第232期:为什么说这轮以大模型为中心的生成式AI是第四次工业革命,而以前的AI往往是泡沫?投资者该如何迎接这次工业革命?
Summary
TLDR在本期节目中,老科讨论了当前AI热潮的本质,认为以大模型和生成式AI为核心的AI是人类的第四次工业革命。他回顾了过去的AI技术路线,强调了以Transformer为代表的技术突破,并指出ChatGPT等技术对自驾和语音助手等领域的影响。他提醒普通人不要轻易创业,指出AI创业风险高,建议投资科技大公司如英伟达、微软、谷歌等。老科鼓励观众保持学习,并分享了科技股投资的方向和建议。
Takeaways
- 🤖 这轮以大模型和生成式AI为核心的AI革命是人类的第四次工业革命,标志是ChatGPT的出现。
- ⚙️ 以前的AI技术路线存在问题,无法取得实质性突破,这次的AI技术基于Transformer,取得了突破性进展。
- 💡 前三次工业革命分别是以蒸汽、电力和计算机为中心,而第四次是以数据分析和决策智能化为核心。
- 🔄 大模型LLM的特点是参数越多,训练越多,效果越好,推动了生成式AI的发展,如生成文字、图片、视频等。
- 💼 普通人参与AI创业的机会非常少,AI创业门槛高,大模型需要大量资源和资金,风险极大。
- 💰 建议投资者选择大公司和基础设施公司,尤其是做GPU、NPU的公司以及能持续在大模型领域发展的企业。
- 🌐 大公司如OpenAI、微软、谷歌、Meta等将主导未来的基础大模型,成为AI领域的核心玩家。
- ☁️ 云计算公司将成为未来AI算力的重要提供者,大部分公司会通过云计算调用大模型接口。
- 📉 生成式AI技术快速进步,逐渐挤压小公司的生存空间,未来将很难靠小规模AI应用创业获利。
- 🎓 人类进步不易,建议多学习技术,评估技术,从而更好地发现AI革命带来的投资机会。
Q & A
问题 1: 为什么这次AI浪潮被称为第四次工业革命?
-这次AI浪潮以大模型和生成式AI为核心,特别是以ChatGPT的出现为标志,被认为是第四次工业革命。它不同于之前的AI技术路线,能够取得实质性的进展,并且具有颠覆性的潜力,推动了人工智能领域的快速发展。
问题 2: 生成式AI与之前的AI技术路线有什么区别?
-生成式AI的核心是大模型LLM,它能够通过自我学习生成文本、图片和视频等,而不需要程序员手动定义规则。而之前的AI技术往往是规则驱动的,比如自动驾驶需要人工标注交通信号和规则,生成式AI则能够端到端自主学习和决策。
问题 3: Transformer为什么是AI突破的关键?
-Transformer模型于2017年被提出,极大地改善了自然语言处理领域的效果,使得大模型成为可能。没有Transformer,AI领域的许多探索依然处于瓶颈状态。它是通过深度学习、神经网络等技术的积累实现的突破,开启了生成式AI的新时代。
问题 4: 为什么普通人不适合现在进行AI创业?
-AI创业的门槛越来越高,特别是大模型领域,需要大量资金和技术资源。大公司有充足的资金进行大规模模型的训练,而普通小公司难以与之竞争。因此,普通人创业九死一生,建议通过投资大公司参与AI革命。
问题 5: 大模型LLM的关键特点是什么?
-大模型LLM的特点是参数越多,训练越多,效果越好。这意味着需要大量的计算资源和数据支持,成本也越来越高。这就是为什么只有资金实力雄厚的大公司才能持续在这一领域竞争。
问题 6: 生成式AI如何影响了其他行业?
-生成式AI对许多行业产生了深远影响,比如自动驾驶,特斯拉的FSD V12是端到端AI,能够通过图像输入实现自主驾驶;Siri也通过大模型进行了升级,具备了更强的自然语言处理能力。这些技术正在改变行业的技术路线。
问题 7: 大模型和传统AI的主要区别是什么?
