지난 한 해 동안 우리는 다양한 플랫폼을 통해 대형 모델을 사용하면서 겪게 되는 많은 문제점에 대해 사람들로부터 쉽게 들어왔습니다. 그러나 대형 모델이 여러 면에서 효율성을 향상시킬 수 있다는 점은 분명합니다. 특히 문서, 테스트 케이스, 코드와 같은 지루한 문제를 처리할 때 더욱 그렇습니다.
대형 모델의 장점과 단점은 무엇입니까?
먼저, 대형 모델의 개념을 이해해야 합니다. 학습 데이터 및 매개변수와 같은 다양한 이유로 인해 다양한 모델에는 고유한 장점이 있습니다. 일부 WeChat 로봇에서는 Wen Xinyiyan을 사용하여 실시간 정보 콘텐츠를 획득하고 이를 국내외 오픈 소스 및 비공개 소스 모델(예: ChatGPT 등)과 결합하여 지속적인 최적화를 수행합니다. 영문 서류 및 이메일 작성 시 외국 모델을 우선적으로 지원합니다.
둘째, 대형 모델이 잘 못하는 것이 무엇인지 알아야 합니다. 대형 모델이 잘하는 것은 텍스트를 생성하는 것입니다. 본질적으로 확률 모델이므로 자신이 잘 못하는 콘텐츠(예: 수학적 계산)를 완성하려면 다른 도구를 사용해야 합니다. 그러므로 우리는 대규모 모델이 일부 수학적 계산을 완료하는 데 도움이 될 것이라고 기대해서는 안 되지만, 우리의 상황에 따라 수학적 계산을 위한 공식, 코드 등을 생성할 것이라고 기대해야 합니다.
개인 효율성을 높이는 열쇠 중 하나는 대형 모델과의 효과적인 의사소통 방법을 배우는 것입니다.대형 모델
의 의사소통 방법은 주로 Prompt를 통해 이루어지며, Prompt를 구축하는 것은 지속적인 반복이 필요한 프로세스입니다. 이 과정에서 우리는 우리에게 가장 적합한 모델을 찾기 위해 계속 노력해야 합니다. 따라서 Prompt에 대한 많은 튜토리얼이 인터넷에 등장했으며, 이를 통해 새로운 수익 창출 방법도 파생되었습니다. 일반적인 패턴은 다음과 같습니다.
1. 역할과 작업을 결정합니다. 예를 들어, 중간 수준의 개발 엔지니어의 역할과 완료해야 할 작업이 무엇인지 명확하게 정의합니다.
2. 배경. 답변을 일치시킬 더 나은 기회를 제공하기 위해 필요한 컨텍스트를 제공하십시오.
3. 반품 형식 및 내용 등과 같은 특정 요구 사항을 나열하십시오.
4. 사용자가 클래스를 선택하는지 메소드를 선택하는지에 따라 최종 가져오기가 결정됩니다.
상황별 비용을 개선하고 다양한 도구의 프롬프트 템플릿을 최대한 활용하는 것은 확실히 사람들이 "한 번 보면 알지만 일단 사용하면 쓸모가 없다"라고 부르는 것입니다. 동일한 요구 사항이 실제로 수천 명의 사람들로부터 수천 개의 답변을 얻을 수 있습니다. 따라서 많은 사람들이 AIGC 도구를 사용할 때 겪는 가장 큰 문제는 작업 완료 시간보다 프롬프트 작성에 더 많은 시간이 걸리는 경우가 많다는 것입니다.
그러므로 우리에게 필요한 문맥은 어느 정도 정확할 필요는 없지만 시간을 절약하기 위해 다듬어져야 합니다. 따라서 시간 비용 측면에서 이 프로세스를 개선하기 위해 도구를 도입하거나 자체 도구를 구축하는 것을 고려해야 합니다.
개발자를 위해 현재 시장에 나와 있는 인기 도구로는 GitHubCopilot, ChatGPT 및 기타 콘텐츠 생성 도구가 있습니다. GitHubCopilot이 결과 생성에 능숙한 이유는 현재 코드 파일과 편집 기록을 기반으로 일부 유사한 컨텍스트를 분석한 다음 처리를 위해 대규모 모델에 넘겨주기 때문입니다. 전체 프로세스가 완전히 자동화되어 있어 많은 시간이 절약됩니다. 그러나 잠재적인 월 비용이 10~30달러라는 점을 감안할 때 보다 적절한 옵션을 진지하게 모색해야 합니다.
