|
fb 原创文章第215篇，专注“个人成长与财富自由、世界运作的逻辑与投资"。 早上发现上一篇群发竟然失败，原因是违规了，这是第一篇没有发送成功的文章。 罢了，懒得修改了。 今天想说说AIGC。 以chatGPT为代表的AIGC非常火，街头巷尾，恨不得菜市场的大妈都能聊上两句。 核心原因，chatGPT效率惊艳，媒体炒作，另外chatGPT的场景确实落地，对一些场景的工作提升着实有效。 作为从业者，我们在兴奋的同时，也要冷静，不能人云亦云。 我关注以下几个问题： 1、chatGPT为代表的文本生成技术，到底是像alphago这样“昙花一现”的媒体炒作，还是人类真正迎来了"iphone时刻"，甚至是“万维网”发明的时刻——也就是奇点临近，强人工智能有了路径。 2、普通人如何参与到这场军备竞赛中，至少不被时代淘汰？ 知识星球里已经热炒了一波，好多星球涌进一大批人，当然主体并不是关心技术本身，而是chatGPT衍伸的应用。
大模型“群雄逐鹿”：
01 那些年，被媒体爆炒的概念 光这几年，经历的概念就不少。 深度强化学习——以alphago为代表，区块链，元宇宙。 alphago打败李世石后一年，alphamaster从0开始称霸宇宙。文人墨客开始炒作机器人要统治地球，结果吴恩达一盘冷水——先教模型认知一只猫吧。 区块链以BTC最为人熟知。知名投资人奔走疾呼，说区块链是万维网时刻，all in区块链之类的。这些年过去，除了韭菜，似乎落地的不多。 元宇宙出了几个数字人，和facebook的Meta all in 元宇宙后股份大跌之外，也没有什么动静。 互联网和资本市场这种事情太多太多。 概念，炒作，热钱，这次是不是一样呢？ 02 核心逻辑 什么叫“iphone时刻”？ iphone为代表智能机取代功能机，手机不再仅限于打电话发短信，而是以应用市场为代表的平台，它的功能随着开发者的进入，可以有无限的想象空间。 iphone非常有“创新性”的去掉手机键盘，改进触屏式交互方式。简单说把“触屏电脑”放进口袋，并重新定义软件的交互方式。 事后看，也“挺简单”的。 但第一个提出来并做出来，还把体验做得这么好，也只有乔布斯一人。 互联网的发明更不必说，把全世界电话连成网络，世界变成了“地球村”。极大提升人类连接与信息交换的方式，重塑了全人类的生活方式。 ”iphone时刻“，一定是一项新发明，极大的提升的生产力。 万维网让电脑互联，iphone为代表的智能机让人们随时互联，iot是万物互联。 区块链只是一种“低效”的信息存储方式，深度学习本质是多层矩阵运算与反向求导，元宇宙的基础技术AR、VR看起来不错，但技术很不成熟，真能达到“三体”里的游戏水平，那才称得上元宇宙，这个技术离成熟还有相当的距离。 人类区别于动物最重要的两项技能，一是会制造工具，二是发明了语言。 工具如飞机，高铁，大大提升我们的腿的能力，可以让我们跨越万水千山，不必靠基因进化，自身力量进化出什么样的功能。计算机作为我们大脑的延伸，帮助我们记录，存储很多信息。 语言更加重要，有人语言，文化知识得以传承，知识体系得以构建，人类文明以指数级速度快速发展。 所有的人类知识，都是以语言文字的形式来传承，文字里包含了一切知识，也只有人类需要花数年甚至更久的时间还学会读书、写字。 那么一个问题就来了，如果我们的工具计算机学会了人类的语言会怎么样呢？ 学会了语言就可以“构建”出其它“任何”东西，甚至是一切！ 古人学会四书五经，会吟诗作对，就是一方才子。 信息爆炸的今天，我们目之所及只是沧海一粟，很多细节细究起来，我们其实一无所知，包括历史，心理，科学。 但是，这些东西都真实地存在于书本里，网页里。 大模型是一个见过非常多文本知识的神经网络，因为足够大，它“学会”了语法、语义——概率上的。但大模型的“涌现”效应，书读百遍，其义自现！ 根据你输入的上下文，给定“最大概率”的“续写”。——这是大模型文本生成式。 从技术形式上，把一段文本编码后，去“预测”后续文字的概率。 早年的gpt就是这种续写的“玩具”。 直到gpt3.5横空出世。 你输入任何问题，它会“可控”地给出回答，它不是检索，它会推理，会组织语言。 传统智能问答里的几个难点像意图识别、多轮对话的背景信息保持在大模型面前似乎都完美解决了。 像武侠剧里的江湖百晓生，或者段誉背后的王语嫣——通晓天下武学招式。 人类多数时候都在做决策，做决策依照经验，数据，信息来权衡。而大模型知识丰富，学富五年，无所不知。 这样带来的生产力提升可想而知。 这一次确实不太一样，AI生成式大模型，值得我们持续跟进。 03 kensho智能问答 做量化投研的人都知道kensho。 kensho是一个智能问答，你可以问它“朝鲜试射导弹后，美股哪支股票涨幅最大？”。 当时金融圈也被这个产品吓了一跳，国内也有一众公司跟进。 这里要解决的核心问题，前端的问答引擎，需要识别出意图，这个对于大模型就是天生自带的能力。 kensho后面有大量的结构化的数据，通过对事件的统计相关分析，按一定的推理链条给出结论，最后以人类语言的形式把结果呈现出来。 这三步也是gpt自带的，生成式本身就是做这个的。 中间的数据分析引擎，去查库，上网查资料，做相关分析等，目前还不确定。上网查文本信息这个路径有解决方案，但如何查询特定的数据库、知识图谱等——或者反过来，如何把知识图谱，数据库结构化信息给嵌入到大模型的分析过程中。若可以，就可以利用大模型很好地使用私域数据。 我自己跟踪kensho多年，当初学nlp，很大一部分是受此启发，aigc时代，再次燃起这个念想，真正的智能投研引擎。 后续计划：
1、深度体验chatGPT及国内竞品。 2、搭建自有模型，考虑补充私域数据，prompts模型等，考虑如何接入金融文本数据，金融知识图谱，金融数据库等。 |
|
|
