新書推薦：
《
周易
》
售價：NT$
203.0
《
东南亚的传统与发展
》
售價：NT$
306.0
《
乾隆制造
》
售價：NT$
398.0
《
资治通鉴臣光曰辑存 资治通鉴目录（司马光全集）（全二册）
》
售價：NT$
1316.0
《
明代社会变迁时期生活质量研究
》
售價：NT$
1367.0
《
律令国家与隋唐文明
》
售價：NT$
332.0
《
紫云村（史杰鹏笔下大唐小吏的生死逃亡，新历史主义小说见微之作，附赠5张与小说内容高度契合的宣纸彩插）
》
售價：NT$
449.0
《
现代吴语的研究（中华现代学术名著3）
》
售價：NT$
296.0
|
| 編輯推薦： |
|
2023年被称为“AI元年”，ChatGPT-4、Gemini等大语言模型的发布，不仅如炸弹一般在业内引起了爆炸式的惊叹，而且使大众猝不及防地直面了人工智能强大的力量，有些创业者一夜白头，有些互联网公司胆战心惊，很多职场人忧心忡忡，但也有一些投资者嗅到了更大的商机，一些创业者纷纷摩拳擦掌，一些职场人开始重新审视自己的前途，总之，颠覆式的转变已经发生，每一个人都需要在由人工智能引发的新工业革命中找到自己的未来。本书就是写给每一个希望抓住未来机会、有勇气迎接AI时代挑战的普通人的。它会解开你心中对大模型、AI发展的种种困惑，告诉你只要努力创新，AI领域大有可为。
|
| 內容簡介： |
|
本书是360集团创始人、“红衣大叔”周鸿祎全面解读AI现状、挑战与未来的力作。作者从AI发展的历程、Sora的诞生、AI革命性影响、大模型发展趋势、大模型发展安全、GPT的变革、大模型创业，以及硅基生命对碳基生命的挑战等诸多方面阐述了自己的观点和思考。作者认为，发展AI要跳出产品层面，对企业来讲，要部署一个私有化的通用大模型，并寻找一些特殊的场景，训练垂直大模型，把垂直大模型通过智能体框架同公司的数字化业务相结合；对于个人来讲，无须过分担心AI创新所带来的新挑战，大模型的能力再强大，也依然是一个强有力的生产力工具，不妨用自己的创造力去激发人工智能的创造力。
|
| 關於作者： |
周鸿祎，男，360集团创始人，全国政协委员，九三学社中央委员。1970年10月4日出生于河南省驻马店市。1992年毕业于西安交通大学。
2005年，周鸿祎创办360公司，首创“免费安全”模式。2022年，周鸿祎带领360全面转型数字安全公司，践行“上山下海助小微”的企业战略，为数字中国发展筑牢安全屏障。2023年，周鸿祎带领360确定“AI 安全”双主线发展战略，自研认知型通用大模型“360智脑”，攻克AI大模型安全的世界前沿课题，进一步服务政府、城市、企业智能化升级。
周鸿祎荣获全国劳动模范、国家百千万人才工程有突出贡献中青年专家、2023年度“北京学者”等荣誉称号。
|
| 目錄：
|
前言一
001 / 从安全到大模型，2024 年我的两份“两会”提案
前言二
007 / 理解 AI、发展 AI、All in AI
前言三
017 / 重塑还是取代？大模型时代我们的惧与爱
01
世界上最聪明的人出现了
025 / 第一节 比爱因斯坦和爱迪生更聪明的“人”出现了
028 / 第二节 一本正经胡说八道是真正智能的表现
032 / 第三节 从来没有 AI 能像 GPT 一样真正理解世界
036 / 第四节 “中年油腻男”还是“职场高情商”？
040 / 第五节 维特根斯坦也是 GPT 智能派
043 / 第六节 用人类聊天素材训练出来的是“人工杠精”
02
和世界交互，了不起的 Sora
049 / 第一节 Sora 创新突破的本质是通过观察理解世界
055 / 第二节 Sora 何以对 Pika、Runway 等形成降维打击
060 / 第三节 关于 Sora 技术实现的猜想，Transformer 何以成为最优解？
066 / 第四节 Sora 的出现加速 AGI 时代到来
03
第五次工业革命来了
073 / 第一节 能颠覆日常生活，才能叫工业革命
078 / 第二节 比尔·盖茨、埃隆·马斯克都低估了 ChatGPT
