探索AI时代的应用工程化架构演进

发布时间：2023-09-07 14:11:49 所属栏目：动态来源：

导读：在当下生成式模型的AI时代，了解和使用AI相关技术是前后端研发同学迟早要面对的事。

所有产品都值得用AI去重新做一遍。其根本原因在于当下AI的形态即生成式模型是通过AI辅助来改变和创造新的产品形态，而不是像以

在当下生成式模型的AI时代，了解和使用AI相关技术是前后端研发同学迟早要面对的事。

所有产品都值得用AI去重新做一遍。其根本原因在于当下AI的形态即生成式模型是通过AI辅助来改变和创造新的产品形态，而不是像以往的技术一样只是对现有产品形态的补充。

一、当代AI的特点
当代AI来势汹汹，具备了通用的面向不同领域甚至全模式的强大推理能力，各类理论实践也在这两年爆炸式增长一时洛阳纸贵，大家对当代AI的了解基本在一个起跑线上，这也是当代AI魅力十足的重要原因之一。

对于AI，已有大量的研究表明，人的意识是非算法的，从哥德尔不完备定理到图灵不可计算问题都已经证实了基于图灵机的人工智能，也就是当代基于语言模型的预训练大模型 AI，是无法建立“自我”这个概念的。

当今的AI技术依然基于图灵构思搭建，致力于解决图灵可计算的难题；而要合理管制及推动其发展，还需要良好的持续性运用方案。

二、对研发的挑战
回到现实，前端、后端等研发同学现有的经验和知识在短时间内还无法跨越这个门槛。而且如大模型算法、训练推理加速、异构计算等等也不是前后端研发同学的领域和优势。

但从最近大量涌现的AIGC相关实践文章，可以看到很多实践者也并非算法同学，这也说明前后端研发同学完全是可以做到的。总体上来说也就是说只是基于我们的现有互联网大数据模型或者是说去做人工智能的应用的门槛还是可以跨越的。

三、AI应用工程
当前所谓面向AI开发是向大模型不断输入Prompts，在对上下文 / 语境的控制下推理并得到我们期望结果的过程。

整个推理过程的效率以及结果的质量，除了大模型稳定性这个大前提外，最大的因素还在于我们的实践经验，也就是向AI提问或引导AI的技术。想象下我们面前的是人而不是AI，那应该如何通过对话去建立语境产生引导，使对方满足我们的需求，即便这个需求是不合理的。

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!