為什么生成式AI應用普及不如預期?
作者深入剖析了生成式AI的現狀、挑戰以及未來的發展方向。通過具體案例和技術分析,本文將引導讀者更全面地理解這一領域的復雜性和潛力。
這個話題其實我一直想寫,但是一直在猶豫要不要這么說。
猶豫的原因在于,一方面我認為最近這1、2年眼界之內,最有突破性的技術創新的確是AI技術,特別是以ChatGPT、Midjounery為代表的AI生成式技術,由于科技創新帶來的新的發展或者說創業機會,數來數去也就是這么一個大的方向,在這個趨于穩定、存量價值競爭的大環境之下,大家太渴望希望了,太需要新的蛋糕了。
但是另外一方面,作為一名12年互聯網行業經驗的老兵,且我過去1年時間也是實實在在地在大廠一線做AI產品,探索如何將AI技術應用到具體的業務場景,產生增量效能,太知道AI能做什么不能做什么了。
最終還是Follow我的認知,亮明觀點,不再猶豫。
ChatGPT剛出來那會兒,簡直就是震驚,王炸的效果。但快2年過去了,大家有看到哪些真正顛覆式創新的產品或應用嗎?
問題還是在于這波AI創新的底層邏輯上。
這波的生成式AI創新,底層是一個概率模型
大家不需要了解太過于復雜的技術邏輯,只是需要知道底層是概率模型即可。舉個例子:
你問ChatGPT,中國歷史上秦朝之后是什么朝代,有可能嘗試100次,90次會得到結果漢朝,另外10次會得到結果楚、西楚或者別的什么其他的,為什么呢?
因為大模型在訓練的時候,需要學習語料,語料從哪里來?從各種圖書掃描數字版、網絡各種開放的內容,也包括人和AI的聊天對話,AI大模型都會去學習,只不過是有針對性地學習,中間加一些排除垃圾數據干擾等邏輯。
但是,它本質上還是個概率模型,只要是概率模型,就可能會出錯,這是這波AI大模型產品的第一個特點。
這個特點決定了很多領域是無法用的,比如心理咨詢、用藥咨詢、路線推薦,是不能出錯的,出錯之后可能會有非常嚴重的后果,有1%的錯誤率都無法接受。
第二個特點,是平庸
不知道大家有沒有注意到,文生文大模型產出的都是很平庸的內容,機器的感覺特別強。這個的原因還是在于大模型是一個學習模型,到處去學東西,正是因為學習能力太強,所以變成了一個全能型選手。好的也學,壞的也學。俗語說近朱者赤近墨者黑,名師出高徒,如果跟著無數的老師學習,那么到底哪個才是更專業的呢?大模型很難去識別區分出來。
所以就造成了,頂級學霸級別的學習力,最后學成了60、70分的水準,因為我們這個社會在某一方面的平均水位也就是60、70分的水位,比如寫作,你讓AI去模仿某個網絡大V,創作出一樣水準的作品,不是很現實。因為AI的訓練學習需要非常多的數據,很少的數據量是無法產生出足夠大的差異化的。
大家都喜歡AI能夠承擔專家的角色,實際上大模型AI只能是小學生或者普通人的水平,一個普通人的才能會很稀缺嗎?
第三個特點,是昂貴
根據報道,OpenAI今年運營總成本可能將達85億美元。其中,推理和訓練成本分別高達40億和30億美元。大型語言模型的單次訓練成本少則200萬美元,多則達到1200萬美元,這還不包括模型的實際使用成本。雖然今年國產的大模型廠商的價格下調99%,應用側的成本確實有顯著下降,但是AI技術迭代的總體成本還是非常非常高的。AI大模型更像是一個砸巨量資金看水花的模式。
這幾個特點決定了生成式AI技術無法大規?;蛘呱疃冗\用。目前更多地還是當一個輔助能力或者新的亮點特性作為加分項。
而對于未來生成式AI的發展方向,我認為會是小模型+大規模專業的語料+行業化定向優化。
大規模專業的語料可以解決概率和平庸的問題,就像如果你給大模型只找專家級的老師,除非它自己發散放飛自我(有這個可能),否則都還是在靠譜的范圍內,專家的平均水平肯定比普通人要高。這個概率優化可能使得1%的犯錯率降低到0.1%甚至更低,比如用藥咨詢這個領域,可以約束讓大模型不要發散,只根據給到的知識語料進行回答,而知識語料都來自于醫學專家。
小模型可以控制訓練成本,針對行業的知識等進行定向優化,不需要全知全能的小學生,而要某個領域頂尖的博士生。比如物理學方向的研究,是可以把很多常規的知識記憶這些交給AI,需要的時候詢問提取即可,讓研究員可以專注在AI無法完成的部分。
總的來說,生成式AI現階段處于一個比較尷尬或者說是實際表現和期望很不符的狀態,這里面泡沫很大,短期內大家可能很難看到某個AI應用爆發式普及,但可能在水面之下,有一些細分領域的AI機會在生長中,進度可能是by年更新的。
直接to C的消費級產品機會難度太大,完全從0去打造一款產品,除非是有很大的顛覆式創新,否則難以跟行業既有玩家去抗衡,而期望生成式AI帶來顛覆式創新,現階段不太現實,AI改變了一些,但也沒有改變很多。
反而是to B的領域我認為會更有可能跑出來,to B的領域對于人效是非??粗氐?/strong>,把一些例如前面說的用藥指南、知識查詢這類的解放出來給AI去完成,有機會可以提高20%左右的人效。這樣的話,就會切得非常細,很有可能最后是一些幾十人規模小公司跑出來,能夠完成商業化閉環,大廠要做這個事情的話人效太低了。
以上是我對現階段生成式AI的一些理解,分享給大家。
本文由 @李明Bright 原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自Unsplash,基于CC0協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!