【直播回放及问答实录】普通开发者如何玩AI｜ 践行者第39期

随着软件开发技术的不断迭代升级，AI逐渐成为开发者最为关注的方向。AI技术不再是遥不可及的高科技，作为一名普通开发者，怎样让AI技术更好地为我们所用呢？本期践行者邀请到了Gitee AI技术专家林家桢老师和开源中国CTO红薯老师，一起看看他们如何教我们“玩转”AI。

一、直播实录

Q1：开发者需要了解哪些AI的知识点?

林家桢老师：

可以抓住AI技术关键词。当下最热门的技术是围绕Transformer构建的一系列技术，这是一个关键词，抓住Transformer可以往不同方向找到更多技术、应用、场景相关的关键词。

作为一名开发者，可以抓住关键词和关键词的组合在平台社区检索信息，获取AI相关的知识。我们可以看到在开源社区中已经有很多广泛的尝试。通过善用搜索引擎，我们可以有很多不同领域的想法，这些想法其实会反过来激发我们产生新的灵感。

Q2：开发者可通过何种渠道低成本体验AI开发?

红薯老师：

大模型其实在笔记本上都跑得起来，而且现在有很多开源小工具，包括最开始的ChatGPT以及百度、清华的一些免费Chat 应用。

就AI Chat 的应用，我认为如果大家对 AI完全没有任何基础的话，可以先去使用、感受一下，这与以往所认识的AI是完全不一样的。我们过去主要做人脸识别，大家可能对此非常熟悉，但现在AI 的应用能力与以往完全不同，因此可以去感受一下AI能力。

在这个阶段，我们可以开始思考：AI和我目前的工作、业务会有哪些结合点。例如，我们可以开发一个博客应用，让AI辅助生成部分博客内容。在初期阶段可以进行探索，一旦业务初具模型，接下来的关键问题并不在于技术的具体运用，或是通过简单的方式在机器上去运行一些开源模型，更关键的问题在于如何将AI能力与我的业务有机结合。这是一个需要从业务角度思考的问题。

Q3：普通开发者如何向AI转型？

红薯老师：

对于AI开发，更多人是从入门到放弃的状态，因为这里牵扯到各个方面的知识。对于AI应用的开发，我认为要感知业界在做什么，找到适合自己的领域切入，这样才能做出自己有特色的应用。

林家桢老师：

我认为可以结合自身业务需求来看这个问题。这可能需要开发者先了解现在AI水平，而只是依赖新闻报道，可以实际去了解当前项目的进展。在开源生态中会有同行之间的review，所以report的置信度会高一些。这是开源生态中很重要的一点，与学术的同行评议类似。

在开源领域，当我们开源自己的项目、的算法和展示自己的AI 能力时，这些相对更具有落地意义。我们在开源生态中接触AI的应用，了解具体应用领域，再回头审视自身业务，看看我们有哪些机会可以应用到这些技术，然后做一些落地的尝试。

现在有很多可以尝试的点。在我们团队中，有一些小伙伴很喜欢二次元和虚拟人物。目前，虚拟人物的动画形象通常由人类扮演者控制，通过动作捕捉技术捕捉人物的face structure，再展示虚拟人物形象进行直播。然而，有一种新的应用方式，利用Chat机器人构建一个专属的虚拟人物，它能够直接和你对话。这实际上是一个大模型，也是一个很有意思的应用。在开源社区上，还没有人完整地落地这件事。

因此，可以看到有很多类似的结合存在。不仅局限于知识库、问答、总结和摘要，而是可以将其与业务需求和个人兴趣结合起来。其实还有很多尚待挖掘点可以做。

Q4：前端开发人员应该学习AI的什么方向？

我了解在Hugging Face上开发AI应用时，通常会使用Python编程方法，而Python有专门的库用于构建用户界面(UI)，但我觉得这种方式相当繁琐，因为我发现学习这方面的知识相当费力。

我一直想做的事情是让未来的AI应用可以利用当前流行的技术。比如说，通过调用API的方式，结合现有的前端技术，就能打造全新的AI应用。这样一来，整体体验会更加出色，用户感受也会更好。因为目前前端技术生态非常成熟，与Python生态完全不在一个层次上。

因此，我们希望未来的AI Chat能够帮助前端开发者快速构建AI应用。这样一来，门槛将大大降低，使得开发变得更加便捷。

Q5：大模型的开源和闭源之争，开发者如何选择?

红薯老师：

去年6 月，我们曾专门做了一次关于大模型的开源与闭源的讨论。

以下是大家争论得比较激烈的点：

• 现在开源的大模型是否真的开源；
• 开源的大模型是否会越做越差。

“开源”这个词到现在已有几十年了，其定义早在很久以前就提出了。现在AI大模型是在短短一两年内崭露头角的。大模型的“开源”的确不符合传统开源的官方定义，所以它的确不算是严格意义上的开源。许多训练过程和数据都未公开，当前的开源大模型更多类似于以往我们所谓的共享软件或自由软件，即提供的是二进制版本。

如果有人重新定义“开源”，可能会更符合当前AI的发展趋势。目前，各方纷纷推出各种开源大模型，基本上已经偏离了传统开源定义的道路。

林家桢老师：

我更加关注基准测试（Benchmark ）。我们首先要确立评估标准，再根据不同规模来评判模型的好坏。在学术价值观方面，GPT4 最新版本的评分毫无疑问是最高的，其与人的互动表现最佳。但在实际落地应用中，确定哪种模型更好并不是一件简单的事情，因为我们缺乏一个能够适用于所有场景的评估体系和标准。

所以，在实际落地项目时，我们通常会先利用OpenAI运行一个比较好的状态，再通过在线推理，将其应用于实际场景并测试效果。如果效果好，确定该场景可行后，我们会将这个开源模型稍作缩小以便本地化部署，随后在该场景中进行进一步的调优和应用。

从技术角度来看，大模型应用大致分为三个阶段：

• 第一个阶段：预训练大模型，需要投入大量资金，可以由个人开发者或者开源生态实现；
• 第二个阶段，精细化调整阶段（FIN）；
• 第三个阶段：promotion，即给模型指令，这是模型落地部署的比较关键的阶段，更接近于开源生态，就像是软件工程的开源。

Q6：企业想用AI赋能应如何做?

