人工智能革命与人类进化的开始 —— 第三部分
自从这个系列的第二部分写作以来已经很长时间了。#生成AI已经攻占了世界，让我先前的写作看起来过时了。在本部分中，我将重点介绍使用场景，第四部分将是总结部分。
无论任何技术的增长速度是怎样的，它似乎都会遵循两个主要趋势。
- 保持HTML结构，将以下英文文本翻译为简体中文： 任何技术引发的变革都会在Gartner炒作周期（图1）上表现出来，而当前的人工智能触发器经历了时间尺度的收缩，形成了多波浪。
- 任何“采纳实体”如财富、经济和技术都会导致差距，形成分裂和贫困。就像我们所见的经济差距、将人们划分为“富人和穷人”的贫困线一样，技术的变革也会产生数字鸿沟、技术差距和技术贫困。
在我的写作中，我采用的是一种通用语言，能帮助广泛的人群——从初学者理解新技术，到与我有类似经历的人们，通过我的学习帮助他们找到一些方向；或者对于一个熟练者，可以轻松地阅读，并为我提供任何反馈。
在过去的几个月里，我尝试着使用不同的新型人工智能大型语言模型(#AI Large Language Model - #LLM)。我发现一个有用的模型是@Richard Socher和@Bryan McCann的you.com，它将人工智能的力量与互联网搜索结合起来。我请求you.com为我提供关于我的人工智能博客的摘要。我之前在LinkedIn上发布了这个博客的一部分作为引子。虽然被LLM夸大了，但这给了我一些动力去打破我的懒散，重新开始写作。😀
在起初，所有事物都是纯洁的，包括人工智能（AI）。许多人已经开始使用由#ChatGPT #GoogleBard #You.com #AutoGPT等提供的#LLM和#GenerativeAI，从简单的聊天娱乐者到帮助在社交媒体上发布内容，写邮件，创建演示文稿以及帮助了解和学习而不必进行谷歌搜索。各个层次的学生已经以比年长的成年人更高的速度在使用它。就像早期的时候一样 - 当计算器被发明时，人们犹豫不决是否使用它，后来同样的情况也出现在计算机和其他技术上。
我在这篇博客中将使用情景分为以下几个部分，以应用不同的方法使用人工智能。
AI用于个人使用
我将在本节中保持简单。已经涉足AI领域的许多人可能想跳过这部分。这部分是为那些仍未开始尝试或想以新的学习方式来使用AI的人提供的。
对于每个人而言，开始使用人工智能至关重要。事实上，你甚至可能在不知不觉中就在使用它。我们中的大多数人——根据我们来自哪个年代——在接受新技术方面可能存在不同程度的抵抗。我们中有些人可能有些怀旧，或者来自较老的一代，甚至可能不喜欢使用现代技术。但我们表现出的抵抗越大，我们学习和适应新的社会规范的困难就越大。与此同时，有必要将老一代的智慧与新一代分享。无论我们属于哪一代，以及我们对采用人工智能的喜好如何，除非我们真的想与世隔绝，并助长数字鸿沟，我们应该开始学习新技术。这将帮助我们保持社会的相关性，并通过引导他人安全地使用新技术媒介来跨越世代之间的智慧鸿沟。另一方面，年轻一代和/或那些更快采用人工智能的人，也需要了解到我们采用得越快，我们也在助长数字鸿沟。因此，在采用和使用人工智能的同时，我们应该考虑到还有那些需要时间来适应并帮助社会按照自己的时间框架进化的人，同时调节我们展示人工智能知识的方式。
新的#人工智能革命使竞争环境更加公平。所以，无论你是新手还是老手，现在都不迟，你可以立刻开始任何一个下面的项目，这些项目都容易操作。你可以用它来娱乐或者测试人工智能模型，也可以用于学习或提高你的好奇心指数。记住好奇心害死猫！ 🐱
最简单的用法
用于无人具体主题的聊天，可以提出任何问题。
注册并使用Open AI的ChatGPT。可使用网络版 / 安卓应用 / iOS应用（请注意假应用，使用Open AI提供的链接）。
