【小聚】9/25 數創實驗室: 用生成式 AI 賦予資料分析的新方法
昨天參加數創實驗室九月份的小聚，這次的主題圍繞著大型語言模型（LLM）在各行各業中的應用與影響。這場聚會不僅分享了企業如何面對 LLM 的技術挑戰，也探討了這些技術如何改變我們的工作方式，甚至對個人創業者產生的潛在影響。AI 的快速發展令人振奮，但同時也帶來了不可忽視的焦慮感。以下，我將分享這次聚會中的幾個主要觀點，並結合自己的思考，討論 LLM 的現況與未來趨勢。
Photo by Luis Villasmil on Unsplash
LLM 在大企業中的發展：數據安全與成本效率
大型語言模型（LLM）的發展已經成為許多大企業關注的重點。然而，訓練一個高效的 LLM 並不是一件容易的事情，尤其是在資源需求上非常高昂。訓練這些模型需要巨大的算力以及大量的數據資源，這導致即使是大型企業，也很難完全依賴內部資源來進行 LLM 的訓練。這樣的過程通常需要投資高端的硬件設備、雲端設施，還有龐大的資料作為模型訓練的基礎。
即便如此，越來越多的大型企業開始探索 LLM 的潛在應用，因為他們看到了這些模型在自然語言處理、文本生成、客戶服務、數據分析等方面的強大潛力。不過，這些企業在決定是否導入和訓練自己的 LLM 時，通常面臨一個重要問題：應用場景是否成熟，能否帶來足夠的商業效益？目前，許多公司還處於探索階段，嘗試發現 LLM 能夠真正落地的具體場景。
一些企業選擇自行訓練 LLM 的原因，主要源自於對數據和商業機密的保護。例如，許多公司對於將數據上傳至第三方服務（如 OpenAI 或微軟）仍然存在顧慮，擔心敏感信息可能被洩露或被不當使用。儘管這些服務提供商通常會保證數據隱私的保護，但大企業仍傾向於選擇內部的本地化模型訓練，確保數據完全掌控在自己手中。
針對這種情況，企業有時會選擇訓練特定領域的語言模型（Domain-Specific LLMs），而不是像 ChatGPT 這樣的通用模型。Domain-Specific LLMs 更像是某個領域的專家，能夠提供在該領域內的高效回答和分析，而不必精通所有領域。這樣的模型不僅能降低訓練成本，還能滿足企業在具體業務場景中的需求。因此，訓練特定領域的模型成為了目前企業發展的一大趨勢，這不僅降低了模型訓練的門檻，也有助於提升在業務應用中的效率和效益。這樣的趨勢正在推動 LLM 在企業中的廣泛應用，尤其是在處理專業領域的文本和數據分析方面。
加速資料分析的未來：LLM 如何改變工作流程
大型語言模型（LLM）的另一個強大應用是在資料分析領域，特別是在編寫如 BigQuery(或是 SQL) 這類查詢語法時，LLM 可以快速生成複雜的查詢語法，幫助分析師節省大量的時間和精力。在 demo video 中，展示了 LLM 如何幫助加速資料分析流程 — — 從理解資料庫表的 schema、組裝數據，到生成 SQL 查詢，甚至是將結果視覺化，這整個過程通常需要分析師手動處理大約 30 分鐘，但通過 LLM，只需要短短 3 分鐘即可完成。
隨著這項技術的成熟，LLM 在資料分析領域的應用趨勢會越來越明顯，特別是在簡單的查詢語法生成任務上。這對於依賴 SQL 寫作的資料分析師來說，可能會帶來一些挑戰，因為 AI 可以輕鬆完成純粹的 SQL 編寫工作。這意味著未來純手動編寫 SQL 查詢的工作可能會被 AI 取代，資料分析師需要更多地關注於更高層次的分析、數據解釋和戰略決策。
AI 助力創業：一人公司時代的到來
儘管 LLM 在大企業的應用面臨挑戰，對於個人用戶來說，卻帶來了革命性的變化。隨著 LLM 的普及和進步，個人創業的門檻顯著降低，甚至有可能出現更多的「一人公司」。這些公司只有一個真人，而其他工作由 AI Agent 完成。這類 AI 已經可以自動處理包括前端設計、後端編碼、自動部署等工作，創業者只需要提出創意，AI 便能完成整個工作流程。