-传统AI通常是专用的,程序员定义规则,应用范围有限。而大模型是通用的,通过自我学习,它能够处理各种任务,具有更广泛的适用性,能够通过一些调整适应不同的应用场景。
问题 8: 未来哪些科技公司可能在AI革命中存活下来?
-未来能够存活的公司主要是那些能够继续卷大模型的大公司,如OpenAI、微软、谷歌、Meta等。此外,云计算公司也将成为关键,因为大部分公司未来会通过云计算租用AI算力。
问题 9: 什么是“大模型思维”?
-大模型思维是指通过大模型技术重新定义和改造以前的技术路线。在各个行业中,使用大模型技术可以提高效率,并解决许多传统方法无法应对的问题。
问题 10: 如何通过投资参与这次AI革命?
-普通人可以通过投资于科技公司来参与AI革命。主要的投资方向包括做AI基础设施的公司(如GPU、NPU公司),能够持续研发大模型的大公司,以及提供云计算服务的公司。
Outlines
🤖 人工智能革命的历史与现状
本段讨论了以大模型和生成式AI为核心的第四次工业革命。作者将AI革命与前三次工业革命相比较,指出这次革命是由大模型(LLM)和Transformer技术推动的,标志着自然语言处理取得了重大突破。作者还阐述了以前AI路线的失败,以及这次革命带来的划时代进展,强调大模型AI在数据分析和智能化决策方面的潜力。
🚗 ChatGPT与自动驾驶的创新启发
本段讨论了ChatGPT对特斯拉自动驾驶技术的启发,介绍了FSD V12作为端到端AI系统的工作原理。通过大模型的思维,特斯拉的自动驾驶技术从传统规则驱动转变为自主学习,改变了行业发展的技术路线。同时还探讨了大模型如何改变SIRI等智能助手,使其更灵活地生成自然语言响应,展现出大模型思维在各行业的广泛应用。
📷 大模型技术对图像和语音处理的颠覆
本段深入探讨了大模型在图像、语音处理中的应用及其与传统AI技术的差异。通过傅里叶变换和传统AI的例子,说明大模型不再依赖专用算法,而是通过自主学习完成任务。作者还强调了大模型AI的通用性,能够应对多种复杂任务,例如语言翻译、图像处理等,展示了大模型在未来应用中的广阔前景。
📉 大模型技术对创业与投资的影响
本段分析了AI创业的高门槛和高风险,指出生成式AI的快速发展正在压缩小公司的生存空间。随着大模型技术的不断突破,小公司在AI+应用领域的竞争将变得更加艰难。作者建议普通人不要盲目进入AI创业,而是通过投资大公司来参与这场科技革命。并列出了值得投资的公司类型,如提供GPU和NPU的基础设施公司、捲大模型的大公司和云计算公司。
Mindmap
Keywords
💡大模型
💡Transformer
💡生成式AI
💡第四次工业革命
💡端到端自動駕駛
💡专用AI
💡通用AI
💡黑盒子
💡GPU
💡投资机会
Highlights
AI热潮是第四次工业革命,以大模型和生成式AI为核心,区别于以往的AI技术路线。
本次AI革命的核心技术是大模型(LLM),其技术基础是2017年提出的Transformer。
以往AI技术路线多有问题,无法取得实质性突破,而以大模型为中心的AI技术改变了这一局面。
历史上有过几次工业革命,分别是蒸汽、能源和信息革命,本次革命的标志是生成式AI。
ChatGPT的出现标志着第四次工业革命,类似于瓦特发明蒸汽机。
生成式AI的核心优势在于它的通用性,能够从不同任务中自我学习并提升。
大模型LLM的特点是参数越多,训练越多,效果越好,代表“大力出奇迹”的理念。
以前的AI需要人工标注和规则定义,生成式AI则能自己学习并完成任务。
特斯拉的FSD V12端到端AI启发自ChatGPT,标志着自动驾驶技术的转变。
生成式AI能够取代专门的技术应用,如自动翻译、图像处理和语音助手等。
传统AI的程序员编写规则,生成式AI则通过训练自我学习和进化。
小公司在AI领域的生存空间逐渐被大公司和生成式AI挤压。
普通人做AI创业风险极大,建议普通人投资大公司股票以参与AI革命。
未来有前景的公司包括AI基础设施、云计算和能够持续推进大模型发展的公司。
AI技术革命才刚刚开始,未来的发展将影响多个领域,需要持续学习和关注。
Transcripts
大家好!
