王福强
·
别用AGI的预期去要求LLM
💡
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
文章讨论了AGI（人工通用智能）与LLM（大语言模型）的区别，指出当前大模型尚未达到AGI水平。使用大模型时需明确任务目标并选择合适模型，企业在应用时需考虑成本，尤其是中小型企业。工程领域对大模型的要求与情绪价值领域不同，需关注事实与确定性。尽管存在缺陷，AI仍能提升研发效率。
🎯
关键要点
- AGI（人工通用智能）是指能够理解、学习并应用智能解决任何人类能完成的智力任务的假设机器智能。
- LLM（大语言模型）是自然语言处理领域的成果，目前尚未达到AGI水平。
- 使用大模型时，首先要明确任务目标（task），然后选择合适的模型，而不是反过来。
- 中小型企业在使用大模型时需考虑成本，尤其是使用小模型的情况更为普遍。
- 工程领域对大模型的要求与情绪价值领域不同，前者需要事实与确定性，后者则更注重情感体验。
- 尽管AI存在缺陷，但仍能提升研发效率，适当使用可以带来积极效果。
❓
延伸问答
AGI和LLM有什么区别？
AGI是指能够完成任何人类智力任务的假设机器智能，而LLM是自然语言处理领域的成果，目前尚未达到AGI水平。
使用大语言模型时需要注意什么？
使用大语言模型时，首先要明确任务目标，然后选择合适的模型，而不是反过来。
中小型企业在使用大模型时面临哪些挑战？
中小型企业在使用大模型时需考虑成本，尤其是使用小模型的情况更为普遍。
工程领域和情绪价值领域对大模型的要求有什么不同？
工程领域需要事实与确定性，而情绪价值领域则更注重情感体验。
AI如何提升研发效率？
尽管AI存在缺陷，但适当使用可以提升研发效率，例如通过设计研发流程来规避缺陷带来的问题。
为什么不应该用AGI的预期去要求LLM？
因为当前的大语言模型远未达到AGI水平，过高的预期可能导致失望。
➡️
