Чому великі моделі вимагають продуктивності, але вартість робочої сили залишається високою?

Оригінал: Qiao Zhibin

**Джерело: ** Big Model House

Джерело зображення: створено Unbounded AI‌

Примітка редактора: поява великих моделей зробить людей, які можуть використовувати ШІ, більш цінними.

На тлі великих проривів у технології великомасштабних моделей сфера штучного інтелекту отримала безпрецедентну увагу.Застосування цих моделей у сферах розуміння мови, створення тексту та автоматизованого обслуговування клієнтів значно підвищило ефективність роботи та заощадило багато часу і грошей.ресурс.

Сьогодні технологія великомасштабної моделі штучного інтелекту користується широкою перевагою та стала однією з рушійних сил для «зниження витрат і підвищення ефективності» в різних галузях промисловості. Вона широко використовується у фінансах, медицині, роздрібній торгівлі та інших галузях і стала головною силою сприяння новому витку промислової революції.

Однак чи може популярність великої моделі техніки справді зменшити витрати на робочу силу? Судячи зі спостереження промисловості великого модельного будинку, незважаючи на те, що популярність технології великих моделей принесла великий потенціал різним галузям промисловості, можливо, зменшити витрати на робочу силу не так просто, як уявлялося.

Чим гарячіша розробка великих моделей, тим дорожча вартість праці

Ще на початку весняно-осіннього періоду Гуань Чжун висунув концепцію «Десять років, щоб виростити дерево, сто років, щоб виростити людину», вказуючи на те, що розвиток якості особистості та зростання талантів не досягаються відразу. . З точки зору розвитку талантів, бонус розвитку великої моделі дав поштовх до накопичення талантів, пов’язаних із технологіями штучного інтелекту, але розвиток талантів не відбувається відразу, а формування систематичної структури талантів вимагає кількох років системи освіти Вона може бути сформована лише за умови спільної сили соціальних позицій.

Однак у той же час «Війна сотень моделей», яка вже почалася вдома та за кордоном, безпосередньо відкрила всебічну конкуренцію в технічній глибині та широті застосування великих моделей. Щоб розробити першокласні великі моделі, потрібні високоспеціалізовані команди спеціалістів для розробки, налагодження та обслуговування. Ці команди повинні мати глибокі технічні знання та знання предметної області, щоб переконатися, що модель може досягти хороших результатів у конкретній області. Підприємствам доводиться поглинати велику кількість талантів у сфері штучного інтелекту, таким чином розпочинаючи запеклу «війну за захоплення талантів». Зараз зарплати на посадах, пов’язаних із великими моделями, такими як інженери з машинного навчання, науковці з обробки даних та експерти з домену, також швидко зросли.

Джерело зображення: публічний інформаційний дисплей веб-сайту з працевлаштування

За даними онлайн-платформи найму, Big Model House показує, що завдяки популярності суміжних напрямків рівень зарплати на посадах, пов’язаних з великою мовною моделлю (LLM), також значно вищий, ніж на інших посадах у сфері ІТ, а рівень зарплати на посадах, пов’язаних із моделлю. загалом вища, ніж на інших ІТ-посадах. ІТ-посади, такі як інженери машинного навчання, науковці з обробки даних, експерти в галузі тощо, мають середню місячну зарплату понад 20 000 юанів. Візьмемо як приклад інженерів машинного навчання, які відповідають за розробку та впровадження алгоритмів і систем машинного навчання, включаючи обробку даних, навчання моделі та оптимізацію моделі. Майже половина практиків може заробляти понад 300 000 юанів на рік.

Це правда, що поява великих моделей може певною мірою замінити деякі традиційні професії, але в той же час вона також створила деякі нові робочі місця. Наприклад, із розширенням застосування великих моделей з’явилися нові посади, такі як «Інженер». Ці посади відповідають за налаштування та втручання у вихід великих моделей для забезпечення ефективності та точності моделей. На даний момент більшість основних вітчизняних рекрутингових платформ пропонують інженерів із місячною зарплатою від 15 000 до 60 000 юанів.