講者舉了幾個實際的GAI應用例子:
案例一：Google NotebookLM
Google 推出的 NotebookLM 展示了 LLM 的實際應用潛力。它可以將一段文本轉換成高品質的 pocast 內容，模擬出兩位主持人的對話，不僅在語調和情緒表達上非常到位，內容也充滿洞察力和精彩的討論。這意味著未來連主持人的角色也可能被 AI 取代，創業者只需提供一個創意，AI 就能生成全套的多媒體內容。
https://youtu.be/jOZfcCKbNO0
案例二：8 歲女孩打造聊天機器人
另一個引人注目的案例是，一位 8 歲的小女孩僅用了 45 分鐘，便使用 LLM 打造了一個聊天機器人。這展示了 LLM 使得不會編程的人也能夠快速建立起原型或產品的潛力。以前的技術障礙因為 LLM 的出現被大幅降低，這種趨勢說明了會編程和不會編程之間的技術差距正在縮小。
https://youtu.be/o5uvDZ8srHA
案例三：Sakana AI 的論文生成
日本的一家新創公司 Sakana AI 創造了一個利用 LLM 來撰寫論文的流程。這家公司使用 LLM 進行頭腦風暴、實驗設計，並在完成實驗後自動生成論文，最終被學術期刊接受發表。這表明 LLM 不僅在 coding 上有應用，還具備 reasoning 的能力。
https://sakana.ai/ai-scientist/
LLM 的出現不僅改變了大企業的業務模式，對於個人創業者來說更是一個巨大的機遇。透過 AI 的幫助，未來的公司可能只需要一個真人，剩下的工作都交給 AI 來處理。從創意的誕生到產品的實現，AI 將成為創業者的強大助手，讓創業變得更簡單、更高效。
面對 AI 焦慮：擁抱技術，不斷學習成長
隨著 AI 的不斷發展，許多工作將不可避免地被自動化取代，這是大家廣泛認可的事實。尤其是在 Junior level 的工作中，AI 的應用顯示出強大的替代能力。企業開始相對僅願意雇用 Senior level 的工程師，搭配 AI 工具進行工作，這種組合能產生更大的效益。因此，Junior 的職位更容易被 AI 替代，這對許多初入職場的人來說帶來了壓力與焦慮。
從企業的角度看，這是合乎邏輯的選擇：AI 能有效解決重複性、基礎性的工作，將時間和精力釋放給更高層次的策略思考和創新任務。而資深專業人士能夠更好地利用 AI 提升生產力，從而達到“人機協作”的最佳效果。
然而，從個人的角度來看，AI 雖然引發焦慮，但同時也是一個強大的自我成長工具。過去，學習新知識往往需要花費大量時間來尋找資料、找該領域的專家，現在有了 AI，這就像是一位 24 小時隨時可用的“導師”。無論是 coding 還是學習新知識，AI 可以提供即時的幫助和指導，讓學習過程更加高效。這對於那些願意擁抱 AI 並且積極學習的人來說，是一次前所未有的機會，加速了他們的成長曲線。
兩極化的未來發展
隨著 AI 進一步融入工作和生活，未來的發展很可能會出現兩極化。一部分人會選擇擁抱新技術，不斷更新自己的技能，這類人將能夠充分利用 AI 所帶來的資源，並在職業生涯中保持競爭力。而另一部分人如果對 AI 保持距離、不願學習使用它，則可能逐漸被淘汰或面臨與職場斷層的風險。
因此，面對 AI 帶來的焦慮，最有效的應對方式是積極學習並與 AI 協同工作。AI 並非只是取代人的工具，它還可以成為我們的助力，幫助我們以更高的效率和創造力應對挑戰，從而在這個迅速變化的世界中脫穎而出。
你可能也想看
