AIGC 思考

TIP

Tags: AIGC, 互联网

Date: August 27, 2023 10:00 PM

周末两天分别跑了两场有关 AIGC 的活动，

个人有了更多关于 AIGC 信息输入，

自个也做了点理解，以及一些个人思考。

下方先说一下，本次活动给我带来的信息输入 && 个人理解

• **工作流与 AI 的结合**：日常的工作可以抽象成一套流程/机制，在具体的流程和机制中结合 AI 能力。
• **数据在 AIGC 中的角色**：模型日后可能差异不会那么大，之后私有数据的差异化可能更重要。
• LLM as a general knowledge runner：也许未来，我们能将我们的个人知识库 + LLM + 工作流结合，构建一套 Agent 能力，塑造一个系统。
• 软件工程项目管理 + AIGC：软件工程项目管理的流程，可以结合不同的 AIGC 能力，去做不同的处理。
• AIGC **市场竞争**：目前越来越多的 AIGC 产品出来，竞争过大，可以试着做对应的供给方，比如芯片，或者可能提供让开发者低成本开发大模型的能力/平台。
• Prompt Engineering：提示词工程也可以抽象出一些场景，但还是要实践和归纳。
• 不要过分依赖套壳：目前也许套壳 + 想法可以落地一个应用，但可能没有太多的技术的壁垒，除非你的业务认知会足够优势，不然可能会容易被模仿和超越。
• CVP: ChatGPT / LLM + Vector DB + Prompt 实现知识库 嵌入 LLM。大概了解了一些概念，通过将文档信息切分成向量，从而进行向量存储，后续当用户提问，检索向量对应内容，将内容 + 用户的意图 + promot 传给 LLM，从而实现知识库检索。

感谢活动中各位嘉宾的分享，实际分享的内容远比我上述的多。

总体来说，即使最近感觉 AI 热度没以前那么强，

但这次活动让我感觉，也许是发展的领域我们接触的比较少，

毕竟可能日常接触多的是 C 端的 ChatBot 等应用层的东西，

而模型和基建层，可能我们接触的稍微少了点。

最后，也记录下自己的一点小思考吧。

1. 模型的“幻觉“问题：虽然我们可以通过判断力或者 Prompt 去尽量规避，但还是有一定的成本，不知道未来有没有什么办法可以更好地面对这种情况？
2. 目前的 AIGC 在某些场景下可能不是纯 AIGC（可能 AIGC 输出的内容不能直接使用），更多的场景可能是 UGC + AIGC，那未来比较成熟的 AIGC 的场面又会是怎么样的。
3. 个人感觉： AIGC 可能替代不了优质的 UGC / 真实感情的内容。一个 Content 已经经过用户的精细处理，变成了优质内容，那这个在用 AIGC 去处理这些内容，可能会适得其反。
4. 知识库 + LLM + WorkFlow: 也许未来的 LLM 真的可以做我们自己的 knowledge runner， 但前提是个人可能得具体地去构建自己的知识体系、工作流、以及和 LLM 链接。