红薯老师：

• 积极拥抱

我们至少先应用起来。这也适用于我们自己的公司，我们之前是从事过DevOps方面， 所以我们一直在探索如何更好地与AI结合。我们只能使用各种各样的产品，再去思考具体的结合点。

• 公司鼓励的氛围很重要

对于公司的领导者来说，鼓励大家去尝试这种探索是最重要的，而不是关注具体的结合点。我认为同事们可能有着创造性的思维，会提出更多结合的好点子。

林家桢老师：

AI赋能是一件挺难的事情，需要小伙伴对自身业务有着深刻的了解。目前，更多的有关AI信息输入是必要的，以明确AI当前的能力边界。

可以从多个层次了解AI能力：学术、大类应用、具体AI项目。其中AI的应用项目似乎已经开始出圈了，不仅是在Gitee等平台，在许多娱乐向内容网站也出现了不少。开发者门都有自己的创意，也愿意分享自己的idea与demo，我认为这种分享往往能激发更多的灵感。

Q7：有了 AI，传统软件开发的工作模式会发生变化吗？程序员会失业吗？

红薯老师：

我现在还在写代码，对于AI提效真的深有感触。利用现有的一些AI编程工具确实可以提升工作效率。相比以往需要进行搜索的情况，现在很多时候AI会自动给出答案，并根据上下文给出代码的建议。

这里的两个问题：一个是现状，另一个是趋势。那我们是否认可“程序员会AI替代”这一趋势呢？AI肯定会不断提升，当它提升到了40%、50% 时，可能会波及到一些比较低阶的程序员。但就当前阶段而言，AI替代程序员不太现实，甚至完全不太可能。我相信以后会有更多人在这方面取得进展，但要完全取代程序员的工作应该没有那么容易。

林家桢老师：

Q8：现在有哪些工AI具可以运用到开发中？

红薯老师：

我举个例子，我目前正在安排Gitee接入一个AI工具。大家经常会在Gitee、GitHub 这样的网站上看开源项目和源码。那我就想利用AI，可以在查看代码时为开发者展示代码的解读。这会用到给Gitee AI上面的算力来做提供，我认为这可能是一个很小很小的点，但是挺有意思，这就是不断地去尝试探索。

林家桢老师:

我是从事系统开发方面工作，通常一个工程文件可能长达6000多行。如果我要理解核心，需要花大量时间在不同的代码段里跳来跳去的。如果有AI 直接帮我做出总结和摘要，指出核心功能和核心函数，这会大大降低代码阅读的成本。

我非常想实现这个功能。我认为现有的AI已经能够实现我刚刚所描述的场景。但是在不清楚业务场景时，其实很难将其落地。

红薯老师：

开发者在看各种各样的项目时，需要一个快速的指引。一般情况下，他们会在线查看开源项目，只有遇到真正感兴趣的项目才会拉到本地跑一跑，所以说这个量还是蛮大的。

AI需要一定门槛。无论是租赁服务器、购买硬件还是使用云服务，成本都相对较高。此外，使用量大的情况下，比如 Gitee，成本可能会令人望而却步。我们需要评估所需的算力支持，以完成这一项目。

此前，我曾考虑另一个问题。在提交代码时，例如为开源项目做贡献或提交 PR，常常需要编写大量描述内容，包括标题、简介以及解决的问题。程序员普遍不喜欢编写文档，甚至会批评他人不编写文档。这是程序员的共同特点。因此，我们是否可以借助AI来生成这些 PR 的描述信息以提高效率。

林家桢老师：

Q9：开源中国的运营成本高吗？

红薯老师：

其实，开源中国的运营成本很低，很长一段时间是靠一台机器支撑整个网站的流量，即使发展到现在，服务器数量也不过三五台，所以说费用挺低的。相比之下，Gitee的规模相当庞大，目前拥有超过 500 台服务器，用以支撑国内1200万开发者的需求。

随之推出的Gitee AI更恐怖。当前AI技术所需的硬件设备价格昂贵，一台机器可能高达200 万。我们希望未来AI应用开发者能够更便捷地在AI平台上选择模型，并在我们提供的服务上运行这些模型，以提高效率。

Q10：AI未来将走向何方?

红薯老师：

我认为未来是一个AI应用大放异彩的时代。现在大家把焦点都放在研究和开发这一“炼丹”的过程，但这些“丹药”到底谁来吃还是未知的。目前，大家都只是舔一舔，还没敢大口尝试。所以说，未来应该是一个AI应用蓬勃发展的最佳时期，现在也是一个合适的起步时机。

林家桢老师：

三、送给大家的一句话

林家桢老师：

希望各位开发者在AI时代用好AI。

红薯老师：

该吃的饭还是得吃，这些是AI 帮不了你的。