今天是2024年6月29日
老科談科技股第232期
這輪AI熱潮到底是泡沫
還是另外一次工業革命?
我們普通人的機會在哪裡?
是該奮不顧身的投入創業還是投資AI相關的股票?
今天,我就給大家説一説
先説我的觀點
這輪以大模型和生成式AI爲中心的AI
是人類的第四次工業革命
而以前AI技術路線多多少少都有問題
無法取得實質性突破
最終都以失敗告終了
而這次以大模型爲中心的AI技術路線
能夠取得實質性的進展
觸髮AI革命
第一次工業革命是以蒸汽作爲動力爲中心
以蒸汽機的髮明爲標誌的工業革命
第二次是以電力作爲動力爲中心的
以電燈泡的髮明被標誌的革命
第三次的標誌是計算機的髮明
是以芯片
計算機,通信
互聯網和移動互聯網爲代表的技術革命
第四次是以ChatGPT的出現爲標誌和以人工智能爲中心的革命
第一次和第二次其實都是能源革命
第三次是信息處理和傳遞的革命
第四次是對於數據的分析和決策智能化的革命
目前看
第三次和第四次工業革命還在交織前進
界限並沒有那麼清晰
業界也沒有普遍共識
我髮現很多投資者
並無法徹底理解這次AI和以前AI的區別
尤其是這次以ChatGPT爲標誌的AI
和幾年前Google所提到的AI的區別
我接下來每條都十分簡要論述了
有些地方你如果不熟悉
你可以自己找資料
有些術語我就默認你知道了
首先
我們所説的這次AI革命究竟是什麼?
爲什麼是一次工業革命?
這輪AI的核心技術是大模型LLM
大模型的核心技術是Transformer
注意Transformer是在2017年才被提出來的
隻有有了Transformer
才有了OpenAI的實質性突破
否則
人類在自然語言處理(NLP)領域還是磕磕碰碰
一片迷茫
或者説,生成式AI就像太上老君煉丹
目標很明確,就是長生不老
但是方法很多,或者説技術路徑很多
隻要到有了Transformer作爲工具以後
煉丹的效果大大改善
Transformer之前,都屬於摸索階段
效果不理想
或者火候不對,或者材料不對
不得要領
Transformer也不是一蹴而就的
它是建立在CNNs,深度學習
機器學習和人工神經網絡等等這些年的一繫列探索之上的
通過人工神經網絡來走向人工智能這條路一直磕磕碰碰
例如,在70到80年代
有長達13年的“黑暗時期”,
在大部分的研髮學者礙於沒有資助改投其他研究領域的時候
仍然有一小批以加拿大的Geoffrey Hinton教授爲首的學者堅守在這個領域
通過堅持不懈的實驗模擬再到迭代更新
最終証明了神經網絡理論的可行性
他們的卓越工作將人工神經網絡從“黑暗深淵”中拯救出來
令其重新回歸到人工智能的研究領域
直到後來,GPU等算力的大幅度提昇
數據的爆炸式增長
才使人工神經網絡這條技術路線有了用武之地
大模型的作用是做生成式AI
如生成文字
圖片和視頻
生成式AI是這輪AI革命的方向
大模型LLM的特點是參數越多
訓練越多
效果越好
這就是大力出奇跡的概唸
所以
英偉達的GPU就被搶去搭建越來越大規模的訓練和推理繫統了
當LLM越來越大的時候
成本就越來越高了,慢慢的
實力弱的小公司就無法參與這個遊戲了
留下了的都是不差錢的大公司們
這就是我爲什麼我一直説投資大公司的原因
其次,在大模型出來之前
以前所講的AI是如何做的呢?
