GPT-4出来之后，人们似乎对AI又开始兴奋起来！AI技术的再一次迅猛发展，催生了一个个超级个体，人类的能力边界再一次被拓宽和强化！
“通过简单的对话聊天方式，人们发现AI几乎是上知天文下知地理，可以回答任何能想得到的问题，甚至可以替人们完成编辑ppt、写论文、写专利，翻译学术专著，提炼论文核心观点和结论 ...”
这类AI技术，人们一般叫做AGI（Artificial General Intelligence），即通用人工智能，因为它“不挑活儿”，同时，由于这些技术背后的算法模型的参数规模巨大，也叫做大模型。
大模型可以对文本、图像、音视频进行理解以及创作生成，而其中，最典型的且最有代表性的是自然语言大模型。作为聊天工具的OpenAI ChatGPT就是自然语言大模型。
在领略了ChatGPT的魅力之后，国内很多AI厂商迅速开始奋勇追击，研发了国产化的自然语言大模型底座模型。例如，百川大模型、智谱大模型、文心一言，以及Kimi等 ...
这些大模型底座比较适合中文的文本大数据应用场景，更加符合国内人的语言交流习惯和文书表达风格。
和传统AI相比，大模型之所以具有更大的技术亮点，主要在于“通用性”和“生成性”这两个方面。
对于生成性：传统的AI更多关注分析数据，而AI大模型则可以生成数据，也就是直接给出工作成果，完成了业务活动的“最后一公里”的交付。
对于通用性：则强调了，AI不仅能很好地完成任务，而且可以完成各种类型的工作，具有极强的可塑性。
以前，AI做什么，不是使用AI的人说了算，而是开发AI的人说了算。
开发一套AI的代码必须经过数据规整、特征工程、模型构建、参数训练、模型有效性验证、模型部署等一系列繁冗的步骤。
模型开发的效率远跟不上需求的变化。业务人员总是在用过时的技术工具和过时的知识经验成果。
有了AI大模型，可以实现“零样本”学习或者“少样本”学习。什么意思？
就是说，AI的能力不总是依赖于开发人员从头开始的构建，而是当用户口头发布任务指令的时候，就可以立刻掌握这个任务的相应能力，并按照要求“完美”地完成工作。
人的“想法”可以立刻得到执行，同时，很多创新的思路也可以快速进行实验，每个人都可以成为在他所在领域的创作者、发明家。
数字化转型，不仅仅是企业的数字化，组织的数字化，流程的数字化，更是人的数字化。
人能更好地利用当代信息技术工具开发自己的创新潜力，挖掘数据要素价值，是数字化理念最成功的表现之一。
因为有了AI大模型，一些基础的执行层面的工作被机器迅速替代，而人的价值更多地体现在提出想法。
这个时候，1+X的多代理（Agent）方式，可以快速撑起极具创新力的团队。
用提示词工程（构建任务问题模板）重塑大模型的能力，对他们进行连接编排，形成业务合力。
如果这个“想法”运转得好的话，那么这将是未来一个典型的高产值超级个体模式：
... 定义一个价值链流程，明确这个价值链的每个环节都需要完成哪些任务，让AI大模型在各个环节高效地完成数据和知识的转化，而人只需要监督整个流程，在恰当的时候予以必要的业务指标校正就可以了...
~欢迎关注小刘老师2024年数字化新书，《从数据科学看懂数字化转型》，清华大学出版社~
~猜你想看更多文章~
公众号推送规则变了，如果您想及时收到推送，麻烦右下角点个在看或者把本号置顶！本号长期招募合伙人（数字化咨询，文稿编辑和AI技术研发），有意向者欢迎留言。
