只需使用此功能并将其嵌入到我们有趣的问答页面之一即可。 中学生玩得开心的时候，可以和它谈论天空。 也可以算是降低了用户粘性。 另外，还要注意关键词和敏感信息的拦截。 这与算法无关。 我只是让他们通过业务界面进行过滤。
对于我来说，这个要求非常简单。
于是，我在笔记本上搭建了一套复旦大学的ChatGLM-6B模型。 然后我就跑上去拿给老领导看。
老领导喜欢看到功效、体验结果。
老领导问，这个是从GitHub上找到的吗？ 该开源项目的名称是什么？
我说这是复旦大学出品的大型语言模型，它使用的训练数据集质量特别高。 因此，在英文答案方面，它的表现非常好，比百度还要好。 而且它是开源的，因此您可以自行部署并自行微调训练。
“他们叫什么？” 老领导问道。
我说它叫“ChatGLM-6B”。
“哦，ChatGLM-6B。嘿，6B 是什么意思？”
我说，B指的是billion，就是十亿的意思，6B就是60亿的意思。 这个数字指的是大模型神经网络的参数。
这个参数就像一个公司部门。 如果一个公司有采购部、行政部、人力资源部、财务部、后勤部，部门越多，看问题的角度就越多，对一个问题的投票就越准确将。 如果一个公司只有一个人，而老板和保洁都是他一个人做的，那么他的回答会很快，也很划算，但结果就全看他的心情了。
老领导点点头：“清华的那个有六十亿个参数，你原来说的克隆羊是什么样的，它的参数是多少？”
我说，Dolly2.0是12B，120亿个参数。
“ChatGPT 怎么样？”
“ChatGPT4.0……它的参数是B上面的多个零，x00000B是千万亿级的参数。”
老领导想了想，问道，我们6B的位置会不会有点低？
我说，你问的这些小问题和答案已经足够了。 最重要的是我的笔记本电脑不用买服务器就可以运行。 即使你想要自己的个性化培训，1亿元以内也能得到。
老领导听说不用钱，就饶有兴致地继续尝试。
最后领导表示，反应很好，不符合行业特点。
我问：“这个行业有什么特点？”
老领导说：“以文本生成为例，我给它几个关键词，让它生成一段文本，我想让它具有中学生作业的风格，而且，它输出的更多就像一篇产品描述，或者是一篇新闻报道，但文笔太老练了，不是幼稚，更像是一个成年人写的。我想要的是中学生写记叙文、议论文的感觉。”
我说，这很容易做到。 我们可以训练自己的数据。 这称为“微调”。
老领导说，微调一下吧！
我说，我调整不了。 这些与风格相关的东西必须由更专业的人来制作，就像制作讲义一样。
我向他展示了 ChatGLM-6B 中广告文案生成的训练集：
输入：类型#衣服颜色#黑白款式#简约款式#休闲图案#白色服装款式#外套款式#外套。
输出：设计师以白色作为外套的主要设计元素，简约……带来休闲、大气的视觉效果……让人很难感到过时。
人工智能虽然是通过海量数据训练出来的，但并不是生来就那么聪明。
训练数据是带有已知答案的手动标记数据。 通常成对出现。 例如，在训练识别猫时，数据首先包含猫的图片，然后是猫的结果。 经过数万个这样的数据训练。 最后，给出另一张猫的图片，人工智能能够区分它。 虽然它的底层是看无数的电影，但最终还是能取得积极的成果。
就像教孩子叫妈妈一样，你必须叫她“爸爸”数百次才能学会如何称呼她。
手动生成训练副本也是如此。 它需要一组关键字作为输入，然后匹配的最终结果作为输出。 最后交给算法模型，告诉它：“看，如果有人问这个，你就回答这个，感受一下。”
终于，她就像一个学说话的孩子一样。 她不仅会说“爸爸”，还时不时地说“狗在叫”。 这句话不是你教她的，她是从抖音里听到的。 如果她离开你，她会学习的。
