即刻App年轻人的同好社区
下载
人人都能用的生成式 AI（Generative AI for Everyone）课程完整学习笔记。
这是这个课程的第三部分，也是最后一部分。第一和第二部分主要是从生成式 AI 的基本技术角度出发，勾勒出了一个草图，让我们知道生成式 AI 大致能做什么，有哪些核心技术概念，以及使用生成式 AI 的基本原则。
这些基础知识可以让非技术专业人士 (也是本课程的受众) 建立起对于生成式 AI 的基本认识。有了这些基础知识，再加上自己的实践，我们就不会轻易得出像是「AI 根本没用，很智障」、「AI 颠覆 XXX，XXX 要失业」这样的结论。
对于我们普通人来说，与其从这样宏观的角度去看，去得出看似「大道至简」的结论，不如学习它，尝试使用它，看看它到底能为我们的工作和生活带来什么价值。
类似「XXX 是过渡阶段，根本不用学」的说法意义也不大。凯恩斯说，从长远来看，人都是要死的。
课程这一部分的主题围绕生成式 AI 的应用及其社会影响。
------------
把工作拆分为更小的具体任务
------------
一项工作实际上是由一系列任务组成，利用 AI 来提效，从具体任务的视角来分析，是更好的方式。
思考工作环节的哪些任务，可以交给现在的 AI 来做。它现在的能力可以做到什么程度？怎么把它无缝融入到工作流中？
也就是说把 AI 当作新工具，不用神话它，但也不要忽视它。如果它确实不能对当前手上具体的工作任务产生实际的价值，那不用就好了。让子弹飞一会儿，或许几个月后，几年后，它成长了，它又行了。
如何分析 AI 对于具体任务的应用潜力？
和应用任何新技术、新方案一样，都要考虑各种因素。Andrew 老师在课程中提了两个视角。基于对具体任务的分析，评估技术上的可行性和商业价值。
也就是说，我们需要思考，AI 能在多大程度上帮我降本增效？而我要付出多大的成本来使用它？是谓性价比分析。
------------
写提示词 (prompt) 是叠 buff
------------
如课程第二部分里提到的各种工具和策略，优化生成式 AI 完成指定任务的效果有很多方式，RAG、微调、优化提示词等。
写提示词是更好入门，也是直观地感受生成式 AI 能力的一种方式。基于自己的场景和知识积累去用，叠一层 buff. 软件工程师可以通过写提示词，辅助自己写一些代码，产品经理可以写提示词来辅助自己头脑风暴，每个人都可以通过写提示词打造自己的学习助手......
------------
关于 AI 的担忧
------------
一个是偏见问题。可能是性别上的偏见，也可能是 polity 方面的偏见。因为生成式 AI 的模型基于互联网上的几乎所有数据来训练，表现得博学的同时，也会把其中的在特定环境下不正确的方面暴露出来。
减少 AI 模型的偏见，可以通过课程第二部分提到的微调和 RLHF 策略，让 AI 模型表现得更符合特定上下文的正确。
另一个担忧是 AI 可能造成一部分人失业的问题。这个问题太复杂。课程里举了一个例子，2016 年，AI 领域的领军人物之一，Geoff Hinton 预言 5 年内，放射科医生就要失业。因为 AI 能够完全做好这些医生的工作。
从现在的结果来看，放射科医生并没有被 AI 替代。主要原因在于上面提到过的一个职业或者说工作岗位，通常牵涉到一系列具体的任务。
除非 AI 能够做好这个岗位里的所有任务，或者至少是最核心的任务，才可能产生对这个职业的替代。就其他情况来说，AI 是更好的一种工具。
另一个常常被提起的但又无法证伪的担忧，则是 AI 会毁灭人类。关于这个担忧，Andrew 在 The Batch (2023-10-25) 里谈过。那些持有这种观点的人，更多是含糊其辞。我的翻译版见：m.okjike.com
------------
AGI (Artificial General Intelligence)
------------
定义：AI 可以完成所有人类智力能做到的事情。比如像人类一样拿博士学位，像一个程序员一样可以写复杂的程序来完成特定的任务等。
目前的 AI 技术离 AGI 还有不小的距离。参考图九，来自 Google DeepMind 发布的一篇论文。根据这个分级，ChatGPT 算是处在第一级。
------------
最后附上我喜欢的一句结束语：
AI has the potential to give every individual the ability to hire intelligence at low cost.