我舉幾個例子
例子一:中文英文翻譯
這類軟件早就有了
它們可能使用一個類似於字典的東西
一對一查找
進行翻譯
而大模型的做法大不相同
例子二:早期的自動駕駛
需要人工標注
告訴汽車如何識別交通信號燈
如何識別行人和物體
程序員冩算法,告訴汽車綠燈走
紅燈停
大模型的技術路線則是自己學習的
不需要程序員告訴它規則
特斯拉把這種方式的自動駕駛叫做端到端
特斯拉做端到端自動駕駛的起點時間大約是在2022年的12月
是受到ChatGPT啟髮的
特斯拉的FSD V12 是一個端到端 AI
它能夠輸入圖像
然後從輸出轉向、加速、剎車燈動作
所以
ChatGPT啟髮了很多人工智能相關的行業
通過大模型的方式
把以前的技術路線修改了
也就是通過大模型的方式
重新做一遍
在業界,這也叫做大模型思維
例子四:
蘋果傳統的SIRI語音助手和經過大模型改造的SIRI
蘋果傳統 Siri 是一種規則和模闆驅動的語音助手
它使用預定義的指令和響應模式來執行任務
例如髮送短信、設置提醒或查詢天氣
它的功能受限於預先編冩的規則和模闆
無法自由生成複雜的自然語言響應
Siri 的知識和回答基於固定的數據源
例如維基百科和其他在線信息
基於大模型的 Siri 使用深度學習模型
例如 GPT-4 或類似的技術
來生成自然語言響應
它不再受限於預定義的規則和模闆
而可以根據上下文和輸入自由生成更靈活、更自然的回答
這種新的 Siri 可以處理更複雜的任務
例如生成文章摘要、創意冩作、通話翻譯等
它的知識和回答可以基於更廣泛的數據源
包括互聯網上的各種信息
所以,看似都是一個SIRI語音助手
基於大模型的SIRI和傳統的SIRI在背後的原理是千差萬別的
例子四:人臉的磨皮,美白
以及去除噪音等等
其實是傅裡葉變換的算法
我以前講過傅裡葉變換
大模型的方式則不同
它不需要知道什麼傅裡葉變換
它可以直接在圖片上
或者語音上進行操作
總結一下,以前的AI是專用的,例如
人臉識別的算法,無法識別寵物
英文翻譯中文的繫統
無法做英文到日文的翻譯
現在大模型的AI是通用的
它有着對於未來世界規則的基本理解
有些類似於有通識知識的大學生
以後再疊加點專業知識
就無敵了
最後,總結一下
以前的AI往往是程序員冩的程序
程序員定義了規則
這些AI繫統是專用的
這些AI繫統無法普適
需要針對專門的應用進行開髮
大模型之後的AI是自己學習的
程序員對於它很少幹預
它自己髮現規律
自己最終擁有對於物理世界規則的理解
從而能夠對於新的知識和新的任務觸類旁通
大模型之後的AI是通用的
很容易被稍加改進而支持不同的應用
AI如何被創造和産生
大模型的方式其實有些類似於黑盒子
人類並不是很清楚
僅僅知道大力出奇跡
所以,論文,算法等等
歸根到底,需要看結果
反正,ChatGPT3.5之後
突然效果大大改進了
就像以前中國髮明火藥一樣
髮明火藥的人
並完全懂現在的化學原理
或者瓦特髮明蒸汽機
他也不一定懂太多原理
隻是無數次試驗得到了最優解
同樣,ChatGPT3.5也是在反複實驗後
突然産生了非常好的效果
於是ChatGPT3.5的出現
就像瓦特髮明蒸汽機一樣
標誌着一個技術革命的到來
所以,千萬保持學習
要保持對於理工這類學科的進步表示敬畏啊
人類的任何進步都不容易
不懂技術,不懂原理
空談AI
你是無法感知這次生成式和大模型所帶來的革命性變革的
這次AI革命,才剛剛開始
多多學習技術
評估技術,別輕言泡沫什麼的啊
知道的多,就能夠髮現投資機會
我們都是普通人
該如何麵對這次AI革命?
