AIGC被严重高估了,大模型潮水即将褪去吗?
1、潮水褪去之后
这个公众号的活跃度将死未死,更新频率气若游丝。这个状态,像极了现在chatGPT——行业热度好像没了,但又一些希望。
目前行业内凝聚了足够多的共识——
小模型微调没什么大用,但是因为有自有模型可以对外融资。坏消息是投资人们虽然不聪明,但现在也知道这个事儿了。
向量数据库+大模型是当前最佳的实践,所以前一阵子一堆做向量数据库的公司融了比较多钱。坏消息是向量数据库开源的东西太多了,但凡一个公司有几个能干活的后端工程师,都能自己做,也不贵。
学术前沿发了非常多针对大模型的论文,呈现出一幅百花齐放的景象。坏消息是即使是非常厉害的高校和研究院,发的论文水平就跟孟德尔之前的生物学一样。搞一个场景,比较几个大模型的回答,做个统计层面的分析,计算机前沿论文几乎连数学公式都没有。
OpenAI的CEO Sam Altman都不干正事了,不是在世界各地走穴刷脸说车轱辘话,就是在忙活自己那个worldcoin,这玩意儿一度和OpenAI差不多值钱,令人震惊。本来高呼chatGPT是新的第四次工业革命的财经自媒体也尴尬了——难道chatGPT要退环境了?难道真正的第四次工业革命其实是上个版本的区块链?
2、卧槽,现在AI这么厉害了?
chatGPT和Midjourney刚火起来的,大家都在感慨:“卧槽,现在AI这么厉害了?”
经过了大半年,大家依旧在感慨“卧槽,现在AI这么厉害了?”
诚然,技术在进步。chatGPT的内核从GPT3.5升级到GPT4,推理能力明显提升,基本不会犯低级错误了。之前我比较看好的characterAI终于出圈,大家可以和自己喜欢的人格化AI沟通。Midjourney进化到了V5有了摄影级别的质感和细节能力。Stable Diffusion在以ControlNet为代表的诸多插件加成之下,成为了梗图大师。
但除了从业者兴奋地呼喊,这就是未来之外,普通用户看到这些AI的反应还是和大半年前一样:“卧槽,现在AI这么厉害了?”甚至还会再加半句,那我用AI能干什么?
3、AIGC能干什么呢?
关于这个问题,目前看到的都是一些案例,简单说一下,不一而足。
做业务盈利总归是困难的,AIGC最秀的还是资本市场操作。一大波国内做AI半死不活的公司纷纷宣布入场大模型,估值一路走高。还有上市公司宣布深度参与大模型,然后股价大涨一波——涨的少的,高管少量套现,涨的多的,创始人直接离婚套现。
其次赚的多的就是一些商业导师,最开始他们教产品和运营,后来他们教数据分析,后来他们教区块链。总之他们敏捷的大脑,总是能追上热点。像是新时代的普罗米修斯,总是偷来黑科技的火种,散播给普罗大众。这波AIGC他们也参与其中,他们把AIGC做成录播课,在自己的各种私域流量池里传播,标价从99到2998不等。
最后就是各种自媒体里,用AI绘图生产内容,粉丝量不多,赚一点流量补贴,有一个号做大了变现的梦。胆子大的用AI生成一些限制级的图片,工业化福利姬确实是又多又好,但到底是上不了台面的生意,还有人因为这个事儿进去了。
还有一些AIGC有用的场景,赚钱不那么快,也没有那么性感
趁着这波卖智能学习机的头部教育品牌,卖点真的是因为有作文批改和基于大模型的讲解对话功能么?坦率讲,家长哪里在乎这个,里面塞了那么多机构的录播课,之前一个学期一门课就得1000多,现在一个2000块送全套,还白饶一个学习机,多香啊。
图片和视频的AIGC确实已经在生产内容了,在游戏、广告、设计等行业开始有了因为AI而裁员的趋势。传统的NLP算法被全方位超越,对于小公司而已,以往需要一个NLP团队才能做的事情,现在有了LLM就可以用一般的工程师搞定,这些也都是变化。
质检、客服这些事情的确有效率提升,但部署成本和使用成本又非常鸡肋。说到底是一个内部优化的事情,想做ToB也没有前途。说白了核心能力就是大模型的能力和内部数据库构建能力,国内这个环境,想要简单包一层中间服务卖钱,困难重重。对小厂来说部署成本太低了,一旦一个团队能理解大模型的能力和知道怎么做好数据库,这个事儿找几个不错的后端工程师自己就搞了,然后在周报上写上:“完成了大模型的本地部署,为公司节省了X万每年。”
人格化对话的AI产品characterAI确实增长很快,但人真的会长期和一个AI对话来满足自己的情绪价值吗——尤其现在AI长期记忆的问题难以解决,短期对话效果惊艳,长期对话大打折扣。人终究是社会动物,需要的不是对话,而是和一个具体的人沟通的过程,我觉得即使未来有非常优秀的陪伴AI,也终究无法替代真实人类之间的陪伴。这一点,尝鲜的用户最终会发现。
4、技术总是在短期内被高估,但是在长期又被低估
这句话在互联网圈子里面已经被传烂了。但也并不是所有的新技术都是如此。比如chatGPT和当初的微软小冰虽然有质的变化,但是当初微软小冰也被认为是AI要改变世界。
“试玉要烧三日满,辨材须待七年期”。
但在我看来,AIGC这波技术发展,的确是短期内被高估,长期又被低估。
短期内就算堆出来一个GPT5,以当前模型的框架,依旧无法解决长期记忆和深度推理的问题。图片和视频用着高昂的显卡,生产出来的内容在自媒体平台,依旧只能获取腰部水平的流量,本质上还是一般质量的二次创作。
但是长期来看,既然已经发现大规模参数可以堆出更强大的模型,就会有更多人在这条路上探索。
基础的硬件会在资本加持下持续进步,算法框架也会有更多团队探索和优化。在应用端,依赖目前的算法,已经可以进行足够多的探索,而这样的探索的经验对行业发展十分必要。
2003年亚马逊发表了协同过滤算法的文章,今日头条12年诞生,电商的千人千面大规模应用还是在15年。虽然现在这些场景下的算法已经非常复杂,但是并不影响他们即使用协同过滤也能达到相同的效果。
各种动态美颜技术也早有发展,后来抖音用滤镜降低了创作成本,短视频大型其道。
如果只说因为移动互联网引爆了这些产品是不公平的,这些算法技术也经过了足够久的探索和发酵。
AIGC相比这些算法,有着更大的想象力。有思考和推理能力,能创作出高水平的图片、文字、视频。但真的要用好这些工具,并不是一件容易的事情。
大部分人在工作中还是个人贡献者,而大部分管理者管理水平其实非常低。而大模型广泛应用后,每个人都应该有足够强的管理能力,安排好AI的工作,自己负责规划和创意的部分,把大部分执行交给AI,这远比管理好一个有学习能力的人难得多。
那么在不同类型的工作中,怎么才能降低这个管理AI的难度呢?这才是AIGC广泛应用最急需解决的问题。这个问题的答案,就像退潮后沙滩上的贝壳,等着有耐心探索的人去发现。
请先 登录后发表评论 ~