//// AI如何赋能职场人:大模型落地企业方法论 明略科技·吴明辉 27/01/2024 第一部分:拿到大模型船票对于企业的必要性? 拿到大模型船票:快一点vs慢一点 市场领先位置 先发者将有能力提供更深度的服务,从而保持市场领先位置 满足现有市场需求 不创造新的市场需求,根据现有用户的需求,开发对应产品 获客 优先建立联系是锁定客户的重要因素之一 吸取创新实践经验 从创新失败的各种经历中汲取经验教训,节省部分成本开支 先发者 FirstMovers 后发者 FastFollowers Reference:https://www.deeconconsulting.com/deecon-struct/first-mover-risks-and-rewards-in-infrastructure 我的个人经历:充分拥抱新技术红利 1995年 2000年2004年 2006年 2019年 山东烟台 奥数竞赛·计算机竞赛 北京大学本科·数学系 北京大学 研究生·计算机系 成立秒针系统 北京大学 继续攻读博士学位 广告投放前的预算分配 OTT/offline/onlinemedia?’小红书/抖音/腾讯/爱奇艺? 广告投放中的实时优化 识别精准受众目标?控制展示频次?获取推流预警? 广告投放后的效果评估 多少人看了?频次如何? 目标受众多少? 对电商转化的贡献有多少? 我的个人经历:秒针系统,互联网大数据分析技术最早的服务商 数据的采集与管理 数据的分析和挖掘程序化广告交易 利用数据挖掘的技术帮助广告主做优化 Bloomberg,使用电脑最早的服务商 。。。 。。。 。。。 大模型是当下的最大机会 Gartner预测 •到2024年,40%企业将接入生成式AI应用 •到2026年,生成式AI将赋能60%的网站及移动 端应用实现自动化 •到2027年,大模型应用软件将占比达整个市场的15% Gartner:使用生成式AI的冲击雷达来规划投资和战略 Source:https://www.gartner.com/en/articles/understand-and-exploit-gen-ai-with-gartner-s-new-impact-radarsource:https://www.gartner.com/en/topics/generative-ai 我的学习感受 大模型培训课 大模型每周一题 每周prompt分享 Prompt交流社区 PromptHero争霸赛 小明助理每日使用量 从小朋友的作业、开源战略探索,到给同事选择礼物 数据说明:明略科技内部员工小明极大的活跃了员工氛围 我给小朋友分享的AI知识 人工智能机器学习的核心工作就是找到一个函数f(x):x->y 语音->识别结果图像->识别结果原文->译文Prompt->输出结果 y 6 A 2 B -1 O1 x 我给小朋友分享的AI知识 已知如图,一次函数y=ax+b图象经过点(1,2)、点(-1,6); 求:这个一次函数的解析式。 OpenAI——大力出奇迹的机器学习 y x y=f100(f99(f98(f97(……f2(f1(x))……)))) 互联网上的公开知识:x和y的对应 第二部分:企业如何落地AI? 首先,让团队理解大模型产生真正生产力的基本逻辑 每个人眼中的大模型… 老板眼中的AIGC 各种AI自动化 AI自动抓新闻写文章 AI配好图,同步出个广播视频 AI自动发送 裁员!财源! 我要用新的电能替代了原有的火柴 100个人干活儿 省了小编和运营! 3个人干活儿这利润不就出来了吗? 帮老板落地的同学眼中的AIGC 看看自媒体,AI真屌! 自己试用了所有AI 媒体天花乱坠上手全做白费愿把AI做傀儡token还嫌太贵 ????? 终于快有场景了赶快落地! 干不了大的,我做小的干不了长的,我做短的 员工AI敌对示例 我要被淘汰了 实际的AIGC 无法完成一条多链路生产工作链路 完成某个节点的某个极小环节工作链路 这到底能干个啥啊?! 提升5%节省15分钟 不好用、我们不用 模型不是越大越好 考虑效果vs成本,参数规模“够用即可” •效果:参数规模较小的模型 也可达成好的效果 •成本:训练和使用的成本也相对较低 并不是参数越多越好 Vicuna-13B(基于Llama训练的开源模型,参数规模仅有GPT3的1/100),在GPT-4的评估下,可超过相当于ChatGPT90%的效果 推理 (Reasoning) •常识推理 •逻辑推理 •因果推理 •数学推理 •多模态推理 •….. 涌现 (Emergence) 理解 (Comprehension) 生成 (Generation) 翻译 (Translation) 检索 (Retrieval) 对话 (Conversation) 摘要 (Summarization) 问答 (Questionanswering) 推理能力最为重要 大模型推理能力的测试 大模型推理能力的测试 更复杂的推理案例 ChatGPT-4 ChatGPT-3.5 大模型产生理性生产力的基本原理 理性生产力需要理性决策理性决策=强大的模型+准确的信息 大模型就是一个函数y=f(x) Agent能解决更多复杂问题,是模型和信息的组织者 案例分享:AnswerAI Brook Taylor VOLFRAM Euclidof Alexandria…… Agent案例:GPTs范式 Agent案例:互联网外脑,联网搜索功能 第一次提问:未联网搜索 第二次提问:联网搜索 Copilot:小明助理,企业级一站式大模型Copilot 浏览器拓展程序H5/Web系统集成 输入输出交互 文本/图片/视频/音频 网页/PDF/Word/Dashboard/Xls/PPT 