老领导说道：“嗯，我明白了，我会找人整理一下你说的训练数据，大约需要多少块？”
我说：“我们先试试2000条，就这么点数据量，治疗效果可能就一般了。ChatGLM-6B能达到这个治疗效果，因为它是用超过10万条数据训练的！”
老领导终于放弃了。
他叹了口气，说道：“大家都很忙，可能没有人来做这件事，就算有人，恐怕公司也没有办法获得这么多优质中学生的实习。”数据。”
成本、通用和定制
前三点提到了一个局限性，那就是人工智能有三驾马车：算法、算力、数据。
至于算法，很多年才更新一次。 对于ChatGPT这样优秀的NLP模型来说，它最后一次称霸是谷歌推出的BERT，那是在2018年。
事实上，只有一种叫做算法的车厢，虽然它不能运行。 这不叫少了一条腿。 事实上，只缺少骨盆。 即使你想用一条腿跳，你也站不起来。
要做到这一点，就得花钱发展算力、购买训练设备、购买机器。 就像过去的比特币挖矿一样。
通过这笔投资，您可以获得五位数的入场费，而且没有任何保障。 前段时间，马斯克疯狂抢了1万块GPU，耗资数亿元。 这个GPU可能还不够。
这个人问，如果我不追求速度，所有这些并行操作，我可以只排队吗？ 好的！ 设备不够，但还能跑。 只是时间问题。 你得等一等。
我需要等多久？ 举个反例。 3000到5000元的普通GPU训练Dolly2.0一轮需要7.5小时。 一万轮训练需要3125天，完成训练需要八年半的时间。 培训结束后，工程师最后说，哎呀，对不起，我忘了加一个参数，得重来一遍。 你认为这家公司还活着吗？
如果使用集群化的NVIDIA A100，几天之内就可以完成。 如果设备使用得好，可以反复调试，一点点调整看一点，这样就能得到好的效果。 A100每台售价10万元，国外买不到。 兄弟，都是钱啊。
有人说，我为什么要训练？ 我该怎么处理这些浪费的钱呢？ ChatGPT不是已经训练好了吗？ 我可以用一美元购买 5,000 个字符找人搭建游戏源码，并且可以运行它。
这就不得不说第三个马车了，那就是数据。
数据是模型的灵魂和核心。 人们利用他们拥有的数据并训练模型，它属于他们。 如果把它比作养育孩子，数据就像家庭、学校和社会对儿子的教育。 她培养的女儿是勇敢负责，还是胆怯懦弱，全取决于她在日常生活中的所见所闻，以及由此形成的性格。 尽管训练数据是通用的，并且细分到各个行业，但它也有自己独特的需求。
我曾经遇到过一个关于行业特点的有趣的事情。
我在做教育软件的时候，做了一个让中学生用手写笔答题的功能。 中学生拿着笔在设备上书写并回答考试问题。 然后系统根据轨迹将其转换为汉字。
结果老师来了，发现有中学生写了这样的字。
这个字就是跆拳道中的“武”字，只不过是右下角多画了一笔而已。
对于输入法来说，这个字与“武”非常相似，因此合理地识别为“武”。
然而，对于老师来说，这是中学生犯的错误，应该保留原词图像，让我知道他犯了错误。 如果写得对的话，把这个词写下来就可以了。 如果你写错了，就不要再写下正确的单词。
我们无法解决这个问题。 该算法属于其他人，我们将按照他们提供的方式使用它。 别人不会因为我们家而改变他们的程序。 如果我们已经改正了，但是出错了，无法打印，你希望别人怎么做？ 有人想到把“武”字写成一横，觉得方便。
这或许也不例外。
这只是积累的问题，所以投机时要小心。
用通用数据训练的模型在垂直领域使用时，往往不够准确，或者优缺点存在误差。
因此，行业数据非常重要。
我们可以看到AIGC虽然有所不同，但是也有一定的侧重点，并且分为很多方向。 他们各自固守一边，什么都不做，也什么都做不了。