- Google Bard仍处于实验阶段，适用于大多数Gmail用户。
上述两种都是基于文本提示的聊天系统。非常易于上手，并且支持多种语言。它们都建立在大型语言模型（LLM）和生成式人工智能技术上。关于LLM的简要介绍可在此处找到。
一旦你开始使用它，为了即兴创作和获得更好的结果，请改变文本提示以使结果与所需的上下文相符。尽管有人认为人工智能可以取代人类的创造力和思考能力，但我们只能通过使用它们来更好地学习，所以随着时间的推移，我们应该变得更聪明和更有创造力。将其视为一种智能工具或计算器，成为你的伙伴。你可以选择忽略它，不受其回应的影响，并使用自己的方法来指导它，以便将来它可以与我们的思维或语言风格相一致。
基于人工智能的互联网搜索和聊天应用
有几个搜索引擎已经加强了自然语言处理（#NLP）算法，以理解用户查询的意义和上下文。以下是近期非常受欢迎的几个。
You.com - 这是到目前为止我最喜欢的（以易用性和速度而言）。You.com是由Richard Socher和Bryan McCann于2020年创立的，它使用多个LLM模型提供基于人工智能的聊天和互联网搜索，还提供一套非常不同的应用程序和过滤器。举个例子，正如我在博客开始时提到的，它提供了一个关于我自己作为博客作者的评论。关于you.com的更多信息请点击这里。
微软必应搜索（使用开放AI的ChatGPT / GPT-4）- 微软迅速利用ChatGPT的受欢迎程度与OpenAI合作，将GPT模型与自家一套产品相结合。随着必应搜索开始使用人工智能来进行搜索和聊天功能，它的受欢迎程度大幅上升。Google巴德试图将其搜索引擎的强大能力与人工智能结合在一起，但似乎仍然处于实验性阶段且速度较慢（至少在我尝试过的时候如此）。
使用这些来搜索互联网，而不是使用谷歌，看看区别。以下是使用you.com、Bing人工智能搜索G20峰会和Bard对话的埃隆·马斯克观点的常规比较快照。
图片/媒体创建用途
AI不仅仅局限于文字。#生成AI的能力还扩展到图像、音频/音乐、视频生成等。在内容开发或艺术呈现方面非常简单易用。对于个人使用来说，就内容创作而言无需担心，但当我们用于专业用途时，需遵守各个服务提供商的最新内容使用政策以及当地法律法规的要求。总体而言，对此类媒体的来源表示一定的致谢即可。
- 达利—OpenAI的图像生成器—与ChatGPT一同出现
- Adobe Firefly的Text to Image、生成填充、文字特效——相当不错。部分功能免费，而且仍处于试验阶段。
- Microsoft必应图像创作者（使用OpenAI的Dall-E模型）
- You.com 提供YouImagine。
@ Borriss 的帖子提供了最新版本的 Dall-E 3 Image Creator 与 ChatGPT GPT-4 Vision（GPT-4V）的集合，并显示出比以往更强大的能力，可以更快地创建 #生成图像，带有文本故事的卡通画，并且比以前更智能地处理图像和语音输入。
对于个人使用来说，除了以上内容，我们还可以在多种其他情况下以有意义的方式利用人工智能。我们可以向AI请教编写代码、创建网站、解决复杂问题、制作简历、谷歌或PowerPoint幻灯片等。学生群体可能是最喜欢利用人工智能的人了。孩子们开始在做家庭作业时使用人工智能。青少年们在大学论文和项目中也在使用它。有些人甚至用它来写自己的故事、博客、创作艺术品、电影，并在网站上发布以赚钱。针对不同情景有各种各样的网站和工具。以下是一些参考链接：
【AI Roads @ Sharyph 工具集合】 【@Alfaiz Ali2 的帖子】 【@HeyGen 的头像视频生成】 【@SteveNouri 的帖子和新闻简报】 【@EyeingAI】 【AutoGPT 由 Significant-Gravitas 推出】 【@Borriss 的提供工具】
