正在播放国产一区_亚洲精品字幕在线观看|HD中文字幕在线播放,少妇莹莹的放荡生活,日韩欧美综合一区,国产欧美一区二区三区96精品

AI Agent是目前技術圈當之無愧的“話題王”。OpenAI 的聯合創始人Andrej Karpathy 曾表示，OpenAI 內部目前更關注 Agent 領域的變化，每當有新的 AI Agents 論文出來的時候，內部都會很興奮并且認真地討論。

這股從硅谷吹出的技術風，將大模型的敘事帶入了新的階段，“超級助手”時代或將到來。社會各界對于AI agent的討論也愈加熱烈，也提出了諸多疑惑：AI Agent的風口為什么緊隨大模型之后？它和大模型如何互相作用？企業如何使用好AI agent并賦能于業務？

為了探尋AI Agent的價值點，明略科技集團CTO郝杰邀請多位資深媒體伙伴，從大模型發展歷程、明略營銷AI Agent效果解讀、營銷數據賦能品牌的增長路徑這三大方向入手，拆解AI Agent和大模型的底層邏輯，探尋AI agent如何提升企業和個人生產力。

本篇內容聚焦AI技術背景和大模型的發展歷程，探究明略科技營銷AI Agent的主要特征。

人工智能可以激活人類的智商嗎？

人工智能可以提高人類的學習效率，讓我們能夠更有效地獲取知識。比如，當你與一個裝有大模型的電腦進行交流時，你可以通過與它的對話來學習很多知識。你可以通過問問題、回答問題與它進行互動，從它的大模型中復制并獲取知識。例如，通過與GPT-4的互動，你可以在法律方面獲得像法學碩士甚至博士那樣的知識，或者通過與GPT的互動，你可以成為數學專業的專家。實際上，你已經與一個智慧非凡的人坐在一起，就像與愛因斯坦坐在一起一樣。

以前有很多人認為GPT-4使人類成為了不同領域的專家。雖然我們可能不了解某個領域，假如我學市場營銷，或者我學法律，我可以通過問答、舉例子來理解GPT-4所說的內容。它使人類獲取知識的難度顯著降低了。我們可以問它任何問題，盡管它的回答可能不完全準確，有時可能是幻想的。它并不是直接激活我們的腦細胞或提高我們的智商，而是通過方便地提供信息和知識的反饋來幫助我們。我們可以比以前更快地獲取信息。無論我們問什么，它都會回答，這提高了我們獲取信息的效率，也提高了我們頭腦思考的效率，我們的思維變得更加靈活。

AI技術的發展歷程是怎樣的？

在前年和去年這個階段，技術處在AI 1.0的末期，主要特征是已經有了預訓練的模型。從技術角度來看，AI 1.0的末期可以追溯到2017年Transformer模型的發明，并進一步升級到了BERT、GPT等模型。我個人將這個階段稱為模型預訓練時代。現在，特別是從去年11月底ChatGPT問世以來，我們正式步入了AI 2.0時代，也就是大模型時代。首先想要先跟各位介紹一下明略科技為什么把賽道錨定在了營銷領域。

從背景來說。2006年，明略科技科技旗下子品牌秒針系統成立，為廣告主提供準確的互聯網用戶行為數據，發展至今，秒針所監測的范圍幾乎深度覆蓋市面上所有主流媒體和廣告形式，成為國內第一家申請MRC認證并唯一通過移動應用內曝光監測審計的第三方監測機構。2019年，明略科技成為國家“營銷智能”領域新一代人工智能開放創新平臺。

從大環境來說。在營銷領域，每個人對于營銷都有不同的理解，營銷是一個非常廣泛的領域，不僅包括市場營銷，還包括銷售、售前售后服務、客戶成功以及客服、用戶增長的CDP和DMP等等，體系非常多面且復雜，且直接面對消費者。另一方面，自從GPT問世以來，它對各行各業都產生了影響，但我個人認為營銷行業是最受影響的。例如，在美國，已經有自動生成營銷文章的工具如Jasper、Copy.ai，甚至以前專注于消費者市場的產品，如Notion，現在也投入到了面向企業的營銷文章生成領域，與更多競品競爭。

我們把話題聚焦回AI Agent。大模型的出現幾乎可以顛覆所有行業，但是它也有一定的問題所在，不能一步到位，自動化地完成任務，需要大量人類參與干預review，所以AI Agent非常關鍵，沒有它我們就無法擴展大模型的應用邊界，人工智能如果僅止于現在看到的內容生成等幾項應用，就還是單薄的。能不能把價值傳遞到更多的場景，核心就看AI Agent，所以我們說AI Agent是大模型與場景間價值傳遞的橋梁。

明略是如何訓練大模型的？

我將去年11月30日視為AI 1.0和2.0之間的分界線。在AI 1.0時代，我們已經做了很多工作。明略科技會話智能業務線就是成長于1.0時代。我們會話智能的底層技術是NLP技術，它是一款業務增長引擎，以SaaS交付方式幫助企業營銷、銷售部門實現銷售過程數字化和銷售業績歸因分析。可以說在AI 1.0時代的末期，明略科技的AI模型參數規模已經非常大了，大約在億級別。當時，我們使用的模型更多是基于BERT的路線，包括BERT和一些變種，如Albert等模型。我們曾經使用Albert模型贏得了一些重要比賽的冠軍，這意味著在這個不太大的非生成式大模型上，我們有過成功的經驗。但成功之下也有教訓，就是人力投入的比例很高，因為非生成式的AI需要人工標注來做監督訓練。

現在我們正在進行大模型的開發，并且我們已經轉向使用生成式大模型，采用了GPT模型。我們從0開始進行了明略科技營銷行業的大模型預訓練，這一點非常重要。從0開始意味著我們不是在微調已有模型，盡管我們有能力進行微調和對齊。我們已經找到了一條自己預訓練的道路。

在第一階段的預訓練過程中，我們沒有直接使用第三方開源大模型已經訓練好的模型，而是精心準備了第一個token。我們的參數在看到第一個token之前，是一個隨機數，從看到我們精心準備的第一篇文章、第一個token開始，它才開始進行調整，經過幾個月的調整達到現在的狀態：一個有70億參數的明略營銷行業大模型，它具備了思維鏈COT能力，能夠按照要求分步達成任務，相比沒有思維鏈的情況下，它所給出的答案質量更高，覆蓋美妝、汽車、3C、大健康和食品飲料行業這五大重點行業，具備進行文本生成、文本擴寫和問答等能力。

現在，我們正在進行二次預訓練的工作。這次預訓練是在巨人的肩膀上開始，利用成熟的開源模型，如LLAMA2、百川2和BLOOM等。以LLAMA2為例，它已經閱讀了成千上萬本書籍，看過上萬億個token，在它們的基礎上，我們將混合通用語料和營銷相關的數據，讓模型看到一些它之前沒有機會看到的文章、書籍，以及我們在社交媒體平臺上清洗的高質量帖子，還有我們交付給客戶的優質報告、PPT等文檔，以及營銷領域的大師級著作。這個過程實際上也省去了上千萬美元的訓練成本，且是可商用的。所以我們用開源模型作為二次預訓練的參數初始化，我們的二次預訓練模型將至少具備百億參數。

毫無疑問，AI Agent的落地需要優質的基礎模型，其能力會直接關系到AI Agent的質量，此外，應用和體驗層面也將影響能效。在這個全新的領域，數據的價值進一步提升，也對服務商提出了更高的要求：豐富便捷的功能、與商業用戶對接的強度、更多的商業選擇等等。