(AI 使得每个人都能以较低的成本使用各种智能服务)
借用吴军老师在《全球科技通史》中的一句话：历史总在重演，科技永远向前。
第一部分学习笔记：m.okjike.com
第二部分学习笔记：m.okjike.com
原课程链接：www.coursera.org
我搜了一下，B 站有很多人在翻译这个课程，我看了下，这个翻译质量很高。目前还没更完，如果你更喜欢看中文字幕，可以参考：space.bilibili.com
这是这个课程的第三部分，也是最后一部分。第一和第二部分主要是从生成式 AI 的基本技术角度出发，勾勒出了一个草图，让我们知道生成式 AI 大致能做什么，有哪些核心技术概念，以及使用生成式 AI 的基本原则。
这些基础知识可以让非技术专业人士 (也是本课程的受众) 建立起对于生成式 AI 的基本认识。有了这些基础知识，再加上自己的实践，我们就不会轻易得出像是「AI 根本没用，很智障」、「AI 颠覆 XXX，XXX 要失业」这样的结论。
对于我们普通人来说，与其从这样宏观的角度去看，去得出看似「大道至简」的结论，不如学习它，尝试使用它，看看它到底能为我们的工作和生活带来什么价值。
类似「XXX 是过渡阶段，根本不用学」的说法意义也不大。凯恩斯说，从长远来看，人都是要死的。
课程这一部分的主题围绕生成式 AI 的应用及其社会影响。
------------
把工作拆分为更小的具体任务
------------
一项工作实际上是由一系列任务组成，利用 AI 来提效，从具体任务的视角来分析，是更好的方式。
思考工作环节的哪些任务，可以交给现在的 AI 来做。它现在的能力可以做到什么程度？怎么把它无缝融入到工作流中？
也就是说把 AI 当作新工具，不用神话它，但也不要忽视它。如果它确实不能对当前手上具体的工作任务产生实际的价值，那不用就好了。让子弹飞一会儿，或许几个月后，几年后，它成长了，它又行了。
如何分析 AI 对于具体任务的应用潜力？
和应用任何新技术、新方案一样，都要考虑各种因素。Andrew 老师在课程中提了两个视角。基于对具体任务的分析，评估技术上的可行性和商业价值。
也就是说，我们需要思考，AI 能在多大程度上帮我降本增效？而我要付出多大的成本来使用它？是谓性价比分析。
------------
写提示词 (prompt) 是叠 buff
------------
如课程第二部分里提到的各种工具和策略，优化生成式 AI 完成指定任务的效果有很多方式，RAG、微调、优化提示词等。
写提示词是更好入门，也是直观地感受生成式 AI 能力的一种方式。基于自己的场景和知识积累去用，叠一层 buff. 软件工程师可以通过写提示词，辅助自己写一些代码，产品经理可以写提示词来辅助自己头脑风暴，每个人都可以通过写提示词打造自己的学习助手......
------------
关于 AI 的担忧
------------
一个是偏见问题。可能是性别上的偏见，也可能是 polity 方面的偏见。因为生成式 AI 的模型基于互联网上的几乎所有数据来训练，表现得博学的同时，也会把其中的在特定环境下不正确的方面暴露出来。
减少 AI 模型的偏见，可以通过课程第二部分提到的微调和 RLHF 策略，让 AI 模型表现得更符合特定上下文的正确。
另一个担忧是 AI 可能造成一部分人失业的问题。这个问题太复杂。课程里举了一个例子，2016 年，AI 领域的领军人物之一，Geoff Hinton 预言 5 年内，放射科医生就要失业。因为 AI 能够完全做好这些医生的工作。
从现在的结果来看，放射科医生并没有被 AI 替代。主要原因在于上面提到过的一个职业或者说工作岗位，通常牵涉到一系列具体的任务。
除非 AI 能够做好这个岗位里的所有任务，或者至少是最核心的任务，才可能产生对这个职业的替代。就其他情况来说，AI 是更好的一种工具。
另一个常常被提起的但又无法证伪的担忧，则是 AI 会毁灭人类。关于这个担忧，Andrew 在 The Batch (2023-10-25) 里谈过。那些持有这种观点的人，更多是含糊其辞。我的翻译版见：m.okjike.com
------------
AGI (Artificial General Intelligence)
------------
定义：AI 可以完成所有人类智力能做到的事情。比如像人类一样拿博士学位，像一个程序员一样可以写复杂的程序来完成特定的任务等。
目前的 AI 技术离 AGI 还有不小的距离。参考图九，来自 Google DeepMind 发布的一篇论文。根据这个分级，ChatGPT 算是处在第一级。
------------
最后附上我喜欢的一句结束语：
AI has the potential to give every individual the ability to hire intelligence at low cost.
(AI 使得每个人都能以较低的成本使用各种智能服务)
借用吴军老师在《全球科技通史》中的一句话：历史总在重演，科技永远向前。
第一部分学习笔记：m.okjike.com
第二部分学习笔记：m.okjike.com
原课程链接：www.coursera.org
我搜了一下，B 站有很多人在翻译这个课程，我看了下，这个翻译质量很高。目前还没更完，如果你更喜欢看中文字幕，可以参考：space.bilibili.com
8 59
来自圈子
AI探索站
78081人已经加入