基于 AI大模型训练自己的小模型

基础概念与新名词解读

文章首先介绍了三个非新鲜的基础概念：机器学习（ML）、深度学习（DL）和自然语言处理（NLP）。机器学习是人工智能的一个分支，专注于使用数据让计算机系统学习。深度学习是机器学习的一个分支，运用神经网络和大量数据进行学习，目前是最成功的机器学习方法。自然语言处理是人工智能和语言学的重要方向，多数基于自然语言输入的产品交互需要NLP技术。

随后，文章解释了几个新名词，这些都是ML和DL领域深耕后的成果。大规模语言模型（LLM）是指在深度学习技术下产生的大型语言模型。生成预训练变换器（GPT）是一个基于深度学习的预训练语言模型，其不同版本如GPT-1至GPT-4标记了其发展。ChatGPT、Bard、Claude和文心一言等都是基于GPT架构开发的产品。

AI领域的技术链条

文章指出，对一家公司来说，独自承担整个技术链条上所有模块是困难的。各公司通常专注于自己的领域并提供服务，再通过组合创造新技术。文章以iPhone技术的组合创新为例，阐述了AI领域的技术链条。链条上游提供底层基础服务如芯片、算力和数据，例如NVIDIA；中游则关注模型算法，如各公司的大模型和特定领域算法；下游则致力于面向用户的应用开发，例如基于模型搭建的应用，比如基于ChatGPT的New Bing等。

摊牌了，创业失败了

了解更多

想要了解更多内容？

查看原文：基于 AI大模型训练自己的小模型

文章来源：

MavenTalk

扫码关注公众号