我之前做的部分工作，属于上一代NLP体系，那时候我们业内的一般不叫AI，叫搜索引擎、推荐系统之类的，用的也是几十年的主流算法，比如bayes、kmeans、SVM、HMM之类的……
在2015年我参加某个数据库大会的时候，台上某大厂总监说，虽然领域内算法这么多，但是经过统计，用得最多的算法，其实还是回归、bayes……
在2018年，这个大厂战略转型彻底拥抱深度学习，阿尔法狗的实际能力震惊了业界，大多数企业转型深度学习，大体上都是18年左右……
我有时候觉得自己好像在做梦，2018年到现在只有7年，相比我们传统NLP体系，这7年我感觉过了70年一样恍惚……
GPT刚出来的时候，是个和阿尔法狗一样让人震惊的事物。
但问题是什么呢？
深度学习出来以后，马上就落地了，各个厂商的投入很快就见效了。
而大模型，出来这么久了，具体落地的场景，远远不如深度学习的落地场景。
大模型领域，汇集了这么多精英，如果能落地早落地了。落地场景少，是真的有问题。
做为一个技术人，我会想，大模型会不会和我们传统NLP一样，比如第一年做到了80%，第二年85%，第十年88%，然后几十年的进步只有1%-2%……
因为我们上一代贝叶斯学派一统天下以后，几十年几无寸进。
我是工程方向，我们做工程的，会现实一点，我不管你吹的多厉害，我只看你现在的技术能解决什么问题……
所以工程方向，不像研究方向，研究方向更乐观，喜欢谈未来，我们工程方向偏悲观，喜欢谈落地。
于是唱空大概是我们工程人的职业习惯。
我有时候会警惕自己的屁股问题，告诉自己：不要被屁股影响，不要因为对技术细节的怀疑的鼠目寸光。
AI领域无法预测，说不定哪一天一个黑天鹅，就带着赛道整体起飞了。
……
我从去年春天开始，就不太看好AI了。
一直到DeepSeek出来，它可以说是给AI赛道续了一波命，但未来如果这种“续命”的周期越来越长。
这意味着，大模型一样可能会回归到，上一代算法前辈们尴尬局面：可能几十年进步也极慢……
我这不属于预测，这只是一个做技术的，对技术的闲聊。
……
目前AI领域，关于落地的问题，是什么原因很值得思考。
有人认为是大模型还不够成熟。
还有人认为是现代大部分企业的组织、流程，需要重构才能适配大模型。
但这么多钱，这么多精英，都聚在这个领域。
如果落地越来越慢，就挺说明问题的。
最后感慨一下，这几年真的好像过了几十年，业内之卷，卷的让人恍惚……回看曾经用过的技术栈，好像是几十年前的东西……
PS：有些人搞不清楚深度学习和大模型的区别，你跟外行聊这些，就很无奈…
我说的不是大模型没有落地，而是落地场景和投资不成正比。
PPS：我哪句话说大模型“没有落地”了？就评论区这个阅读能力，确实比AI差远了，从这个角度来看，AI现在就能代替大部分人了…… |
|
