【AI每日一学】介绍一下大模型的分类

        麦粉们，知识升级继续！前面我们深入探讨了企业拥抱AI的战略路径和五个关键等级，是不是感觉打开了新世界的大门？光知道理论可不够，实战巩固才能记得牢！最快全部答对的前三名麦粉，依然将收获20麦豆惊喜奖励！（答案就藏在昨天的[企业该如何拥抱AI？企业拥抱AI有哪几个等级？] 宝藏贴里哦~）火速回顾，麦豆等你来拿！

AI知识小问答（知识巩固）

1、企业拥抱AI的五个等级中，哪个等级标志着AI开始参与核心决策过程，提供动态建议并提升决策科学性？

A. 工具化应用

B. 流程优化

C. 决策增强

D. 系统自治

E. 生态重构

2、某零售企业利用AI动态调整库存分配策略，显著优化了跨部门的供应链协作效率。这主要体现了企业拥抱AI的哪个等级？

A. 工具化应用

B. 流程优化

C. 决策增强

D. 系统自治

E. 生态重构

3、企业拥抱AI的最高等级“生态重构”的核心特征是什么？

A. 用AI处理单一、重复性高的简单任务

B. 实现端到端的闭环自动化运作

C. 重塑商业模式，创造全新价值网络和跨领域融合

D. 深度嵌入业务流程，优化部门协作

E. 仅作为辅助工具提升基础效率

 

        经过这场关于AI企业应用等级的头脑风暴，相信大家对AI如何从“工具”一步步跃升为“变革者”有了更清晰的认识！ 那么，支撑这些不同等级应用、尤其是驱动“决策增强”、“系统自治”乃至“生态重构”的核心引擎又是什么呢？答案就在于日益强大的大模型技术！它们正成为企业智能化转型不可或缺的“超级大脑”。

       今天，我们就来深入剖析大模型的世界，看看它们是如何按数据类型和应用层级进行分类的，解锁企业驾驭AI浪潮的底层技术密码！

 

大模型的分类（今日学习）

1.1. 按照输入数据类型的不同，大模型主要可以分为以下三大类：

语言大模型（NLP）：

       是指在自然语言处理（Natural Language Proc essing，NLP）领域中的一类大模型，通常用于处理文本数据和理解自然语言。这类大模型的主要特点是它们在大规模语料库上进行了训练，以学习自然语言的各种语法、语义和语境规则。例如：GPT系列（OpenAI）、Bard（Google）、文心一言（百度）。

 

视觉大模型（CV）：

       是指在计算机视觉（Computer Vision，CV）领域中使用的大模型，通常用于图像处理和分析。这类模型通过在大规模图像数据上进行训练，可以实现各种视觉任务，如图像分类、目标检测、图像分割、姿态估计、人脸识别等。例如：VIT系列（Google）、文心UFO、华为盘古CV、INTERN（商汤）。

 

多模态大模型：

       是指能够处理多种不同类型数据的大模型，例如文本、图像、音频等多模态数据。这类模型结合了NLP和CV的能力，以实现对多模态信息的综合理解和分析，从而能够更全面地理解和处理复杂的数据。例如：DingoDB多模向量数据库（九章云极DataCanvas）、DALL-E（OpenAI）、悟空画画（华为）、midjourney。

 

1.2. 按照应用领域的不同，大模型主要可以分为L0、L1、L2三个层级：

通用大模型L0：

        是指可以在多个领域和任务上通用的大模型。它们利用大算力、使用海量的开放数据与具有巨量参数的深度学习算法，在大规模无标注数据上进行训练，以寻找特征并发现规律，进而形成可“举一反三”的强大泛化能力，可在不进行微调或少量微调的情况下完成多场景任务，相当于AI完成了“通识教育”。

 

行业大模型L1：

        是指那些针对特定行业或领域的大模型。它们通常使用行业相关的数据进行预训练或微调，以提高在该领域的性能和准确度，相当于AI成为“行业专家”。

 

垂直大模型L2：

        是指那些针对特定任务或场景的大模型。它们通常使用任务相关的数据进行预训练或微调，以提高在该任务上的性能和效果。

CBC

很喜欢出答案是C的题目嘛