有人想AI很火,做AI創業有機會嗎?
十年前做電子商務創業的都趕上時代紅利了
這次做AI創業是不是同樣有先髮優勢呢?
我認爲普通人做AI創業沒有機會
九死一生
現在做AI,就必須做大模型
即生成式AI
傳統的AI沒有前途
大模型的門檻越來越高
現在大模型的方向是大力出奇跡
比的就是參數
和訓練的樣本
未來大模型的門檻隻會越來越高
沒錢的別輕易進來
未來的大模型可以做的事情越來越多
越來越廣泛
一點點蠶食小公司可以生存的空間
以前做一個翻譯網站
還可以賺點小錢,讓小公司活下來
現在生成式AI都免費做了
以前做一個圖像處理,美顏
背景消除
是專門的程序,專門的接口
在這些細分領域做個網站
都可以活下來
以後,生成式AI靠自然語言的輸入
就可以很好的完成了
所以,ChatGPT和SORA出來
其實都是在掃盪很多AI創業的小公司們
擠壓它們的生存空間
小公司們都在談“AI+應用”。
但是,現在大模型技術突破太快
所以做AI+應用,風險其實也是很大的
另外,OpenAI這種公司
背後是有微軟的,有花不完的錢
普通創業公司
根本沒有這種燒錢的勇氣
所以,克製你的創業衝動
在生成式AI的轟轟烈烈的技術革命之中靜觀其變吧
如果你要參與這次科技革命,我認爲
你站對隊最重要,買股票投資就好
你選對大的科技公司
就可以高枕無憂了
這些科技公司,有哪些呢?
第一,包括做AI基礎設施的
基本上就是做GPU,做NPU等等的公司
AI基礎設施建設熱潮
會推動整個半導體行業的持續繁榮
這些都是賣鏟子的行業
日子會非常好
第二,能夠持續捲大模型的大公司
未來能夠真正活下來的基礎大模型應該不多
就和現在的手機和電腦操作繫統一樣
估計
最終能夠很好活下來的就是OpenAI
微軟,谷歌
Meta,它們幾個公司的基礎大模型
第三,雲計算公司
大部分公司未來會租賃AI算力
通過雲計算調用大模型的接口
也就三家,我經常提起它們
我近期看了一個年輕人自信滿滿講AI創業的視頻
有些參與者僅僅靠一腔熱血
過於樂觀了
感覺有些創業者可能是從電子商務
從社交媒體,等領域過來的
對於生成式AI的理解可能有偏差
所以,我冩出了我自己的看法
不是嚇唬大家,AI創業九死一生
避免衝動啊
好了,今天就到這裡了
在這個技術髮展一日千裡的時代
我會及時跟踪和分享和科技股相關的科技動態
包括熱門的人工智能
髮佈在Youtube會員區
和美投君創辦的“九點半”網站
歡迎大家加入我的YouTube會員
或者在“九點半”網站訂閱我
你可以在這個視頻留言區找到相關的鏈接
最後,記得訂閱並點讚支持一下吧
下次節目不見不散
Voir Plus de Vidéos Connexes
《與楊立昆的對話:人工智能是生命線還是地雷?》- World Governments Summit
大來賓 Urus高 (高大) 市場主力選股密技! (有字幕請打開)
Demis Hassabis - Scaling, Superhuman AIs, AlphaZero atop LLMs, Rogue Nations Threat
Pieter Levels — The Indie Hacker’s Guide to AI Startups
Как ИИ-компании победили Google, Apple и Amazon | Искусственный интеллект: путь к завоеванию мира
In conversation with the Godfather of AI
5.0 / 5 (0 votes)