人工智能用于自我学习
接下来我们的使用方式可能逐渐演变为使用人工智能进行自主学习。通过在线或离线模式进行持续学习面临着自身的挑战。我们可以利用人工智能作为更个性化的学习工具。它可以充当参考资料、导师、学习追踪器，甚至用于自我评估和改进。
简单学习用法
对于那些在开始时感到思维僵化的人，让我给一个我使用ChatGPT开始时的简单例子。在这个例子中，我询问ChatGPT提供一个每周/每日学习微软PowerPoint的计划。然后，我要求它测试我关于第一周的主题。在这个链接中可以看到完整的对话。是的，ChatGPT现在允许分享对话线程的链接，任何人都可以点击链接并在他们自己的私人聊天中与ChatGPT继续对话。
因此，您可以利用人工智能来帮助您独自学习，充当个人导师或教练，而不用感到在与人类导师或教练一起学习时有任何个人限制或情绪低落的担忧。
教育机构/教育科技的使用情况
大多数在线教育门户网站已经开始在其平台上集成基于人工智能的学习，以支持他们现有的用户。在线学习门户一直都是受欢迎的自主学习方式。结合生成型人工智能的优势，以及以非个人化方式培养技能的重要性将得到突显。许多人还对在教育机构中使用技术/人工智能表示意见，并建议采用基于数据和反馈的方法进行实施，而不是进行市场营销和商业化。以下是一些参考资料:
[ Khan迈高 by @Khan学院 ] [AI / EdTech的帖子，作者为@Marc L] [ 帖子/研究，作者为@Dr. Wayne Harrison ] [ @比尔·盖茨关于AI / 教育差距 ]
我的博客像往常一样变得越来越长，但我觉得这次我无法避免。因为这篇博客涉及学习使用人工智能和与人工智能学习的内容。其中包含了一些使用案例、轶事和图片。同时，它适应了不同阅读者，他们对当前人工智能趋势的理解各不相同。所以，我想这样做是有道理的！
用于商业应用的人工智能
这是公司许多 IT 管理者、CIO/CTO 多年来一直在慎重考虑的一个话题，甚至许多人已经成功地在他们的 IT/业务系统中实施了一定程度的人工智能。作为处于 IT 行业的人，我可以理解这个新的人工智能革命可能在构想路线图时带来的困难挑战。即使在博客的一部分中写下这些内容，我也不得不反复写作、修改和审查，以使其简单且与当前背景相关。随着这项技术的快速发展，我推测 Gartner 公司的象限图必定会随着多波次而重复自身。这产生了现实与技术趋势的感知之间不断变化的差距，如下所示。
这让那些负责将人工智能引入业务的人面临巨大挑战，因为他们不仅需要跟上这一趋势的步伐，将技术稳定性引入到人工智能平台中，同时还要确保对业务没有任何影响。几年前，人工智能在许多行业和业务功能中得到广泛应用，尤其在使用深度学习、数据中心算法等技术的情况下，这些技术往往在幕后运作，用户并不知晓。
具体而言，过去的一些简单用例涉及人工智能/数据科学和统计方法。这些用例对于宣传他们自己的职位和公司品牌形象非常有帮助。然而，在当前的#生成式人工智能趋势中，情况发生了变化。跟上这种技术爆炸带来的挑战导致人们感到适应这些变化的压力。这增加了与IT相关的通常风险和关切，比如信息/网络安全、数据隐私、合规性以及不断增加的成本。
技术增长无法停止。创新和市场因素将推动进一步使用人工智能，并管理风险和合规方面。但在这个新时代，在ChatGPT之后，随着人工智能的使用，技能的可用性将会增加，公司可以开始利用人工智能构建各种规模的用例。现在已经有公司发布了“提示工程师”的职位要求，而提示工程是一种需要掌握的技能。【免费学习 @AndrewNg 的课程】科技/互联网行业一直是在迅速适应和适应变化情况的先驱者。我认为微软在与Office 365和Power Platform的OpenAPI集成方面胜过了谷歌和其他公司，以提高生产力，利用人工智能进行编码和软件开发生命周期。GitHub（微软于2018年收购）也紧随其后推出了Github Copilot。对于非技术行业来说，由于大多数业务流程已被数字化，存在着不同程度的人工智能应用，而Copilot的方法正被引入以充分利用可用的#GenAI。
