反思大型語言模型

看到一個 Twitter 大佬分析自 chatGPT 橫空出世之後，會有怎樣的生態變化（Thread 連結）。他認為超級模型（不只是最近火爆的 LLM）會是和個人電腦、互聯網、移動互聯網一樣重要的範式轉變。同時也會催生出新的產業分層：

1. 巨頭：能拿出十億美元等級資本訓練超級模型
2. 大公司：能拿出千萬到一億美元等級資本，微調或在特定垂直領域訓練模型
3. 小公司和團隊：基於別人的 API 進行應用開發；這也是競爭最激烈的層級
4. 底層：接受 AI 指揮工作、受限於系統（例如網約車、外賣）

增長機會：

1. Domain knowledge and dataset
2. Next-generation robotic process automation
3. Vector database: Pinecone, Weaviate, Milvus
4. Symbolism & simulation neuroscience
5. Prompt engineering

不知道醫療行業在這一波趨勢下會如何變化？總感覺有點跟不上時代了。最近把 Radiology AI 子期刊加入 RSS 閱讀器中作為固定閱讀項目，希望能多少抓到一點趨勢。當然，日常工作還是得好好的完成，心態上抓一個比例是 6：3：1 - 6 分工作、3 分研究、1 分興趣（functional programming 一類的）。

技術奇點 Singularity

在一個小眾評論網讀到了這篇文章 Humanity May Reach Singularity Within Just 7 Years, Trend Shows，提到了幾個有趣的觀點：

• 編輯時間指標：修補機器翻譯與人類翻譯的所需要的時間（TTE）
• 十年內這個指標達到 0，亦即翻譯領域的技術奇點：我們將擁有「翻譯蒟蒻」，這或許會大幅改變人類世界溝通的樣貌

通俗的概念是：

• 奇點象徵著人工智慧尋找知識、改造自己的能力強於人類。
• 之後的事件就像黑洞的事件視界一樣完全無法預測。

不過這已經超出我的理解範圍了。維基百科 technological singularity 條目倒是洋洋灑灑列了很多「未來學專家」的觀點。