谷歌CEO的闭门讲话中的AI前沿
题图由我厂AI生成
谷歌CEO的闭门讲话中的AI前沿
一、施密特的讲话
最近，谷歌前CEO施密特在斯坦福给大学生们做了一个关于AI的讲话。
媒体炒作说，施密特本来以为是一个闭门讲话，所以讲了很多不公开的秘密。
在演讲进行的过程中，别人告诉他，这个演讲正在直播。
有没有这件事情呢？
有。
施密特开始确实以为是一个闭门讲话，当他得知这个讲话正在被直播，他就有些吃惊。
但是施密特讲的东西，并没有什么桌面低下的话，而是可以公开讲的。
我第一时间，就把讲话内容给我们AI社群的人进行了分享。
施密特这个人，在IT互联网行业影响力还是很大的，以精明著称。
2006年，施密特就上了福布斯富豪排行榜，位列129位。
2023年，施密特在福布斯美国富豪排行榜上，以200亿美金的身价位于36位。
2024年，施密特在胡润全球富豪榜上，以200多亿美金，排名87位。
施密特是世界上第一批，以打工的身份，通过获得股权而得以成为富豪的人。
他的特长是什么呢？
就是善于把技术变现，构建持久的盈利模式。
他原来在Sun公司的时候，就把当时Sun认为是失败技术的Java搞起来了。
Java现在依然是企业领域内的王者。
他在谷歌的时候，巧妙的把搜索和广告结合起来，找到了变现路径。
现在大家都知道，搜索业务简直就是印钞机。
施密特这么精明的老狐狸，都投了他看好的所有AI公司，包括法国的Mistral。
从施密特的讲话中，还是能看出几点有用的东西的。
其中一点，就是整个硅谷、甚至整个美国科技界，都在豪赌人工智能这件事情。
马斯克构建了10万张卡的超算中心，扎克伯格可能有30-60万张卡。
他们几百亿美金地猛砸，就是希望通过AI与别的国家，比如中国，拉开十年以上的差距。
一个系统分为道法术器。
做事情，就像搭积木一样，你要先搞定基本的积木，才能根据积木搭出一个大厦。
像施密特这种赚到大钱的，根本就不关心怎么做AI视频，而是关注最基本的积木。
在基本的积木中，施密特认为3件事情比较重要。
第一点就是“长文本”。
长文本，你可以理解成大脑的“记忆”能力。
记忆是推理的基础，因为你记得的东西越多，才能做好推理。
这个长文本，就像人类大脑的长时记忆一样，决定了AI的理解和推理能力。
长文本这块，Kimi做的就比较好，主攻这个方向。
美国很难说在这方面与中国拉开差距。
同时，还有一些技术，可以替代长文本，比如说RAG，就是检索增强技术。
这个就等于说，你记不住，可以翻书，通过检索来增强理解能力。
其实我们前面说过的“欧神大模型”，就是采用的RAG技术。
效果不错。
只是现在很多资料还没有添加，资料添加的越多，就越聪明。
事实上，我们社群有几个小伙伴，用这个技术为企业的文档进行定制搜索，已经拿下好几个项目，赚到钱了。
二、第二块积木
很多人不了解的人，以为我们就是搞一些画画什么的。
不是的。
我们当然也搞大模型的，其中就有一个架设了各种开源大模型的板块。
这个里面，一些知名的开源模型都部署了，供大家研究。
比如清华智谱的GLM大模型、李开复的YI大模型、阿里的通义千问、闭源的文心一言等等。
除了闭源的模型，我们都是教大家本地架设的。
开源大模型这种事情，你自己在电脑上架设1-2次，把基本的技能学会了，你也就不想再尝试了。
因为这个里面有无数的坑，你也不想再折腾了，觉得浪费时间和精力，甚至硬盘都被各种模型占满了。
就像装机一样，你就装1-2次就把这块搞懂了。
如果不是为了工作，后面就不想再折腾了。
但是开源模型又不断地出来，你也想测试、研究一些新能力。
这个时候，就不如用我们这个板块，节省自己架设的精力和时间。
我们通常都是第一时间上架各种新的模型，现在已经下架很多了。
当然，也有视觉模型，就是你发一张图片，模型就帮你识别图片里面有什么。
施密特提到的第二点，就是文本到行动（Text to Action）
很多人以为AI只能写写画画，那是对AI完全不了解。
当人类看见一只老虎出现在面前的时候，请问，老虎在人脑中的形象，是真实的老虎吗？
不是的。
人脑中的形象，其实是人脑模拟出来的一支老虎。
这只老虎和真实的老虎，还是有点区别的。
人脑之中，其实有一个模拟的小世界，是对现实的投射。
已经有很多视觉错觉的例子证明这其中的区别。
比如下面这张图，根本就不是一张动图，但是你在盯着看的时候，就觉得是动图。
这个就是大脑产生的错觉。
所谓的AI“写写画画”，只是AI目前在模拟这个世界而已。