이를 기반으로 중국 페이수안 소플루(Feisuan SoFlu) 소프트웨어 로봇은 자바 기반 AI 기능에 초점을 맞춘 FuncGPT(Hui Function)를 출시했다. Java 함수 요구사항을 자연어로 기술함으로써 복잡한 컨텍스트, 입력 요구사항, 출력 매개변수, 입력 매개변수가 필요 없으며, 고품질, 가독성, 즉시 사용 가능한 Java 함수 코드를 실시간으로 생성할 수 있습니다. . 생성된 코드는 프로그래머의 다양한 사용 시나리오를 충족하기 위해 한 번의 클릭으로 IDEA에 직접 복사하거나 Java 완전 자동 개발 도구 기능 라이브러리로 가져올 수 있습니다. 무엇보다도 무료입니다.
개인적 성장: AI가 잘 못하는 기술을 강화합니다.
AIGC 비용이 더욱 낮아지면 제너레이티브 AI로 인해 기업이 축소하는 부서도 생길 수 있다. 이는 AIGC가 인간을 대체할 수 있기 때문이 아니라 사람들이 효율성을 20~30% 높일 수 있을 것으로 기대하기 때문이며, 일부 팀에서는 실험을 통해 이것이 사실임을 확인했습니다.
AIGC가 팀의 효율성을 20% 높일 수 있다고 가정하면, 경영진 입장에서는 팀원 수를 20% 줄이는 것을 고려하게 된다. 더 흥미로운 점은 팀 규모를 20% 줄이면 커뮤니케이션 비용 절감으로 인한 효율성 향상이 더욱 커진다는 점이다. 그 결과 팀의 성과는 20% 이상 향상됐다.
단기적으로는 AIGC 역량을 터득한 개발자가 도태되지는 않을 것입니다. 그러나 장기적으로는 개발 산업의 혁신이 더욱 강화될 것입니다. 10여년 전에는 자바를 어느 정도 아는 사람이면 충분했지만, 오늘날의 기준은 자바 디자인 패턴과 다양한 자바 알고리즘을 모두 능숙하게 구사해야 한다는 것입니다. 따라서 개인의 경력개발 관점에서 인공지능이 잘 못하는 다른 기술을 적절하게 향상시켜야 한다.
기능 측면에서 AI는 아키텍처 설계, 소프트웨어 모델링 등 복잡한 맥락의 문제를 해결하는 데 능숙하지 않습니다. 다른 수준에서 보면, AI는 지식 기반 역할을 하기 때문에 소프트웨어 개발의 몇 가지 기본적인 문제(예: 특정 언어의 문법)를 해결하는 데 도움이 될 수 있으며, 새로운 언어를 더 쉽게 시작할 수 있게 하여 개발자를 더욱 발전시킬 수 있습니다. 제너럴리스트가 되기 위해, 다국어 개발자가 되기 위해.
이러한 능력을 향상시키기보다는 단기간에 대형 모델 개발에 동참해야 합니다. 새로운 분야이기 때문에 기존의 인공지능 알고리즘에 대한 다양한 지식이 필요하지 않고 공학에 어떻게 적용할 수 있는지만 알면 됩니다.
더 많은 산업 및 제품 정보를 얻으려면 공개 계정 [Feisuan Technology]을 팔로우하십시오.
마이크로소프트, 새로운 '윈도우 앱' 출시 샤오미는 샤오미 벨라가 완전 오픈소스이며, 기반 커널은 NuttX Vite 5 라고 공식 발표 했다 알리바바 클라우드 11.12 정식 출시 실패 원인이 드러난다: 액세스 키(Access Key) 서비스 이상 GitHub 보고서: TypeScript가 Java를 대체하고 세 번째로 인기를 얻음 언어 운영자의 기적적인 작업: 백그라운드에서 네트워크 연결 끊기, 광대역 계정 비활성화, 사용자에게 광 모뎀 변경 강제 ByteDance: AI 를 사용하여 Linux 커널 매개변수 자동 조정 Microsoft 오픈 소스 터미널 채팅 Spring Framework 6.1 공식적으로 GA OpenAI 전 CEO 겸 사장 Sam Altman & Greg Brockman이 Microsoft에 합류