浅谈大模型的出现

继ChatGPT掀起了AI新的革命后，人们开始相信：无论是对于自然语言，还是机器视觉，只要有足够多的数据，足够大的算力能支撑算法去训练和学习，必然可以得到一个“神通广大”的大模型。热血过后，AI相关的从业人员开始反思，一边觉得振奋人心，工作或者研究的重心要换了；一边又因感受到职业危机而多了几丝焦虑。这不过了没多久，自然语言的、多模态的开源大模型应运而生。

AI算法模型开发流程上的颠覆

对于一家将AI算法落地的企业，按照以往传统的AI算法开发流程，首先需要根据产品智能化的需求提炼出算法模型需求，比如要给产品中加入一个检测人是否戴口罩的功能，算法开发人员去提出数据及标注要求，数据处理人员去按要求采集、标注数据，算法人员再去拿这些数据作为训练集、测试集去训练、测试、优化模型。而现在如果有一个大模型，或者多模态的大模型，已经具备了这个我们提炼出的算法模型功能，那么对于AI算法开发人员，还有必要从0开始开发吗？是不是只要在这个大模型基础上去增加些对应的数据，在满足要求的算力上去训练优化模型呢。

最近偶尔会听到AI算法开发同事闲聊：

A：“刚下载了个开源的大模型，输入“烟雾”一下就检测出来了，还比我们的模型准，这还要我们干什么呀。。。”

B（恐慌中夹杂着兴奋）： “真的嘛，我瞧瞧”

这种环境下，大家开始投入精力研究开源的大模型了，以及如何为我司产品所用。

基于语言和图像的预训练模型：

GitHub - microsoft/GLIP: Grounded Language-Image Pre-training

大家测下来的效果有几点：

1、功能比较多，但未必每个目标的检测或识别都很准确；

2、大模型显存占用非常大，想要训练起来要求很强的算力；

以后是不是可以开发出一个满足公司所有智能产品需求的大模型，这样就可以大大减少算法开发的人力了呢？但毕竟大模型对显存要求是很高的，又该如何平衡和实现呢？嗯，大方向是有了，但探索实践的路途仍比较长。

数据标注方面的颠覆

对于我司数据标注人员来说，同样的，兴奋中夹杂着恐慌。既然大模型这么强大了，会不会有一天根本不需要标注了，这是恐慌的原因；另外，是不是可以先用大模型预标注下，再去人工标注呢，这样大大减少了工作量。

既然通过大模型对数据进行预标注，一定程度上肯定会提高标注效率，那么对于用开源的大模型实现预标注的工具可以预研和开发起来了。

我们主要涉及下面两个，罗列出来，也许你用得到：

一个是检测识别类的：

GitHub - IDEA-Research/GroundingDINO: The official implementation of "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"

一个是像素级标注的：

https://github.com/yatengLG/ISAT_with_segment_anything

最后

ChatGPT的惊人效果让我们不得不重新审视人工智能。对于AI我们需要客观看待，不可过渡夸大，觉得马上机器就可以具备人的情绪和一切思考力，对人类带来威胁之类的；但也不可轻视，要以开放的心态去拥抱新技术，去实现新的可能。