使用LLMs和GPTs来满足您所有的知识需求的风险

啊，技术的不停转动和其含义，对吧？就像我们一直在这个永无休止的科技旋转木马上，有时刺激，有时令人头晕。

在向他们询问人生大问题的答案之前，让我们先停下来。下面是我们讨论中形成的一两个思考点。

所以，在我们探索大型语言模型 (LLMs) 的广阔海洋和在寻求它们对人生重大问题提供答案之前，让我们先慢下来。以下是我们讨论中的一两个想法。

首先，就像LLM就像是一个巨大的数字百科全书，但却没有灵魂。想象一下一个图书馆，书本会说话，但并不真正“理解”它们所说的内容。

全知的幻觉

首先，就像LLMs这样的数字巨型百科全书，但却没有灵魂。想象一下图书馆，书籍可以说话，但却真的“不懂”自己在说什么。这就是我们的LLMs。它们就像那个在智力竞赛夜里表现得很棒的朋友，但可能不是你会寻求人生建议的那个朋友。当然，它们从各种广泛的资源中汲取，但就像它们是在读剧本而没有理解其本质。而当解释它们如何从A达到B的时候？别指望了。这就好比让你的GPS对旅程进行哲学思考一样。

LLMs就像赛车一样。快速而强大，但如果没有熟练的驾驶员和一些严格的规则，情况可能会失控。

看不见的安全网

现在，让我们谈谈治理。想象一下：LLMs就像赛车一样，快速而强大，但如果没有一个熟练的驾驶员和一些严格的规则，事情可能会出错。这就是治理的作用，既是熟练的驾驶员，也是规则手册。它的目标是确保这种强大的技术工具不会像一台损坏的老虎机一样胡乱喷射答案。我们要讨论的是一个能确保这些数码“全知者”在达到结论时精确透明的系统，就像一个魔术师揭示他的魔术一样，只是没那么有趣。

他们说，“等一下，让我查一下。”然后，他们跳入广阔的互联网海洋中，钓取更多的实时、相关信息。

RAG和向量数据库是LLMs对于未知查询的生命线。

输入检索增强生成（RAG），这是科技界的最新宠儿。将其视为给 LLMs 提供一个自己的谷歌，以便当他们遇到困惑时搜索相关内容。他们说：“等一下，让我查一下”，然后开始在广阔的互联网海洋中搜寻更多与当前相关的信息。这非常关键。就像从图书馆卡升级到整个互联网一样。RAG 就像是小助手，轻声耳语着正确答案，使 LLMs 更聪明，更能与不断变化的世界保持同步。

现在，让我们不要忽视向量数据库。想象一下将复杂、凌乱的数据转化为整齐、干净的点线（向量）。这就是这些数据库的作用。它们就像数据方面的玛丽·康多（Marie Kondo），可以整理和清理数据，确保LLMs在需要的时候能准确地找到他们所需的东西。这不仅仅是为了保持整洁；这是为了确保我们的LLM伙伴言之有理，减少那些让他们迷失方向的尴尬时刻。

因此，虽然LLMs无疑是一种技术奇迹，但也不完全是德尔斐神谕。

因此，尽管LLMs堪称技术奇迹，但它们并不完全是戴尔斐神谕。它们是强大的工具，但它们需要有引导的手（你好，治理）和一点创新（干杯，RAG）才能真正闪耀。就像我们站在数字巨人的肩膀上，凝视未来一样。只需记住，在你询问它们生活的意义时，要持有怀疑态度。

如果您对在您的数字产品和服务中使用LLM感兴趣，我在POWER SHIFTER Digital团队将非常乐意与您交谈。