082 / 第三节 建议老板搞大模型？老板会说你太不靠谱了！
085 / 第四节 GPT 是人类未来的进化新形式
088 / 第五节 中国可以孕育 OpenAI 吗？
04
大模型的风能吹多久？
095 / 第一节 就算是风口，大模型之风也要吹 10 年
099 / 第二节 只卖设备不给问诊的大模型不是好医生
103 / 第三节 想要做主角，要先让大模型成为配角
107 / 第四节 GPT 唱了一首催眠曲，泄露了 10 个 Windows 注册码
112 / 第五节 数字人如何助力山东文旅？
05
如何保障大模型安全，如何防止大模型给坏人造炸弹？
119 / 第一节 大模型给你开的药，你真的敢吃吗？
123 / 第二节 人工智能将代替核弹
128 / 第三节 用人工智能的矛，去破人工智能的盾
133 / 第四节 对大模型依赖越大，漏洞带来的伤害就越大
138 / 第五节 远虑难解，先除近忧
141 / 第六节 当大模型长出“手”和“脚”，我们该如何约束？
06
360 一上场就领先了一个身位
147 / 第一节 我给每个产品经理都留了作业
151 / 第二节 想在发布会上介绍“360 智脑”先要练习绕口令？
156 / 第三节 冯仑打出 75 分的高考作文是什么水平？
160 / 第四节 俞敏洪随堂抽查“360 智脑”美术能力
164 / 第五节 为什么天津人那么幽默？来听 360 天津数字人怎么说
07
马斯克反对训练 GPT，我实名反对马斯克
171 / 第一节 不发展就是最大的不安全
175 / 第二节 拒绝故步自封，拒绝数据孤岛
179 / 第三节 芯片战制约下，中国如何发展大模型？
183 / 第四节 中国男足世界杯夺冠很难，但中国一定能发展自己的大模型
187 / 第五节 人类糟蹋完了碳基能源，用什么给大模型发电？
08
别担心，大模型不会让你失业
195 / 第一节 总有人渲染大模型会带来失业潮
199 / 第二节 淘汰你的是大模型用得比你好的人
203 / 第三节 程序员不会被取代，大家要有信心！
208 / 第四节 有了大模型，樊登会失业吗？
212 / 第五节 下一个相对论会是大模型提出的吗？
09
你不是老板，也可以有一个数字人助理
219 / 第一节 数字人周鸿祎说错话，我本人需要道歉吗？
223 / 第二节 当数字人不再是有钱人的专利
227 / 第三节 一万个董宇辉直播带货
231 / 第四节 如何零成本让马斯克为你打工？
10
硅基生物会成为人类的终结者吗？
237 / 第一节 当大模型批量生产假新闻，我们还能相信什么？
241 / 第二节 如果大模型看了《终结者》
245 / 第三节 人工智能会让数字永生成为现实吗？
249 / 第四节 当人工智能机器人也成为“造物主”
253 / 第五节 失控的大模型，比删库跑路的程序员更可怕
257 / 第六节 碳基生物和硅基生物必有一战
11
从大模型总结创业方法论
265 / 第一节 不谈技术，ChatGPT 教会创业者的三个道理
270 / 第二节 对创业者来说，行业大模型会是一场幻觉吗？
273 / 第三节 乔布斯也不敢断定 iPhone 一定会成功
278 / 第四节 大学刚毕业，一样可以投身大模型创业
283 / 第五节 在大模型时代，守株待兔会死得更快
287 / 第六节 没有场景的技术不过是不龟手之药
12
一些趋势正在发生
293 / 第一节 “廉价大模型”是数字化发展的必然
297 / 第二节 多模态技术让大模型接上和现实世界相连的触角
301 / 第三节 破除大模型“有脑无手”的困局
305 / 第四节 AI 发展“以人为本”，数字人实现“科技平权”
307 / 第五节 我的 2024年 大模型十大预测印证
|
| 內容試閱：
|
从安全到大模型，2024年我的两份“两会”提案
2024 年作为全国政协委员第七次参加全国“两会”，我准备了三份提案，分别关注数字安全公共服务基础设施建设，大模型垂直化、产业化发展，以及通用大模型安全问题。三份提案聚焦安全和人工智能“两件事”。
下面来展开讲讲关于人工智能的两份提案。
