百度文心一言
原标题：ChatGPT的创业机会 2023年9月9—10日，人人都是产品经理联合腾讯大讲堂举办的【2023产品经理大会（北京站）】完美落幕。宜创科技CEO宜博老师为我们带来《ChatGPT的创业机会》为题的分享，本文为演讲内容实录。目前大会回放已上架，戳此购买，即可收看回放：https://996.pm/7gX2B 今天和大家分享的内容为《ChatGPT的创业机会》，将和大家分享大模型应用的真实案例，同时会理清背后的技术脉络和行业现状，最后分享一些自己对当前创业机会的想法。 一、介绍N个AI真实开发案例 我们在过去两个月里做了20多个AI案例，每一个都是真实案例。大家总觉得大语言模型有幻觉，其实这是大语言模型AI预测算法的本质。但是怎么找到某些场景，即用大语言模型，又要实现100%准确的效果，是每个创业者都可以思考的方向。 1. 某行业领域服务机器人场景及落地 这个例子，是农业企业做的生成猪饲料配比的服务机器人，通过对话，给养殖户提供猪饲料配方，准确率可以达到100%。 第一步，通过多轮对话从养殖户那里获得猪的信息，例如猪的品种、猪有多重等。第二步，拿着这些信息去后台查询这种猪需要的营养量。最后，通过算法计算，获得准确的猪饲料配方，返回给养殖户。同时，我们还做了多意图识别，如果想询问某个产品的营养含量、产品价格，结果都能实现。 这个案例解决了一个行业难题。一直以来，我们都在朝着精细化养殖的方向努力，但是养殖户没有能力从大量的资料中查阅中得知猪饲料配比，这个项目就解决了这个问题。这个项目获得了农业部会议上四个院士的高度赞赏。 2. 某银行需求及落地案例 第二个案例来自上市银行。每次上市公司年报分析出来，大家都会问很多问题。一家商业银行提供了他们最常被问到的150个问题和回答。每一个问题里都包含着很多行业的“黑话” ，比如对公贷款、零售贷款等。而这些概念背后对应了很多指标，比如增长率、收入比等，指标要转换成公式，公式结果要整理成报告。 在此之前，其实已有其他金融大语言模型公司尝试做了一下，但出来的数据都不能保证正确率，开始我们采用了大模型结合向量搜索的方式尝试，也不能保证100%准确。后来我们用大模型加工作流的方式解决了这个问题。 第一步，把数据抽取出来存到数据库里。第二步，用大模型做分词，也就是从用户输入问题的内容里提取出各种指标。第三步，查询指标和指标公式，让大模型融合生成数据库查询，生成准确的计算结果。 最后，将准确的计算结果再次输入大模型，做一轮知识融合，可以转化API为领域机器人进行全域问题查询，实现100%数据准确。 3. 某KMS机器人集成飞书钉钉场景 第三个案例，来自于医院医疗设备的维护厂商。原本的维护方式存在文档繁多、格式复杂、需要实时翻译、需要定位图文结果二次校验等问题。而我们的案例很好地解决了KMS知识库交互复杂的问题。 我们将各种格式、各种模态、各种语言的文档都传入向量数据库里，通过配置流程的方式形成。在使用过程中，机器人会先用多轮对话的方式，获得当前故障的多级错误码等信息。回复的结果通过图文等形式展示，自动翻译，并索引原文位置。 4. 某代码生成需求及落地 这个案例的需求来自于国内一个API厂商。针对一句话描述，生成一个代码片段，直接嵌入使用。 5. 工作流自动代码生成案例及介绍 通过自然语言描述一个工作流步骤，生成一个工作流，并可以马上执行。 6. ChatBI 人工智能报表场景及落地 ChatBI，是用自然语言生成报表，特别受到运营同学、产品同学以及老板的喜欢。因为老板看到的传统报表内容很有限，如果想看到额外维度的报表，所花费的时间可能要等产品技术同学做几天甚至一个礼拜，现在则一句话就能快速看到报表结果。 7. 电子邮箱AI助手：一句话整理电子发票并发送给财务报销 借助电子邮箱AI助手，你可以输入一句话对邮箱邮件做处理，可以做电子发票的附件整理，也可以做多轮对话，比如对和某一个客户之间的关系做分析和总结；电子邮箱AI助手甚至可以帮忙生成邮件话术。 二、了解GPT时代的底层逻辑 在了解完落地的案例之后，给大家介绍一下GPT时代背后的底层逻辑。 1. 什么是参数与向量 在传统IT系统里关键词搜索“狗”这个关键词，是搜索不到“金毛”这个词的。但在向量时代，“金毛”这个词有一个特征值是“类型”，“金毛”的类型是狗，所以当你搜索“狗”，便能够查到“金毛”对应的内容。 又比如，想找长毛的大型犬。由于向量数据库里记录了各种狗的毛长特征值、体型特征值，所以你可以搜索到结果。如下图所示，这就构成一个二维的特征空间，特征分别是毛长、体型，这里每一个特征值就对应是大模型一个参数。 现在“金毛”这个词在 GPT-3 里有 1750 亿个参数，也就是有 1750...