Зростання цих нових позицій не лише відкриває нові можливості для ринку талантів, але й відображає багатогранний вплив розвитку великих моделей. Тому в майбутньому у сфері великих моделей у них братиме участь більше людей, щоб стабілізувати промисловість Чжиюань.

Велика модель все ще обмежена, співіснування людини та машини є остаточною відповіддю

Незважаючи на те, що промисловість досягла консенсусу щодо того, що «штучний інтелект не може замінити людину в короткостроковій перспективі», деякі компанії все ще намагаються використовувати AIGC і технологію віртуальної людини (цифрової людини) для дослідження нової моделі симбіозу людини і машини. Наприклад, Silicon-based intelligence, Mofa Technology, 360 тощо, усі вони пропонують використовувати можливості AIGC великих моделей для реалізації генерації вмісту віртуальних людей і навіть застосовувати його для створення 2D/3D віртуальних людей , зниження вартості високоточних віртуальних людей Порогові значення для створення та використання.

Серед них 360 Zhinao здатність створення цифрових людей зі штучним інтелектом приділяє більше уваги створенню «цифрових клонів» і надає послуги в більш антропоморфний та персоналізований спосіб. Кожен може завантажити свою приватну базу знань (аудіо-, відео- чи графічні матеріали), потренуватися на 360 інтелектуальних моделях мозку та створити власних ексклюзивних цифрових людей за низьку вартість, таких як цифрові аватари, цифрові помічники, цифрові ідоли тощо.

Джерело зображення: Mofa Technology

Інтелект на основі кремнію та технологія Mofa намагалися використати AIGC для реалізації недорогого виробництва та роботи віртуальних людей, а також реалізувати «інклюзивність» віртуальних людей шляхом зниження порогу, і широко використовувалися в електронній комерції, освіті , маркетинг і соціальні мережі та інші сфери для досягнення ефекту зниження витрат і підвищення ефективності. Навіть ці компанії також згадали, що люди, які не можуть бути з ними, тому що вони подорожували цілий рік або померли, можуть зробити цифрові аватари як розраду.

Використання цифрових аватарів для «компаньйону» справді може певною мірою полегшити «страждання любові» людей, але, на думку великого модельного дому, компанія великої моделі все ж краще, ніж часто ходити додому.

22 числа цього місяця «Дім великих моделей» у китайському Дні святого Валентина: прийдіть і послухайте «Історію кохання зі смаком землі» штучного інтелекту, Будинок великих моделей використовуватиме тему «Подвійний сьомий фестиваль приходьте, будь ласка, допоможіть парам, які закохані. Моя друга половинка пише абзац благословення, який є інноваційним, а не загальним." За заголовком ставте запитання про кожну велику модель.

Виявилося, що коли справа доходить до написання «слова кохання», хоча всі великі моделі виявляють романтику на повну, друзі в редакції сказали, що нинішня ступінь романтичності великих моделей занадто «науково-технічні чоловіки». ", набагато менше, ніж людські істоти Емоційна делікатність.

Китайська історія кохання до Дня святого Валентина, написана великою моделлю з Китаю

Qixi "Love Story" написана редактором Big Model House

Слід зазначити, що хоча велика модель відкрила перший крок у дослідженні загального штучного інтелекту (AGI), люди все ще перебувають у сфері слабкого штучного інтелекту. Розташування та поєднання вимірів, «кохання зі смаком землі» Історія» китайського Дня Святого Валентина на великій моделі явно не вистачає «теплоти». Можна побачити, що з точки зору спілкування великим моделям ще потрібно пройти довгий шлях, щоб досягти того самого рівня, що й люди.

З принципу великої моделі штучного інтелекту видно, що шляхом вивчення інтелекту та поведінки людини, а також генерування тексту, зображень, аудіо та іншого вмісту за допомогою статистичних даних і розпізнавання образів цей метод навчання дозволяє великій моделі генерувати дуже реалістичні дані. Як наслідок, він імітує поведінку людей, тобто намагається навчитися та наслідувати відповідну поведінку через власний вимір спостереження. Однак великі моделі можуть не розуміти й не розуміти основних концепцій, причин і зв’язків, що викликає деякі ключові проблеми в деяких практичних застосуваннях.