让我们来看看组织如何开始并持续推动将人工智能/机器学习应用于业务目标。
内部IT系统的使用案例
在组织内部（员工使用）使用的应用程序可能是寻找可以使用人工智能/机器学习进行试点的潜在最简业务案例的好起点。
- 与外部系统或第三方API接触较少的系统
- 保持HTML结构不变，将以下英文文本翻译为简体中文： 在现有的信息安全、数据治理或合规控制方面只做非常小的改动的系统。
一些例子：
在这里，我将简要地分享一下上面列出的一些用例。
- JD（岗位描述）的创建：这对于组织中任何需要将基于文本或关键技能列表转换为自动生成JD并根据所需模板发布的人来说都是一个非常简单的用例，进而根据项目需求的关键要求来进一步发展。以下是一个简单的Github存储库示例供某人开始使用。
- 候选人概况适配：这对于评估候选人概况（以不同格式）与特定职位描述的适配程度非常有用。可用另一个Github资料库进行测试。
为了自己实施这些微型用例，团队成员可以使用很少的编码经验，就像低代码无代码方法或使用 Co-pilot 开发功能一样，它能够通过人工智能的帮助来实施。例如，这是我与 ChatGPT 的对话，帮助我查看招聘业务流程并借助它的帮助开发了一个使用 Python 库的 Python 应用程序，还有一个使用 OpenAPI 的应用程序。您可以访问我的 GitHub 获取其他业务用例的更多详细信息。我计划继续更新我的 GitHub，以进行 #众包的想法和小型 POC 实施。
例如，这是我对ChatGPT关于SAFE敏捷和敏捷原则的理解的简短采访，我要求它为虚拟Scrum主管代理提供一个大纲代码。【VSM — ChatGPT】【VSM — Python大纲代码】
当我们以这种方式对应用程序中的业务流程进行分类时，它有助于找到开发基于人工智能的用例。这进一步归结为创建多个可重用的人工智能组件，这些组件涉及大量从系统直接获取的文本/媒体内容。随着时间的推移，可以开发出一种基于人工智能的IT架构，采用即插即用的方法。
为了最小化与大多数人工智能相关的某些事实风险，可以考虑以下关键因素：
- 为从现有系统向基于人工智能的系统切换提供过渡期。
- 使用过渡期来训练数据模型，使用更多的数据集。
- 比较非人工智能和基于人工智能的结果，并建立反馈循环，以考虑对最终用户提供潜在的建议和支持。
在微观层面上，由于每个工作流程或业务流程都可以逐步尝试使用基于人工智能的方法，因此可以想象到的用例数量非常庞大。想象力是唯一的限制。可能会有数以千计（甚至数以百万计）的可能用例。因此，某些与AI/ML特定于组织相关的核心基础方面将在构建其中一些方面时得以塑造，这可能导致规模扩大，并在不同情景中复制相同的方法。
更重要的是，内部开发这样的用例有助于组织内发展所需的技能和能力。人工智能并不会取代人类。随着人工智能技术的发展，将会有越来越多的技能需要人类来开发，以帮助人类系统与人工智能系统的接口面向人类消费者 [ Prompt Engineering course by @AndrewNg’s ]。此外，人类的智慧将需要用来解释结果并管理这些系统。因此，作为人类，我们需要学习和适应这项新技术，促进自身的进化！关于业务用例的更多参考资料：
【尼古拉斯·贝莱西斯的帖子：金融科技应用场景】【史蒂夫·努瑞的帖子：微软人工智能和开放金融科技应用场景】【森瑟尔·纳森的帖子：制造业用户案例】【You.com的YouAgent】
AI技术即服务（AITaaS）
