吴恩达分享五个AI趋势,重点谈了多AI代理的美好前景

吴恩达深度解析Agent的四种工作方式 当我们讨论AGI时,Agent的工作方式无疑占据了技术前沿的中心舞台。随着大模型的快速进步,我们见证了各种新模式的涌现,这些模式不仅提升了llm的效能,更在根本上改变了它们与人类互动的方式。最近一个月时间,吴恩达在社交媒体上分享了关于AI代理四种工作方式的见解,这些内容不仅洞察深刻,还为AI的应用开辟了新的可能性。他的讨论不仅令人兴奋,更是对所有关注人工智能发展的人士的一次宝贵启示。接下来,让我们一起探索这些工作方式,并思考它们如何使得AI代理在执行复杂任务时更为高效和智能。 阅读详情

吴恩达最近发表评论,认为AI最大的机会点在于构建好的应用方案,“层层解构 AI 产业链,从打下基础的半导体,向上到云端和模型开发,都是受到瞩目的技术层面,但如何应用AI其实涵盖更多机会”。

其实说的也是AI代理的概念,他在 AI 产业链上新增了“Agentic Orchestration Layer”概念,代表公司之一就是LangChain,提供的服务便是“多AI Agent合作”的趋势,通过下达不同的复杂指令,将不同功能的AI Agent 整合为一个能完成大型任务的Agentic AI 生态体系。

类似于kubernetes编排容器,在大模型领域他提出了“代理编排”的概念,有别于普遍“一个口令一个动作”的AI,AI 代理能为生成式 AI 的发展立下一道分水岭,仰赖的是它自主决策和行动的能力。

实现AI 代理的方法则是建立代理工作流程(Agentic Workflow),简单来说,可以在同一个大型语言模型(LLM)中,建立不同任务的 AI 代理,交由他们互相协作。

举个例子,当负责写程序的AI 运行时,另外能有一个AI 监督各个动作的正确度,并给予反馈,让程序做出对应更正,形成“思考、修正再思考”的循环作业过程,直至完善。人类只要一开始分配好任务,就可以退场,让AI 代理们各司其职,合力完成工作。

再举个例子,AI代理电话给餐厅为家庭聚餐订位,而餐厅端接电话的也是 AI,能依照客人用餐频率、饮食习惯、人数等,迅速安排最合适的订位,“这是一个‘agent to agent’的沟通。”

最后吴恩达分析了五个AI 趋势。

1:不断增加的 AI 算力需求,突显更快速和便宜的 token 重要性,半导体产业能继续贡献力量。

2:构建以 AI 为本的产品与服务原型变得非常高效,这正在改变企业创新流程。

“现在很容易生成 20 个点子,其中 19 个不好用,丢掉就好。。

3:当前 AI 已经大量运用文字技术,未来 AI 将走向多模态(Multimodal)形式,从文字往图像分析发展,可以关注制造、自动驾驶和安全等领域的视觉 AI 应用技术。

4:数据引力正在下降,也就是说数据“移动”的成本变低,这个观点很新颖,代表未来的云服务的迁移成本会小很多。

5:数据工程的重要性正在上升,特别是在非结构化数据,例如文本和影像的管理方面。

随着生成式 AI 向“代理”的方向迈进,B2C和B2B都会出现很多创新应用。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

Vivado安装教程:多版本共存的配置技巧 详解Vivado安装教程中的多版本共存配置技巧,帮助用户在同一系统中管理不同版本的Vivado开发环境,提升开发效率与兼容性,适用于需要切换版本的FPGA开发者。 阅读详情

相关推荐

【隐私计算】从本地加法到在线乘法:Beaver Triple如何重塑算术秘密分享的运算效率

本文深入探讨了Beaver Triple在算术秘密分享中的关键作用,显著提升了隐私计算中的乘法运算效率。通过对比加法与乘法的实现差异,详细解析了Beaver Triple的预处理机制和在线计算优化,展示了其在减少通信量和计算时间方面的革命性突破。

weixin_29227585的博客 438

RAG 技术真的“烂大街”了吗?

大语言模型技术迅猛发展的脚步,正引领着信息检索技术进入一个新的纪元。在这一领域中, RAG 技术将传统信息检索技术与大语言模型技术相结合,为知识理解、知识获取提供了全新的解决方案。然而,尽管 RAG 在很多任务上表现出色,其在深度应用上仍面临诸多挑战。