Тому в короткостроковій перспективі штучний інтелект більше спрямований на вирішення звичайних проблем і звільнення людської праці для вирішення індивідуальних проблем, повних емоцій і творчості. Таким чином, майже неможливо досягти штучного інтелекту, щоб «вбити» людей у короткостроковій перспективі, як з етичної, так і з технологічної точки зору.

На думку Big Model House, для територій, де AIGC не може замінити людей, людські можливості створять більшу цінність.

Хоча використання великомасштабної модельної технології справді може досягти мети використання AIGC для зниження витрат і підвищення ефективності існуючих технологій, але, що більш важливо, це також спонукає компанії йти в ногу з часом і постійно консолідувати свою конкурентоспроможність за допомогою нових підприємств.

Варто відзначити, що можливості великих моделей постійно розширюються: вони не тільки почали наздоганяти людей за загальними знаннями, але й значно підвищили свої професійні здібності шляхом цілеспрямованого підвищення знань. , він наблизився або навіть перевищив середній бал серед людей.

У липні цього року дослідники з Google і DeepMind опублікували в журналі Nature дослідження. Результати дослідження показали, що група клініцистів набрала 92,6% балів за відповідями медичної моделі Med-PaLM від Google і команди DeepMind. , порівняно з Насправді рівень людських клініцистів (92,9%) порівнянний. Крім того, лише 5,9% відповідей у Med-PaLM були оцінені як такі, що ймовірно призведуть до «шкідливих» результатів, подібно до 5,7% відповідей, отриманих клініцистами.

Однак деякі експерти галузі висловлюють занепокоєння щодо використання великих моделей у медицині: велика модель може створити правдоподібну медичну статтю, але вона не має реальних медичних знань, щоб оцінити, чи інформація в ній точна чи безпечна. Це обмеження є особливо помітним у деяких областях, таких як медична діагностика та прийняття рішень. Хоча велика модель добре працює в розумінні тексту та семантичному створенні, вона може бути не в змозі зрозуміти глибокі знання в галузі медицини та не може судити про причинно-наслідкові зв’язки, такі як етіологія та розвиток захворювання. Це підвищує певні потенційні ризики, які можуть призвести до неправильної діагностики та лікування, якщо при прийнятті клінічних рішень повністю покладатися на результати великої моделі.

З метою стандартизації застосування генеративного штучного інтелекту в медичній промисловості нещодавно Муніципальна комісія охорони здоров’я Пекіна взяла на себе ініціативу в організації формулювання «Пекінських заходів із впровадження нагляду за діагностикою та лікуванням (випробування)». Серед них пропонується, щоб медичні заклади посилили управління лікарськими засобами під час проведення інтернет-діагностики та лікування, а також суворо заборонено використовувати штучний інтелект для автоматичної генерації рецептів, а також суворо заборонено надавати ліки пацієнтам до виписки рецептів. .

З одного боку, будь то розробка більш потужних технологій фахівцями зі штучного інтелекту чи «ефект сома», викликаний штучним інтелектом на робочих місцях у тисячах галузей промисловості, це змусить людей прагнути до вищого та потужнішого накопичення загальних знань і професійних знань. можливості для досягнення конкурентної переваги ШІ.

З іншого боку, за допомогою технології штучного інтелекту, представленої великими моделями, він ще більше розширить межі людських можливостей. В епоху великих моделей, якщо ви хочете легше використовувати великі моделі, слово підказки () значною мірою визначає результат моделі. Навіть якщо це та сама проблема, ви отримаєте різні результати, якщо введете різні слова підказки Професійні гравці Від звичайних гравців великий розрив. Таким чином, це стане можливістю взаємодії людини з комп’ютером у майбутньому та рушійною силою для людей досліджувати невідоме.

Незаперечним фактом є те, що штучний інтелект, як «сходинка» на шляху до людського успіху, має піднімати людину вище та ціннішою.

На думку Big Model House, у цьому змаганні за здатність «штучного інтелекту» «штучному» судилося бути попереду «інтелекту».