但是我觉得对于资深专业者来说并不构

mamun6846

成问题 业知识最根本的我认为是策划能力并不是产品策划技术架构策划艺术设计策划科研的策划都属于这类工作。这件事本质上是需要利用及其有限的输入信息利用逻辑推演或者跨学科关联知识创造更多的输出信息量而这件事本身是违反信息论原理的因此大模型其实永远也无法实现这类工作。 对于工具而言使用成本的降低是必然的演进趋势。需要门槛的专业工具本身就会慢慢被无成本的工具替代。而这种替代正是可以把专业人士从繁重的工具使用中解放释放专业人士策划创造信息能力。 扩散模型可以说在图形图像视频音乐这类专业领域都可以用于生成然后用其他模型指导连续性也可以多种语言模型联合使用例如如下的输出方式  研究了多种这种大


模型组合使用或者外挂其他工具的场景和案例这个其实很容易想到就不赘述了可以自 马来西亚手机号码数据 己去看 设计变革——大模型的设计方法  这个可以说是目前最高效的工具了。虽然之前火爆的主要是图像的扩散模型但是未来像各种模式的富媒体生成应该都可以沿用扩散模型的思路实现。但是我的直观感觉是扩散模型的抽象度其实并不够高。 相比语言模型扩散模型更像是从信息的各种形式中归纳出来的一种范式。虽然自从电视出现后图像信息承载了人类社会的信息量声音信息承载了的信息量但是这种直接归纳得到的范式我觉得抽象效率并不够高很有可能未来会被其他更加通用高效的工具所替代掉。





设计变革——大模型的设计方法  语言模型之于序列预测 目前国内外看到的大模型的各种应用还属于比较基本的能力复现使用但是即使是这样大模型已经在相当大的范围内可以得到应用。大模型的主要能力可以抽象到四个方面  范式转换能力相同类型的信息从一种范式转换为另一种范式其信息量进行了一定的压缩例如 给出一段详细的文字描述将其转换为图片或者视频输出； 语音识别和语音合成其实可以算作语音转文本和文本转语音的范式转换； 给出详细的需求描述让转换成代码； 给予明确详细的指令和情景分析让机器人执行动作； 文字和图像排版； … 明确范式的内容输出给出简短的信息要求填充更多的信息量输出因为信息量增加。