AI 模型的進化｜從 大型語言模型LLM 到 多模態模型LMM
隨著 ChatGPT 和 Midjourney受到大眾的關注，最近與 AI 相關的名詞變成了 buzzword，前陣子常常看到文章討論深度學習Deep Learning、生成式AI Generative AI，到近期對大型語言模型 LLM、多模態模型 LMM 的討論，接下來將深入討論這兩個模型究竟是什麼？對未來會帶來什麼改變？
- 大型語言模型（Large Language Models, LLM）
基於深度學習技術的自然語言處理（NLP）模型，模型用於理解、生成、翻譯、總結...等等處理文字語言的任務。這些模型通常訓練於龐大的文本數據集上，以學習語言的結構、語法、語義等層面的知識。目前大型語言模型在日常生活中的應用十分廣泛，如聊天機器人、內容總結、文章改寫或文法修改都是大型語言模型常見得使用場景。 - 多模態模型（Large Multimodal Models, LMM）
「多模態」指的是多種資料型態，模型能夠處理並整合來自不同資料型態（例如文字、圖像、聲音等）的資訊，用來理解和生成跨模態的內容。多模態模型能夠整合多種數據的能力，幫助其應用在更多元複雜的決策場景，能夠推動醫學、自動駕駛...等等領域的進步。例如醫生結合病歷記錄 (文字)＋心跳血壓(數字)＋掃描圖像(圖片) 多種數據診斷病情，這種複雜的決策場景就很適合使用多模態模型作為輔助。
大型語言模型專注於深入理解和生成自然語言，而多模態模型接受輸入多種資料型態，並致力於跨模態之間的資訊整合和互動。我預測未來將會是多模態模型的天下，如同 ChatGPT 4 不只支援能夠用文字對話，也能夠製作圖片與上傳 Excel 數據檔案製作圖表，支援多種資料型態的多模態模型勢必成為趨勢！
留言
留言分享你的想法！
你可能也想看
Google News 追蹤
川普2.0的關稅與貿易政策，表面看似反覆無常，實則圍繞著幾個核心目標：扭轉貿易不公、推動美國再工業化、確保戰略自主，以及貫徹「美國優先」原則。本文深入剖析其背後的一致性邏輯、長期戰略意義，以及對全球產業鏈的影響，並探討不同產業的贏家與輸家。
人類最後的考試（Humanity's Last Exam），這是一個處於人類知識前沿的多模態基準測試，旨在成為同類型中最後一個封閉式學術基準測試，並涵蓋廣泛的學科範圍。該資料集包含來自 100 多個學科的 3,000 道高難度問題。
原文：https://agi.safe.ai/
研究指出，若在每次迭代中缺乏足量且新鮮的真實資料，生成模型的品質與多樣性都會逐漸退化，最終將陷入所謂的模型自嗜的狀態。
持續改進的力量：如何保持AI模型的競爭力？ 💡🚀
隨著AI技術的快速演進，單純構建一個表現優秀的模型已不再是競爭優勢的保證。要在激烈的市場中保持領先，持續改進（Continuous Improvement） 是AI模型生命週期中至關重要的一環。本文將從理論到實踐，系統探討如何有效保持AI模型的
如果你想要「禁止 AI 模型」爬取您網站的內容進行 AI 訓練
那就可以參考 threads 的 robots.txt 檔案
robots.txt 是一個放在網站根目錄的檔案
大多數的合法爬蟲，都會尊重網站所寫的規定
可以看到，threads 平台禁止了多數 AI 模型的專用
在當今快速變化的數位時代，企業面臨著前所未有的數據處理需求。為了應對這些挑戰，企業紛紛建立自己的大型語言模型（LLM），利用大量數據進行訓練，讓模型能夠理解並生成自然語言，從而實現人機協作，優化業務流程並提升客戶體驗。