只有AI能成功的模拟这个世界，然后才能产生成功的行动。
文本产生文本，这个就是大模型，也是chatgpt的主要功能。
文本产生图像，这个就是文生图模型，比如mj、sd等等。
文本产生声音，这个就是文生音频模型，目前suno做的比较好。
文本产生视频，目前有sora、luma、runway，国内有快手的可图、清华智谱的清影等等。
这些，都是对世界某个维度的一种模拟。
现在俄乌战场上，一架几千块的无人机，就可以干掉一辆几千万的坦克。
但是这个主要还是人在控制无人机。
文本一旦可以产生行动，大模型就可以直接控制物理世界了。
比如说，用大模型控制无人机、坦克、飞机、大炮，当然还有家用设备等等。
文本产生行动，最简单的方式，就是让大模型调用工具。
大模型本身就是训练的产物，里面是没有实时信息的。
比如说，你让大模型告诉你今天哪个城市的天气，大模型是没办法的。
因为天气是气象台实时获得后，分发给各个平台的。
但是看看我们这个平台的演示，武汉的天气和海口的天气是实时获得的。
可以说，非常准确。
当你问大模型哪个城市的天气的时候，大模型就判断这个需要行动，然后通过接口去获得某个城市的天气。
这个我们已经在本地实现了，成功的让大模型产生了行动。
如果不是让大模型获得天气，而是向坦克开火呢？
这个威力就巨大了。
当然，让大模型产生代码，让代码再产生行动，就更复杂了。
比如说，我们让大模型写一段代码，画一个心型。
然后，一直不改的执行这段代码：
谁说AI不能写代码的？
只是写复杂的代码，还需要时间。
三、智能体
第三点，施密特认为是智能体（Agent）
所谓的“智能体”，简单的说，就是把一个推理分为很多步骤。
一个大问题，分为很多小问题。
每个小问题的解决，都可以让大模型或者其它工具来解决。
最后，整个问题就解决了。
这个是一个挺好的思路。
通过这种方式，可以解决非常复杂的问题。
比如，我们问，武汉和海口，哪个城市的天气更热？
这个问题看起来简单，其实可以分解为3步：
第一步：获得武汉的天气，得到武汉的温度。
第二步：获得海口的天气，得到海口当前的温度。
第三步，比较武汉和海口的温度，得出最后的答案，并回答。
这个就是一个小的“智能体”，可以说非常准确。
请注意，在这段对话中，我们并没有让大模型做第一步，做第二步，然后做第三步。
具体要怎么做，是大模型自己判断，分解推理步骤，然后执行。
这个在这波AI出现之前，是没法做到的。
这里只是3步推理。
如果一些复杂的问题，可能需要十几步，几十步，甚至上百步的推理。
这个时候，就需要分解成不同的智能体去执行任务，最后获得一个结果。
你可能只是问了一句话，但是大模型可能在后面进行了几百步的推理。
如果AI可以进行这么长的推理，那就具有相当高的智能了。
当然，不止这些，我们还上线了最新的Flux.1的尖端技术。
这个是马斯克也在用的技术。
社群的小伙伴已经用上了。
四、结语
我很庆幸，再一次看准了趋势，施密特讲的，正是我们正在做的。
很多人很喜欢问AI怎么赚钱，其实思路一开始就错了。
赚大钱这种事情，一定是要从“道”入手，判断整体的趋势。
在确定趋势的情况下，再看最基本的积木是否成立。
如果最基本的积木成立，才能在这个积木的基础上构建庞大的系统。
只要掌握的最基本的几个积木，后面千变万化，可以构建出无数的赚钱系统。
通过摸索，我们把基本的积木琢磨明白了，后面就是重点做项目，讲案例了。
还有人说要学模型训练，那个重点不是技术问题，而是钱的问题。
你构建数据集、买卡，就要花不少钱。
那个是你在项目中碰到相关需求才要做的。
--------------------
牛厂长是真正的AI实战派，目前社群已经有1000多人报名，最近开始讲项目了。
牛厂长的AI课，目前是399元，不贵，一顿饭钱。
已经有1000多人报名。
报名二维码在此，后面还会继续涨价：
欢迎加入AI骑士团，成为真正的AI高手，就像当年装机一样，AI也可以组装很多有用的应用，做一个生产者。
我们的课程是课程+社群+软件，三位一体，动态更新。
后面还会录很多课程，主要看大家学习的进度，后面也会引导大家做一些项目，从项目中学习。
报名的一定要加小助理的微信号进群：nymeria0。
进群的朋友，赠送的新手福利包，现在全部都是送算力，额度为2000算力，可以画2000张画和相应的对话，暂时不包含“欧神大模型”。
如果对你有启发，请点个关注或者“在看”吧。
老读者建议“星标”，没有任何互动，系统可能不会在第一时间推送给你。