根据《2024 年全球人工智能行业报告》最新的数据显示,全球 AI 市场预计将以每年超过 40% 的速度增长,到 2030 年市值将达到数万亿美元,这也是预示着在接下来的十年到十五年里,人工智能将获得巨大的发展红利。
在过去的一年多时间里,我持续关注着大模型的发展趋势,并且尽可能地进行了尝试和实践。在学习的过程中,遭遇了不少问题,可能你也碰到过,比如:
-
如何在众多模型中选择合适自己领域的模型并进行优化?
-
如何在 AI 时代找到自己的位置,并实现技术的真正落地?
-
如何利用 AI 技术为你的项目赋能?
-
将微调后的大模型应用于具体的业务场景,要考虑哪些因素?
普通开发者具体如何入局?
目前,尽管只有 10% 的开发者成功跻身 AI 领域的先行者行列,但这并不意味着现在加入为时已晚。事实上,对于那 60% 的理性观察者来说,现在正是最佳时机。
首先,作为开发者,我们需要重新定位自己。从原来的将业务逻辑转化为代码的程序员,转变为能够训练和优化 AI 模型的工程师。
其次,学会低成本跟大模型打配合。比如,我们要用 AI 写一篇文章,正确的方法不是直接让他写一篇文章,而是你把文章架构思考清楚后让大模型写具体细节。这样配合下来整体成本最低,并且能发挥大模型优势。
最后,掌握大模型微调和专有模型开发能力,为其他人创造行业智能体。
但是,网上大部分微调相关的资料,概念太多了,实际项目、真实过程、工程经验太少了,即便知道很多理论,也很难入局去真正实践。故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。