我不是单纯涉及"作为服务的人工智能"（AIaaS），而是更多地将其作为云计算服务的一部分来提供人工智能，虽然它们属于人工智能服务提供商。在这一部分中，我想从技术服务提供商（AITaaS）的角度来重点介绍，他们是组织内实施合作伙伴/供应商，满足不同的IT需求。
像其他ISV一样，一些服务提供商有AI产品和解决方案框架，可以集成到业务流程的不同方面。这样的公司可以帮助客户定制解决方案，进化并扩展自己的AI用例。一些服务提供商还可以提供AI集成服务，并提供“AI分析师”来帮助训练和改进数据集上的LLM。
[分词、模型架构、预训练、微调、评估和迭代优化]
几个参考文献:
[ IBM Watsonx.AI ] [ Framer AI ] [可教导的AI] [MLOps] [自动机器学习] [Apple的CreateML] [Akkio的生成BI] [Canva的Magic Studio] [亚马逊SageMaker机器学习服务] [ @Bernard Marr关于低代码无代码AI] [Facebook Meta的LLaMA研究和发布] [Google的Palm2]
在我看来，与传统应用开发或ERP实施AI技术作为一项服务不同，将会看到服务提供商和客户的心态发生明显转变。这将为提供商的提供产品、AI平台架构以及AI开发生命周期和相关项目管理活动铺平道路。我在这里简要讨论一下：
AI平台架构
当前，人工智能应用案例市场存在碎片化现象。随着在不同商业领域中实施更多的应用案例，并在不断改进训练模型的几轮迭代之后，生成式人工智能的平台架构将会根据以下一些因素进行演进。
- 单层LLM架构
- 多层次学习管理体系
- 混合LLM架构
- 单一模态和多模态用例
- LLM数据训练模型 [ 数据分析链接1 来自Databricks ] [ 数据分析链接2 由@doriandrost 提供 ]
AI实施生命周期 / 项目管理
这可能是一个离题的问题，但是当技术实施模型变化时，需要针对人工智能开发的不同阶段采取更具适应性和实用性的方法，并管理围绕这些活动的方式。与传统的瀑布式或敏捷或咨询模型不同，我相信我们将看到组织进入探索阶段和概念验证阶段，随后是以混合AI/非AI模式运作的“数据暂存”阶段。这些阶段可能采用迭代方法（同时进行数据模型的训练），并且由于实时数据对齐，可能会有不可预测的、不一致的结果，需要更长时间进行改进。为此类人工智能系统精心设计的“支持流程”将有助于进入“稳定阶段”，这可能成为基于人工智能的业务系统的新的可接受标准（尽管可能存在无解决方案的问题）。在实施GenerativAI中，一个重要的方面是开发一种新的QA/测试方法。谷歌提出了“Poka-Yoke”质量测试原则。目前，大多数LLM都在同一个页面上，从更广泛的角度对“潜在的错误信息”、“偏见”和“幻觉”进行筛选和测试。在这方面保持思考的一些参考资料：【Meta的负责任的人工智能实践】 【谷歌负责任的人工智能】
Facebook / Meta的LLaMA研究将其概括地表达了出来。正如我在早期关于AI治理和对齐的博客中提到的那样，在制定AI平台和质量工程方法时，记住这些是很重要的。OpenAI也呼吁进行对齐。考虑到这些因素，对于AI的项目管理方法需要进行修订。我个人倾向于使用PMI的纪律敏捷原则，根据您当前的情况开发“工作方式（WoW）”，然后进行适应。正如我在这一领域的导师Daniel Gagnon在他的播客《通过数字混乱引领》中所说：“缺乏统一的愿景，数字化转型可能会产生更多的破坏性而不是益处。”
在这个领域，AITaaS供应商面临的挑战将是将这些要求转化为财务模型，并借助合同文件中适当的相互同意的法律约束来支持。可能这本身就是另一个人工智能应用案例！😀
感謝大家一直以來對此篇文章的閱讀。一如既往地期待著大家的反饋和建議。
