Meta发布全新大型语言模型LLaMA，加入硅谷AI竞赛

当地时间2月24日，Meta公司发布一款新的人工智能大型语言模型LLaMA，加入微软、谷歌等硅谷公司的竞赛。Meta首席执行官扎克伯格在Instagram表示，LLaMA模型旨在帮助研究人员推进工作，在生成文本、对话、总结书面材料、证明数学定理或预测蛋白质结构等更复杂的任务方面“有很大的前景”。Meta表示，在大多数基准测试中，参数仅为十分之一的LLaMA-13B的性能优于OpenAI推出的GPT3(175B)，也即支持ChatGPT的GPT3.5的前身。 来源 1，2

使用基于 ChatGPT (非API-KEY调用) 和 官方微信 hook 接口 的 ChatGPT-weBot 机器人。

https://github.com/SnapdragonLee/ChatGPT-weBot

#chatGPT观点

在基于AI重构互联网软件生态的过程中，首当其冲的应该会是前端。

ChatGPT和New Bing已经让我们看到使用自然语言作为人机界面几乎可以对搜索引擎产生降维式的碾压效果，其原因是AI能在相当程度上“理解”用户的意图。

典型互联网App前端的工作流程无非是从服务器拉数据呈现出来，通过交互元素收集用户输入，再通过API发送给服务器。

当AI的车轮碾过时，什么布局、排版、界面风格、交互逻辑、引导提示，全都不重要了，一个聊天框全搞定。

例如设计合理电商App可以让用户很方便地在历史订单中找到某次购物记录，然后还贴心地加了个“再次购买”的快捷操作，不可谓不细致。

但是不论你怎么设计都不如我按一下麦克风按钮直接说：上次买的牛奶再来一箱。

我们知道很多大老板几乎完全不会用手机，毕竟手机App交互设计得再好也不如跟秘书说一声简单。

技术上应该没什么明显障碍的，ChatGPT已经有根据自然语言去调用API的能力了（连代码都能给出来，只是没权限真去调用）。

当然现阶段AI有其弱点，就是模糊性和不确定性，不过放在前端也还好，实际操作前都可以让用户确认一下。

估计几年之内，各大互联网厂商都会有能力训练出自己的阿猫阿狗GPT，然后App里会上线一个啥都能干的聊天框。

再后来用户渐渐习惯了这个输入框，客户端的更新也慢了下来，直到有一天这个聊天框连推荐贷款都学会了，每个App几乎都只剩下一个聊天框。

到这时候AI仍然不会写前端代码，但是前端程序员的规模将萎缩80%，产品经理、UI、UX等职位亦受波及。

微软刚刚发布了多模态大语言模型的论文：Language Is Not All You Need

模型命名为：MOSMOS-1

网友直呼: 这个领域太卷了，不睡觉都赶不上进度😂

Deep Learning Do It Yourself

推荐这个深度学习的课程，理论 + 实践结合。

比如如果最近对大模型比较感兴趣，可以直接看第 12 节：Attention and Transformers

dataflowr.github.io/website/

#OpenAI 刚刚 launch 了 #ChatGPT 背后的模型：gpt-3.5-turbo

现在可以在 API 中使用这个模型了，比 text-davinci-003 便宜 10 倍（1k token / $0.002）。

另外也 launch 了 whisper 的 API，可以直接通过 API 的方式来做语音识别。

已经可以想象到某些公司推出自己大模型时的场景：成本高、效果差，价格和 OpenAI 相比还没有优势。

Drawing dead.

https://openai.com/blog/introducing-chatgpt-and-whisper-apis

#AI训练师

或许对于某些人，这也是一种与世界建立连接的方式，而且对于女性更有利。

聊一下AI训练师这个岗位：2023年的AI训练师已经不是数据标注员，，有专人去做数据标注工作，她们更像是算法模型的熟练操控者。不少从业者都是强文科背景，名校毕业。这个在一二线城市的高强度全职工作岗，可能已经不适合宝妈了。还有，确实到目前为止我只见过1位男性训练师。

OpenAI语音转文字，Whisper large-v2模型在识别英语、意大利语、德语时的单词错误率都能控制在5%以下，日文错误率是5.3，但中文的错误率达到14.7%。

某厂 500w-2000w招chatGPT算法领头人。

朋友们，只能帮你们到这里了😂

AI 新知： 像大脑一样学习的多模态（极简版起源故事）
Jeff Dean: AI isn't as smart as you think -- but it could be | TED

以下内容来自Jeff Dean 去年在TED 做的分享，面向所有人。无需担心技术理解力，更依赖你对大脑本身的好奇心。
原始链接🔗： https://youtu.be/J-FzHIQ7SOs

Jeff Dean 二十多年前加入谷歌，领导着谷歌的人工智能研究与健康部门。

核心内容摘要如下：
（这是我的几点解读，供非专业人士参考）
🧠 神经网络的机器学习突破是来自科学界对大脑的运作规律的理解（它是自下而上的）
🧮 算力是重要且有效的，深度学习突破了识别猫咪、机器翻译到 AlphaGO 等单一任务
🙉 AI的单一任务导向的训练是极为低效的，可以请想象成我们从小失去听觉、嗅觉、味觉（去观看电影的感受）
👂 多模态的思想，是进一步模拟大脑运作，就像生物拥有多种感觉来整合认知世界
🎸像大脑一样多个区域进行超高效率的协作，是学习真正的「奥义」；AI的多模态即对大脑深度的模仿。