不要沉迷大模型的技術與理論，學習大模型的方法——從做一個小應用開始 原創
“ 在應用中學習技術，而不是沉迷于技術本身 ”
不知道大家都是怎么學習大模型技術的，但從個人的經驗和公眾號的反饋來看，有些人在學習大模型技術時轉進了牛角尖，導致很多東西學不明白，事倍功半。
今天就從個人的學習歷程出發，來討論一下關于大模型技術的學習方法。
學習大模型技術的方法
應該跟很多人一樣，之所以學習大模型技術是因為大模型技術的爆火，以及大模型技術在未來的發展潛力，更重要的一點是不了解和學習大模型以后可能會找不到工作。
有句話叫，以后被人工智能淘汰的不是農民工，也不是高級白領，是不會學習和使用人工智能的人。
雖然大模型技術的前景并不是很明朗，但這并不妨礙我們學習大模型技術；但應該怎么學習大模型技術，卻是一個值得思考的問題。
在剛開始接觸人工智能技術的時候，應該像絕大部分人一樣，面對人工智能技術領域一大堆專業名詞，框架，技術，架構等等；感覺自己無從下手，不論是看書還是看視頻，都聽得迷迷糊糊，很多地方也聽不懂。
但是，比較好的一點就是剛好這段時間學會了寫公眾號，把自己對大模型技術的學習，理解以及思考給記錄了下來；雖然其中可能存在很多問題，但這并不重要，重要的是自己在寫公眾號的同時對大模型技術有了更加深刻的認識與理解。
在剛開始寫關于人工智能技術的內容時，大家也可以翻到之前的文章看一下，大部分都是一些概念性的東西；反正只要是自己看到的，不懂的東西就寫下來，權當是一個個人筆記，記錄一下。
但是在寫公眾號的過程中，慢慢就發現一個問題，那就是很多不明白的東西，寫著寫著就慢慢明白了。
因為寫作的過程是一個重新思考的過程，很多不明白的東西，你雖然也可以照搬的抄下來，但會覺得這樣總是怪怪的；因此，你就會主動思考，用自己的話，把自己的理解給下來。
這樣，哪怕別人看不懂，但它記錄的是你的學習與思考的過程，而在這個過程中，你就會加深對大模型技術的理解。
在前面寫的文章中，有很多我自己都不是很理解，有些就是照搬照抄下來的，但現在回頭看一下，發現有些東西在不知不覺中就理解了。
因此，再次建議一定要養成寫作的習慣，哪怕你寫的都是錯的；學習是一個輸入的過程，寫作是一個輸出的過程，有輸入，就要有輸出；否則學習的意義就不存在了。
這也是為什么很多人覺得，讀了很多書為什么還是過不好這一生的原因；因為你學了，但并沒有用出來。
這也是為什么一些戰爭時期的高級將領，雖然沒有讀過書認過字，甚至靠一本三國就敢帶兵打仗，而且還勝多敗少。
原因就是，他們能夠把三國里的知識和現實中的戰爭問題相結合，然后在不斷地實踐過程中加深對三國和戰爭的理解，最后越戰越強。
其次，學習是一個循序漸進，不斷驗證又不斷推翻的過程；很多人鉆牛角尖的原因就是，想把大模型的技術與理論完全吃透。但這怎么可能呢？
在此之前，作者本人也是鉆進大模型技術里無法自拔，整體滿腦子想的就是大模型是怎么設計出來的，Transformer架構為什么這么牛逼，自注意力機制的原理是什么？chatGPT是怎么實現的？怎么訓練和微調一個大模型，怎么在本地部署大模型等等。
這些東西有用嗎？
答案是有用，而且有大用；但對現階段很多人工智能剛入門的人來說，它們沒什么用。因為它們離我們太遠，我們夠不著，反而徒增煩惱。
在之前的學習過程中，作者也天天想自己本地部署一個大模型，然后訓練一個模型；但后來發現，即使本地部署大模型又有什么用？能解決什么問題？除了能夠用來吹牛逼之外，還有其它的實際作用嗎？
有些人可能會覺得，至少熟悉了大模型是怎么部署的？
但事實是，大模型的本地部署大部分人都是下載一個工具，然后把大模型下載下來就叫會部署了。
但大模型在真正的企業應用中，怎么解決其性能問題，并發問題，輸出質量問題；比如說，大模型的分布式部署怎么搞？有哪幾種方案，每種方案的優劣是什么？
那些在本地部署大模型的人，有誰能回答上面的問題？
如果能回答上面的問題，還有其它新的問題，比如長文本問題怎么解決，模型幻覺怎么解決，如果需要對大模型進行微調，怎么解決并行計算問題，在并行計算的過程中會潛藏著哪些問題？有哪些注意點？
更不用說更加細節的，用什么傳播算法，損失函數怎么設計，大批量訓練數據怎么處理等等。
因此，最好的方式應該是在了解一些大模型的基礎理論之后，找一個大模型的技術方向或應用方向，去自己深度地研究一下。
比如說，自己手動打造一個大模型知識庫，哪怕這個知識庫很簡陋，但在做的過程中，肯定會遇到各種各樣的問題。
再比如，大模型在AIGC領域的應用，怎么用大模型構造AIGC的應用，其存在哪些問題，需要怎么解決。
比如說，搭建大模型知識庫面臨著龐大數據的存儲與檢索問題，大模型的理解能力不足，該怎么解決。再比如在AIGC領域，假如想用大模型做一個視頻生成的應用，怎么解決不同場景和視頻風格的問題。
比如說，國風類的視頻，可愛型視頻，二次元視頻，美女跳舞視頻，走的清純路線，可愛路線，白月光路線。
大模型能同時滿足這些不同的場景與風格化視頻的生成嗎？生成質量怎么保證？
這時你就會考慮該怎么解決這個問題，比如說是因為大模型的知識不足，訓練效果不好，還是模型設計有問題。
這時再去學習大模型技術的原理，實現，你這時就會有的放矢，而不是純粹的學習大模型技術理論，然后也不知道自己學了之后能干嘛。
再拿大模型的應用來說，在之前的學習過程中，一直不明白大模型有什么用？難道只能用來回答問題，生成一些圖片和視頻？而且還不能保證答案的準確性以及生成內容的質量。
而在自己真的開始動手用大模型解決問題的時候，才方向大模型的應用方向有很多。比如前面說的生成視頻的例子，怎么生成不同風格的視頻；內容生成方向多種多樣，明顯不是一個大模型就能完全做到的。
就像一個人一樣，他不可能同時精通天文地理，物理化學，寫作繪畫，古董鑒賞等多個領域，大模型也是如此。
而且隨著對大模型技術理解的加深，自己慢慢就會發現大模型的一些應用方向，比如說利用大模型的推理能力實現的Agent，來解決不同領域的問題，比如旅行，寫作，營銷，工業制造等。
再比如，大模型與知識庫技術的結合，去實現智能問答，教育培訓等；還有在昨天文章中說的，大模型應用于內容合規性校驗。
在當前大模型技術發展的初期，這隨便拎出一個方向都可以作為一個創業項目；不論是做出一個能高質量生成各種風格視頻的大模型，還是結合知識庫做一套智能客服。還是打造各個領域內的大模型，都具有廣闊的發展前景，以及發展空間。
總之，知識不只是書本上的才叫知識，實踐更是一個大的課堂；要把理論與實踐相結合，才能讓理論去指導實踐，讓實踐去驗證理論。
本文轉載自公眾號AI探索時代 作者：DFires