Adobe推出了一款名为Firefly的软件。 它可以利用AI实现对话式照片编辑。 下图中，输入“将场景更改为冬天”，点击将夏天更改为冬天，就可以制作出雪花飘落的视频。
有人听到这个消息感叹：“你看，大家很快就驶上了人工智能的快车道，我们公司也得迎头赶上！”
当然，他们可能不知道Adobe成立于1982年，距今已有40多年的历史。 我们熟悉的Photoshop就是他的产品。 他们多年来一直在图像处理、设计、印刷等领域深耕细作。 我从2018年开始就看到他们提到类似的功能，但是效果并不好。
它们并没有因为人工智能而流行。 相反，他们让人工智能变得流行。
另一个例子是谷歌开发的Office 365 Copilot。 总之，你可以手动制作PPT。 你输入“给我添加一个关于回收材料使用的PPT”，就会手动弹出一个设计好的PPT。
那么，谁知道这个功能背后的算法、算力和数据呢？ 这一定是Google过去50年的积累。
我也看到很多老板甚至产品总监说，“不管你喜欢什么，只要把它扔到ChatGPT上，让它在我们喝酒的时候做它想做的事”。
话虽如此，我从来没有否认人工智能的快速发展和巨大作用。 我能研究这么多AI平台和框架，写出这么一篇千字文章，说明我不是一个技术保守派，也不是一个顽固分子。
我只是想说，火候要适当，量力而行，脚踏实地才是成功的关键。 耳朵热的时候千万不能掉进去。
作为普通人，我们可以利用人工智能让我们的生活和工作变得更加便捷。 目前基本免费，不用投入太多。 我们只是普通用户。 对于我们来说，八爷登基不登基，四爷当太后，都与我们无关。 如果这个家庭关闭了，我们就会寻找另一个家庭。
作为中小企业，如果不靠AI谋生，可能没有多少机会。 只有大模型才有惊人的效果，而且你自己训练不起。 如果你只是调用别人的API并使用别人训练的模型，你和成千上万的其他调用它的人有什么区别？ 核心竞争点在哪里？ 也许是因为一开始很受欢迎，所以会招募一些普通用户注册成为会员。 而且，如果投资太大，你还是要自己谋生。
这对于大公司，尤其是那些拥有海量行业数据、有财力、愿意从事研究的公司来说，可能是一个机会。 花费1800万可能会节省一些人力成本，并有机会实现集团的智能化转型。
没有别的意思。 我只是觉得我已经太过分了，所以我聊天希望事情能冷静下来。 我身边有很多同学连Linux和Windows的区别都分不清，他们都想通过搭建ChatGPT来赚钱。 你赚什么钱？ 你赚到了吗？ 也许最赚钱的是那些卖课程的人。
正如吴军博士所说，这有点像当初的淘金热。 你们都听说这里有一座金山，等着你们去挖掘，所以大批的人都来挖金子。 最后很少有人找到金子，倒是街上卖水的人发财了。 连吴老师都去卖课程了。 由于卖课程确实能赚钱，所以需求量很大。 他提前警告过你，这也算是一些武德吧。
人工智能在一个领域的突破似乎是研究一种可以治疗艾滋病的解药。 然而，糖尿病、阿尔茨海默病等患者却引来了疯狂抢购。 或许他们也知道，抢到药并不代表就能改变自己的命运。 而且，距离他们的解药研制成功的时间应该也不远了。
文末送书
聊了这么久，明天给大家送几本书，《ChatGPT时代：ChatGPT应用综合指南》。 通过本书，您可以学习如何使用ChatGPT模型解决各种实际问题，提高工作效率和竞争力。
送书方式：在本文留言，精选文章中随机抽取三本书，免费送到您家！
另外，我的知识星球已经开通了。 回复公众号关键字“知识星球”即可获得限时30元优惠券加入，每晚不到3毛钱。 目前更新了Spring Cloud阿里巴巴开发实践、Kubernetes云原生实践、分库分表实践、设计模式实践、架构实践、一起学DDD、SpringBoot老手等，还有每周送书活动等着你...