批量Prompt/批量文件… Copilot 前端 基础服务企业服务 服务层 账号服务会话管理 提示词管理参数设置 模型管理Agent管理 企业账号服务权限管理 团队共享 Prompt库管理Prompt/会话 团队知识库Agent配置平台 接入服务 模型接入管理 模型使用数据统计 模型路由优化 模型层 明略营销大模型 主流大语言模型 客户定制化模型 小明助理,让每一个页面都具备了AI能力 模型接入层 Let’s beonthesamepage. •第一层,是让GPT与当前的我onthesamepage,一起共同解决问题 •第二层,让我的团队成员与我onthesamepage,一起共同解决问题 •第三层,这一层是组织需求, 让我的团队成员与我 onthesamepage,共享prompt的使用方法以及模板 什么是Copilot 人 用户 APP AI 副驾驶 手动汽车 Copilot 陆奇博士:模型系统、信息系统 大模型产生真正生产力的基本逻辑,首先是服务业革命 劳动者 利用 生产工具 加工 劳动对象 生产 资料 谁来改造? 人的因素 生产力人类改造自 然的能力 怎么改造?改造什么? 物的因素 新的生产力:模型系统对接生产资料和生产工具:信息系统,要把企业原有的IT系统做好对接 适用于几乎所有行业,带来高质量、大规模、标准化的服务,将首先带来服务业革命。 案例分享:营销智能 社媒 KOL/KOC AIGI 内容 AIGC RTA 洞察AIGS策略广告 DMP 数据 Tracking 大模型时代的IT从业者,AI时代的编程原理 传统编程:形式逻辑计算 人工智能编程: …… 基于人类常识的计算(新的函数库) 混合动力生产力,大模型给我们所有程序员带来的礼物 第二部分:企业如何落地AI? 其次,从信息到知识,大模型落地的核心是知识工程 机器学习vs人的学习 人的学习 通识教育 专业教育 考试测验 投入实践 机器学习 大模型 定制学习计划 大模型自动化反馈 大模型自动化评分 大模型实时分析和绩效跟踪 不论是人、还是大模型,有了通识知识,在“入职”企业之后,都还需要继续“OnJobTraining”。 大模型Prompt和CoT的革命性意义 交互方式发生了革命性改变: •程序员:不需要通过大量的ifelse或其 他控制语句来组合逻辑表达 •普通用户:通过自然语言描述意图,即可让大模型理解,并将其转化为代码 人工智能的世界出现了印刷术,人工智能 的知识传播成为可能。 陈述性知识vs程序性知识 Data DIKW 智慧 wisdom Knowledge Information 探寻原因 知识 提炼规律 信息 加工处理 数据 知识的分类 陈述性知识,解决“是什么”的问题。GPT不能做到的一些陈述性知识,最新的圈层人群,鞋服行业/熊猫圈 程序性知识,解决“怎么干”的问题。营销工作的一些方法论,利用这些内容写prompt会很不一样 小明Prompt助手——使用CRISPE五步法 大模型时代的企业知识管理 AzureSplitwise通过拆分promptphase和token-generationphase提高GPU使用率 Reference:https://www.microsoft.com/en-us/research/blog/splitwise-improves-gpu-usage-by-splitting-llm-inference-phases/ 案例分享:知识库 知识与数据的安全管理 高 直接调用在线大模型 难点 脱敏后高级推理 推 复 理选择最佳成本解决方案 杂度 :低 商业机密:低 私有化 高 小明开源助理 第二部分:企业如何落地AI? 最后,关注从生产力到生产关系的变革与匹配 从人工智障到人工智能 被动AIPassiveA.I. 浏览器自动补充搜索词电商猜你喜欢推荐 主动AIActiveA.I. 汽车智能:自动驾驶手机智能:主动交互 企业软件之间的衔接 Reference:https://www.gartner.com/doc/reprints?id=1-2FA8DF5K&ct=231012&st=sb IT系统功能与前台需求的智能匹配 GUICUI 案例分享:DataAgent DataAgent在组织中使用的价值和前提条件 CUI 最终用户 原始数据 知识 LLM 领域数据 知识 业务指标 数据科学家 原始数据 第三部分:关于组织管理的一些思考 自上而下vs自下而上 更大的闭环,智能时代的组织架构——人机协同 传统工作模式 人工智能工作模式 强人工智能模式 强人工智能 公司职能部门 公司职能部门 公司职能部门 公司职能部门 + 人 智能创新 经理 经理 ++ 人 机器理解 人 机器理解 智能决策 智能决策 劳动力 劳动力 劳动力 劳动力 智能劳动力 智能劳动力 标准化服务 规模个性化服务 千X千面服务 管理层 管理层 管理层 创新 行动系统 重决策 生 构 产业务中台行 素 反 要分析动 馈 数据中台 理解 感知应用 客户/消费者 识别 反思明略… 从EIP推广中获取的Learning: AI落地不能反人性 一个企业的长尾需求:解决非专业问题 机器与人的分工 把最短的那块木板拉长 从自上而下到自下而上,使用好探索流 AI时代组织的思维方式,人类掌握评估标准的最终权力 基于HAO智能理论(HumanIntelligence+ArtificialIntelligence+OrganizationIntelligence),打通感知、认知、行动系统,帮助组织进行分析决策 感知系统 行动系统 行动智能体 感知智能体组织大型系统 界面 推理与知识 本地数据库 雾计算云计算 计算与存储技术 大数据 注:HAO智能模型(Wu&Wu201