2401_85373396的博客 1367

GOM引擎单机传奇架设全攻略——从DBC2000配置到登录器生成

本文详细解析了使用GOM引擎架设单机传奇的完整流程,从DBC2000的安装配置、服务端部署、引擎控制器设置,到登录器生成与客户端补丁放置。文章重点解决了单机架设中的常见问题,如数据库路径配置、IP地址设置及Key.lic文件处理,旨在帮助玩家快速搭建稳定的个人游戏环境,体验GM乐趣。

weixin_28318011的博客 640

我用unsloth将Qwen3大模型微调成了一个脑筋急转弯专家

参考: https://help.aliyun.com/zh/egs/user-guide/install-a-gpu-driver-on-a-gpu-accelerated-compute-optimized-linux-instance。微调会比较耗时,主要取决你的硬件配置以及脚本中你设定的max_steps参数,这个数值越大,它训练的时间就越久。数据集对于微调来说,是很重要的一环,数据集质量的好坏直接决定了你微调的效果。此次微调我用的是Qwen3-4B的版本,相对来说参数量不大,而且效果比较好。

机器学习社区 1199

机械拆装-基于Unity-总体设计

建立一个机械装配的场景

唐小墨同学的博客 2779

Proxmox VE(PVE)与UPS联动配置:实现智能断电保护方案

本文详细介绍了为Proxmox VE (PVE)服务器配置UPS智能断电保护的完整方案。通过安装和配置apcupsd软件,实现PVE与UPS的联动,可在市电中断、电池电量不足时自动触发安全关机流程,有效保护虚拟机数据与服务连续性。文章涵盖了硬件选择、软件配置、策略设定及实战测试指南,并扩展了网络共享UPS的高级应用。

python9snake的博客 512

ragflow本地部署的问题(文本解析不了)

对于本地部署的ragflow出现的问题,进行的解决。

lyf120622的博客 2万+

【知识图谱】Neo4j基本操作及数据库文件导入(graph.db.dump)

初探Neo4j导入数据备份数据客户端操作导入csv文件指定csv文件格式使用命令行导入csv文件附录 请读者参考上篇博文 Neo4j安装教程 导入数据 若开启服务,先在终端停止 Neo4j 服务 ./neo4j stop 接下来,下载射雕三部曲的数据库文件 wget https://labfile.oss.aliyuncs.com/courses/1354/graph.db.dump 下载完将出现 graph.db.dump 文件: 将数据库文件导入到 Neo4j 中 首先进入neo4j 根目录下:

全网粉丝30W+,优快云、稀土掘金人工智能领域签约作者,人工智能、大模型、Python 爬虫,商务合作,请私信沟通。 8621

实操来了!Unsloth:手把手教你微调Qwen3。

本文介绍了Qwen3大模型的微调优化方法,重点展示了如何利用Unsloth工具提升训练效率。主要内容包括:1)使用4bit量化加载模型,结合LoRA适配器减少参数更新量;2)混合推理数据(75%)和非推理数据(25%)进行训练,平衡模型能力;3) 通过SFTTrainer进行高效微调,支持多种保存格式(16bit/4bit/GGUF)。文章还提供了完整的代码实现,涵盖数据处理、模型训练、推理测试到模型保存的全流程,并分享了AI大模型学习资源。该方法显著降低了显存需求,提升了训练速度,适用于需要保持推理能力的

2401_85375151的博客 1812

Docker(八):Docker Compose(容器编排) 管理多容器应用—实战案例演示

🟢 Docker(八):Docker Compose(容器编排) 管理多容器应用—实战案例演示

✨ 欢迎来到【Seal ^_^ 的优快云博客】!✨ 6万+

图像处理:张量分解在图像处理领域的应用

随着计算机视觉和图像处理技术的快速发展,图像数据呈现出高维、多模态、海量等特点。传统的矩阵分解方法已经无法有效处理这些复杂的图像数据。张量分解作为一种高阶矩阵分解方法,可以很好地捕捉图像数据的高维结构信息,在图像处理领域展现出巨大的应用前景。本节介绍几种常用的张量分解算法,包括高阶SVD(HOSVD)、Tucker-ALS、CP-ALS等。这些算法的核心思想是通过迭代优化的方式,交替更新张量分解的因子矩阵,直到收敛为止。综上所述,本文系统地介绍了张量分解技术在图像处理领域的应用。

AI天才研究院 7108

手把手带你搞懂Deepseek-V3 低成本知识库,收藏这一篇就够了!!

1 可以通过 api 添加各种模型 2 上传文档就能本地新建知识库 3 各种 AI 工具直接打开 4 知识库配合 deepseek 3 ,加上 COT 提示词 效果不错 5 还能画图 6 有简单 Artifacts 功能,直接渲染代码 7 可以多个模型一起回答问题,就是样式是直接铺下来的。

2401_85325397的博客 1万+

信号检测算法的MATLAB仿真:能量检测、循环平稳检测和匹配滤波检测

根据具体的应用场景和要求,选择合适的信号检测算法可以提高系统的性能和可靠性。在无线电通信中,信号检测是一项重要的任务,它用于检测和识别接收到的信号。在本文中,我们将介绍三种常用的信号检测算法:能量检测、循环平稳检测和匹配滤波检测,并提供相应的MATLAB源代码进行仿真实现。在上述代码中,我们首先设置了能量检测的阈值,然后生成了一个包含1000个服从正态分布的随机信号样本的信号。在上述代码中,我们首先设置了信号模板,然后生成了一个包含信号模板的信号样本。最后,通过比较相关性的最大值与阈值来判断信号是否存在。

