如何看待当下：大模型越“火”，“打工人”越慌 ...-优快云博客

近些年，AI技术似乎总是以一种耸人听闻的方式，不断博取大众的眼球。随着GPT系列的大模型技术的出现和流行，AI的行为表现与人的行为越发地趋同。

人们觉得AI和人很像，似乎具有不可估量的潜力，除了多如牛毛的创业团队以及资本的吹捧。更多的，是千万白领打工人对于实业的"担忧"…

会议纪要、电子邮件、excel表格，ppt，这些原本可以不动脑子就完成的基本信息规整类工作，都几乎被AI代替了，人的价值要想凸显，也就变得更卷了，不上点心好好工作，真的会被淘汰 …

除了可以做基础活儿，AI让人压力最大的是“会说话”，可以像人一样说话交流，提供情绪价值，甚至可以把话说的漂亮，懂得一些日常交流的套路。

**能聊天，是AI和人最接近的地方。**因为语言是智慧的表达，所以如果话说得好，自然就显得很“聪明”。

那么，这两年AI的表现真的突破“奇点”和人接近了么? 人类距离完全被AI替代还有多远？

回答这个问题，必须从AI的底层机理来看。

稍微懂一点AI基础理论的话，自然知道大模型是基于所谓"黑盒"的Transformers架构。巨大的参数量，只是为了量化数据字符的相关性，不代表具有信息的可解释性。

从输入字符到输出字符，背后到底有没有经过理性的逻辑和推理，这件事到现在没人能说清楚，也许只是基于字符关联性做了一些统计拼凑，并非真的基于“数据-信息-知识-结论-数据”的链路来操作整个对话任务的。

因此，如果说仅仅是因为说的话像是经过“动脑子”的，就说AI的思维像人了，这个论调毕竟有些偏颇。

当然，现在也有很多头部技术厂商寄希望于大规模参数会涌现更高级的智能，就像人脑的脑神经元突触数量其实远大于大模型的参数量——所以人脑比机器更加聪明。

例如，在一些语言类大模型的技术产品中，我们看到可以做一些基础计算题和逻辑推理题，也能完成一些简单的公式证明。仿生学的逻辑在AI的下一步发展是否行得通，也是学界和工业界比较激烈探讨的议题。

其实，大模型技术这么火，并不是说真的已经做到了多强大，而是**Ta让我们看到了A****I的潜力，例如：**对不同任务泛化性、表达多样性、小样本学习能力，以及多模态交互属性等等。

当然，要想真的做到完全替代人，还是有一定的距离要走。

**在具体业务场景中，90分和100分的差距是“难以想象”的。**AI不能完全脱离人，但是可以在人的手中变成很好的工具，人和AI是互相成就的关系。

AI为人提供有价值的信息、知识，而人需要做出判断，进行关键决策，以及在重要的业务节点告诉AI对了或是错了，以及下一步应该做什么。

在工作中，所有核心的信息处理逻辑必须是要由人来完成的！

因为，只有人才知道真实的业务逻辑以及具体事务的处理尺度。现实生活中的事务决策绝大多数都是“非线性”的，而这些"非线性”决策，在图灵机时代，似乎有点"超纲"了。

当然，这并不是说打工人完全不用焦虑AI对自己的影响。一个新事物出来了，必然会影响到产业结构和生产力结构的变化。人和数字化技术的关系越来越紧密，这是一个不可扭转的大的趋势。

对于打工人来说，先不纠结有了AI会不会失业，至少，多一个智能办公工具可以偷懒，总归是没什么坏处的 …

随着大模型的持续爆火，各行各业都在开发搭建属于自己企业的私有化大模型，那么势必会需要大量大模型人才，同时也会带来大批量的岗位？“雷军曾说过：站在风口，猪都能飞起来”可以说现在大模型就是当下风口，是一个可以改变自身的机会，就看我们能不能抓住了。

那么，我们该如何学习大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。至于能学习到多少就看你的学习毅力和能力了。我已将重要的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。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。