高策
·
AI 应用层的壁垒在哪里
💡
原文中文，约3100字，阅读约需8分钟。
📝
内容提要
AI应用面临挑战，缺乏核心壁垒，高效利用数据是关键。in-context learning和finetune优化模型，但NLP仍有问题。未来AI需高效利用数据迭代模型，可能进入Agent时代。AI发展对infra和开发工具有新需求。
🎯
关键要点
-
AI应用面临挑战，缺乏核心壁垒，高效利用数据是关键。
-
上一代AI热潮的里程碑是AlexNet，但在落地应用方面仍面临挑战。
-
自然语言处理（NLP）在智能化程度上还有提升空间，存在理解语义和生成自然流畅文本的挑战。
-
AI在互联网搜索广告推荐中展现最佳效果，形成正反馈的飞轮效应。
-
ChatGPT的成功在于RLHF，模型的能力需要不断优化和迭代。
-
许多AI应用缺乏核心壁垒，主要因为无法高效低成本地利用数据。
-
未来AI应用的壁垒在于数据的高效利用，避免内卷局面。
-
finetune技术在NLP领域尚不成熟，成本高，效果难调。
-
in-context learning的原理尚不明确，未来可能成为主流学习方式。
-
工业界缺乏高效利用数据迭代模型的能力，这对AI至关重要。
-
Agent时代是AI更值得期待的未来，将对基础设施和开发工具提出新需求。
➡️