在AI時代中，GPT技術正在改變我們的生活。然而，SLM（小型語言模型）也開始受到關注，具有更高的效率、更低的資源消耗和更快的響應速度。這篇文章將討論LLM和SLM的比較、SLM的應用場景以及未來的發展趨勢。
大語言模型能夠生成文本，因此被認為是生成式人工智慧的一種形式。
人工智慧的學科任務，是製作機器，使其能執行需要人類智慧才能執行的任務，例如理解語言，便是模式，做出決策。
除了大語言模型，人工智慧也包含了深度學習以及機器學習。
機器學習的學科任務，是透過演算法來實踐AI。
特別
大語言模型是一種特殊的神經網路，設計來理解，生成與回應人類的文本。
大語言模型是使用大量文本數據訓練的深度神經網路，其訓練使用的文本數據甚至包括了整個網路公開的文本。
大語言模型的「大」，體現於模型的參數個數以及其使用的訓練數據集。如此大的模型可以有百億甚至千億的參數。這些參數都是神經網
大語言模型，例如OpenAI提供的ChatGPT，是過去幾年發展的深度神經網路模型，開啟自然語言處理的新紀元。
川普2.0的關稅與貿易政策，表面看似反覆無常，實則圍繞著幾個核心目標：扭轉貿易不公、推動美國再工業化、確保戰略自主，以及貫徹「美國優先」原則。本文深入剖析其背後的一致性邏輯、長期戰略意義，以及對全球產業鏈的影響，並探討不同產業的贏家與輸家。
人類最後的考試（Humanity's Last Exam），這是一個處於人類知識前沿的多模態基準測試，旨在成為同類型中最後一個封閉式學術基準測試，並涵蓋廣泛的學科範圍。該資料集包含來自 100 多個學科的 3,000 道高難度問題。
原文：https://agi.safe.ai/
研究指出，若在每次迭代中缺乏足量且新鮮的真實資料，生成模型的品質與多樣性都會逐漸退化，最終將陷入所謂的模型自嗜的狀態。
持續改進的力量：如何保持AI模型的競爭力？ 💡🚀
隨著AI技術的快速演進，單純構建一個表現優秀的模型已不再是競爭優勢的保證。要在激烈的市場中保持領先，持續改進（Continuous Improvement） 是AI模型生命週期中至關重要的一環。本文將從理論到實踐，系統探討如何有效保持AI模型的
如果你想要「禁止 AI 模型」爬取您網站的內容進行 AI 訓練
那就可以參考 threads 的 robots.txt 檔案
robots.txt 是一個放在網站根目錄的檔案
大多數的合法爬蟲，都會尊重網站所寫的規定
可以看到，threads 平台禁止了多數 AI 模型的專用
在當今快速變化的數位時代，企業面臨著前所未有的數據處理需求。為了應對這些挑戰，企業紛紛建立自己的大型語言模型（LLM），利用大量數據進行訓練，讓模型能夠理解並生成自然語言，從而實現人機協作，優化業務流程並提升客戶體驗。
在AI時代中，GPT技術正在改變我們的生活。然而，SLM（小型語言模型）也開始受到關注，具有更高的效率、更低的資源消耗和更快的響應速度。這篇文章將討論LLM和SLM的比較、SLM的應用場景以及未來的發展趨勢。
大語言模型能夠生成文本，因此被認為是生成式人工智慧的一種形式。
人工智慧的學科任務，是製作機器，使其能執行需要人類智慧才能執行的任務，例如理解語言，便是模式，做出決策。
除了大語言模型，人工智慧也包含了深度學習以及機器學習。
機器學習的學科任務，是透過演算法來實踐AI。
特別
大語言模型是一種特殊的神經網路，設計來理解，生成與回應人類的文本。
大語言模型是使用大量文本數據訓練的深度神經網路，其訓練使用的文本數據甚至包括了整個網路公開的文本。
大語言模型的「大」，體現於模型的參數個數以及其使用的訓練數據集。如此大的模型可以有百億甚至千億的參數。這些參數都是神經網
大語言模型，例如OpenAI提供的ChatGPT，是過去幾年發展的深度神經網路模型，開啟自然語言處理的新紀元。