OpenAI,悄然更改了核心价值观(Core Values)。
曾经的它,在自家官方网站中列出的六大核心价值观是这样的:
Audacious(大胆)、Thoughtful(深思熟虑)、Unpretentious(谦逊)、Impact-driven(影响力驱动)、Collaborative(协作)、Growth-oriented(成长型)。
现如今,若是再浏览官网,其核心价值观已然发生了翻天覆地的变化。
不仅从“六大”缩减到了“五大”,就连内容都换掉了:
AGI focus(聚焦AGI)、Intense and scrappy(热切且斗志昂扬)、Scale(规模化)、Make something people love(做人们喜欢的事物)、Team spirit(团队精神)。
而且“AGI focus”赫然位列核心价值观之首:
We are committed to building safe, beneficial AGI that will have a massive positive impact on humanity’s future.
我们致力于建立安全、有益的AGI,这将对人类的未来产生巨大的积极影响。Anything that doesn’t help with that is out of scope.
任何对此没有帮助的东西都不在讨论范围之内。
尤其是第二句,说得直白一些,就是“任何跟AGI无关的都别来沾边”。
其实早已有迹可循
OpenAI对AGI如此重视也并不意外。
毕竟CEO Sam Altman已经不止一次对AGI做过评价,例如他曾在官网博客中把AGI描述为:
通常比人类更聪明的系统。
但在后续的采访中,他将这个定义降级描述为:
相当于一个中等水平的人,你可以雇佣它作为同事。
△Sam Altman,由Midjourney生成
而且他在个人的 X(原推特)中,也经常谈及对AGI的想法:
构建AGI是一个科学问题。
构建超级人工智能是一个工程问题。
就连收到同事送的《塞尔达传说》游戏,在表示这款游戏害得他落下许多工作之后,也不忘提一句AGI:
AGI延迟4天。
不过对于OpenAI更改核心价值观这一行为,有人却觉得很不OK:
说改就改,这还是核心价值观吗?
但在OpenAI的发展历程中,类似这样的变化也并非第一次。
例如在最初2015年成立的时候,OpenAI还是一家非营利性研究实验室,本质上意味着构建好的AI来对抗坏的AI。
后来在慢慢的发展过程中,OpenAI却与“非营利性”逐渐背道而驰,这也导致马斯克等人的陆续退出。
至于OpenAI的使命和愿景,自2018年发布以来至今却没有变过,依旧是:
确保通用人工智能(AGI)造福全人类。
那么对于此次更改核心价值观这件事,你怎么看呢?
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。
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
】
123?spm=1001.2014.3001.5501)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
】