PixelLancer的博客 1363

吴恩达对话业界领袖:揭秘2025人工智能五大风口

来源:AI寒武纪吴恩达(Andrew Ng)在新年伊始,与我们分享了他对人工智能未来发展的个人见解,吴老师特别指出,AI正在降低软件开发成本,使得快速构建软件原型变得前所未有的容易。无论是为孩子制作抽认卡,还是管理国际账户的外汇汇率,亦或是自动分析用户评论以快速发现产品问题,AI辅助编码都能迅速实现这些应用。吴恩达认为,AI辅助编码在原型开发中尤为有效,因为原型通常不需要复杂的上下文和软件集成,且...

人工智能学家 2580

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

AI 创业的机遇、趋势与实践指南 - 吴恩达在 YC AI Startup School 演讲深度解读

摘要 吴恩达在YC AI Startup School演讲中分享AI创业核心观点:1)应用层蕴含最大机遇而非基础模型层;2)Agentic AI(代理型AI)正成为重要趋势,其迭代式工作流显著提升产出质量;3)创业成功关键在于"速度优势",需聚焦可立即开发的具体想法,利用专家直觉快速决策,并通过AI降低原型验证成本;4)驳斥"AI使编程过时"论,主张全员学习"指挥AI编程"的能力;5)指出产品管理正成为AI开发新瓶颈,需建立快速反馈机制;6)强调深

移动端开发干货分享 1699

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

吴恩达最新演讲:AI Agent工作流的未来

总之,我认为采用这些代理推理设计模式能够显著提高我们的工作效率。

2301_76161259的博客 894

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

吴恩达深度解析Agent的四种工作方式_agent 观察是谁在做

当我们讨论AGI时,Agent的工作方式无疑占据了技术前沿的中心舞台。随着大模型的快速进步,我们见证了各种新模式的涌现,这些模式不仅提升了llm的效能,更在根本上改变了它们与人类互动的方式。最近一个月时间,吴恩达在社交媒体上分享了关于AI代理四种工作方式的见解,这些内容不仅洞察深刻,还为AI的应用开辟了新的可能性。他的讨论不仅令人兴奋,更是对所有关注人工智能发展的人士的一次宝贵启示。接下来,让我们一起探索这些工作方式,并思考它们如何使得AI代理在执行复杂任务时更为高效和智能。

Z4400840的博客 970

提升LLM能力表现的四种AI代理策略

作为早期参与神经网络和GPU发展的科学家,以及Coursera和deepLearning.ai的创始人,我见证了人工智能领域的快速发展。特别是,我领导的Google Brain项目在推动深度学习和大规模计算方面发挥了重要作用。然而,今天我想聚焦的是AI代理,这是一个我认为每个从事AI工作的人都应该关注的兴奋趋势。我们当前使用语言模型的方式,很像是一个非代理的工作流程,你给出一个提示,它生成一个回答。这就好比让一个人写一篇论文,但从头到尾不能使用退格键。尽管这样做非常困难,但我们的模型做得出奇的好。

python12345_的博客 1190

吴恩达谈AI人才供需鸿沟:2022年前的学习方式已跟不上市场需求!

吴恩达指出当前AI人才培养与市场需求存在巨大鸿沟,企业需要"AI原生"工程师,看重其AI辅助设计、AI积木搭建应用和快速迭代能力。虽然"AI原生"应届生可能超越传统开发者,但最优秀的是紧跟AI变化的资深工程师。2022年前的部分技能正在过时,但计算机基础原理仍然重要。懂AI的开发者需求增长迅速而人才缺口大,导致CS毕业生失业率与AI工程师薪资同时上升。

Trb701012的博客 840

AI+BI第二弹:QuickBI已支持智能搭建&智能问数

在这样的设置中,你可能有太多的函数可供使用,无法将它们全部放入LLM的上下文中,所以你可能会使用启发式方法选择最相关的子集包含在当前处理步骤的LLM上下文中。这会导致LLM调用和代理之间的信息传递的嘈杂声,从而产生非常复杂的工作流。吴恩达(Andrew Ng)教授,DeepLearning.AI和AI Fund的创始人,在美国红杉资本于2024年3月26日举办的AI Ascent活动中,谈到了人工智能代理工作流程的未来及其潜力,这些工作流程有可能显著推动人工智能的进步,甚至可能超越下一代基础模型的影响力。

南七小僧的学海无涯 2159

人工智能的未来——AI Agent和Agentic AI的区别与联系

更倾向于描述人工智能的能力,专注于其自主性、适应性和目标导向行为。

2401_85373898的博客 2310
上一篇: 转行AI-从Dify开始实践-Agent详解
下一篇: ACL24|知识图谱提示激发大模型的图推理
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2841原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值