大模型預(yù)測，下一個token何必是文字？

AIGC動態(tài)2年前 (2024)發(fā)布量子位

AIGC動態(tài)歡迎閱讀

原標(biāo)題：大模型預(yù)測，下一個token何必是文字？
關(guān)鍵字：報告,范式,模型,先知,行業(yè)
文章來源：量子位
內(nèi)容字?jǐn)?shù)：4662字

內(nèi)容摘要：

明敏金磊發(fā)自凹非寺量子位 | 公眾號 QbitAI太快了太快了…
大模型的生成技能，已經(jīng)到了普通人看不懂的境界！
它可以根據(jù)用戶過去5年的體檢報告，生成未來第1年、第2年、第3年的體檢報告。
你看，這個生成的過程，是不是像極了ChatGPT，根據(jù)歷史單詞預(yù)測下一個單詞。
它能查看過去7天機組子部件的運行情況，生成未來3天每小時的子部件報告。
還能基于歷史水文數(shù)據(jù)和未來7天氣象數(shù)據(jù)，生成未來第1天、第2天……至第7天的每小時降水分析報告，包括詳細(xì)降水量、降水分布。
如今，大模型的生成內(nèi)容，早已不只是文字/圖像/視頻了。
如上生成的這些報告分析涉及諸多專業(yè)知識，普通人很難基于自己的知識儲備評價其合理性和正確性。
最多只能評價一句：不明覺厲！
怎么說呢？“AI似乎正在生成一切”。
LLM+行業(yè)數(shù)據(jù)，路走錯了？簡單理解大模型，就是Predict the Next “X”。ChatGPT是Predict the Next “Word”。
但行業(yè)需要的往往不是預(yù)測下一個字。
比如對于慢性病患者的健康管理規(guī)劃，它需要基于一系列生理指標(biāo)數(shù)據(jù)，從醫(yī)學(xué)角度進行數(shù)據(jù)預(yù)測。舉個不恰當(dāng)?shù)睦樱@更像是用

原文鏈接：大模型預(yù)測，下一個token何必是文字？