一个提案是关于解决AGI大模型安全问题的提案——《关于鼓励兼具“安全和AI”能力的企业解决通用大模型安全问题的提案》。
2024 年政府工作报告中提出了“人工智能 ”的战略布局，人工智能竞争已经不是企业之间的简单竞争，更是一场新的工业革命，这意味着哪个国家能够利用好人工智能大模型技术，就能够真正提升生产力，并把它变成一场真正重塑所有行业、重塑所有产品的工业革命，包括最近在谈论的新质生产力。我觉得人工智能绝对是打造新质生产力非常重要的抓手，也是非常重要的历史性机遇。
我曾提过人工智能未来有两个发展方向，一个方向是超级通用大模型，要跟 OpenAI 的 GPT-4（一个多模态大语言模型，由美国人工智能研究公司OpenAI于2023年3月发布）、谷歌的 Gemini 对标，未来发展的目标就是AGI（通用人工智能）。
如何定义通用人工智能？就是真正达到或者基本上超过人的分析、推理、规划、解决问题、做事情的能力。在通用超级大模型方面，我的一个建议是不要“百模大战”，因为它的关键要素在于人才、数据还有算力，应该集中力量办大事。
“百模大战”是没有意义的，因为每一家都在重复发明轮子。只有集中力量之后才有可能在核心技术上形成突破，因为大模型通向 AGI 之路的方向已经被探索出来了。很多公开讨论的论文，很多开源的软件、开源的模型也给我们提供了参考，方向是确定的，之后就是奋起直追。
与此同时，AGI 的实现将会引起更复杂的安全风险。人工智能安全问题是一个关系到人类未来发展命运的问题，它不是简单的网络攻击、数据安全就能涵盖的，而是远远超出过去传统网络安全公司的知识领域，包括现在各种欺诈视频、换脸软件带来的内容安全问题，以及大模型固有的幻觉产生的问题。
更重要的是，当发展到 AGI，我们就要思考：它会对人类造成危害吗？它会产生意识吗？它会跟人类和平相处吗？ OpenAI 最近做了一件事情，按照阿西莫夫三定律，发展人工智能本来应该不能伤害人类，但是 OpenAI 取消了一个原则——产品不能用于国防和武器研究。但也有小道消息称，美国国防部早就是 OpenAI 的客户了。
想象一下，在战场上，无人机已经打得坦克都抬不起头来了，现在无人机是遥控的，如果某天有了大模型人工智能的加持，战场上很多杀人的武器将由人工智能来控制，那么随着人工智能的进一步提升，如何保证人工智能对武器的控制，如何保证它的可控、可信、可靠、可用？人工智能如果犯错误，而且它又掌握着武器的开火权，结果将不堪设想。
通用大模型的发展已经不单纯是科技之争，其影响深远，我们应该未雨绸缪，高度重视 AGI 大模型的安全。所以我的建议是要给兼具安全和 AI 开发能力的企业机会。360 公司是用互联网模式做安全，原来我们有搜索引擎，在大模型人工智能基础上做了很多积累，也取得了一些成果。同时 360 公司又是一家用互联网大数据人工智能的方式解决网络安全问题的独特企业，对安全的理解和所取得的成绩都要远远超过其他同行。
目前国内做大模型的企业往往都是传统的互联网公司，在网络安全、数据安全上给安全行业带来了挑战。大部分网络安全公司其实既没有能力做大数据，也没有能力深入大模型的研发，导致国内大模型安全领域成为整个产业链的薄弱环节。360 公司给自己设定的未来三到五年的第二个目标，就是帮助国家解决通用大模型的安全问题。
这是一个关系到人类未来命运的问题。对此我们已经有一支团队跟踪了一年多，应该讲，大而化之地谈论这个问题是没有解决方案的。如果永远只是谈硅基生物和碳基生物的问题，那就变成科幻小说和科幻电影迷的八卦言论。360 公司把人工智能安全分成了四个层面，又在四个层面上把分出来的不同种子问题，一个一个地去解决。现在已经解决了网络安全问题、知识安全问题、数据安全问题、算法安全问题、注入攻击的问题，以及杜撰和幻觉的问题，接下来要重点解决内容欺诈、内容安全的问题，还有 AGI 能力超过人类之后的一些科学伦理的问题。
另一个提案是建议走中国特色大模型产业发展之路。——《关于深化人工智能多场景应用支持大模型向垂直化、产业化方向发展的提案》。
我认为在大模型竞争中，用举国之力去做一个超级通用大模型是非常必要的，因为这将会代表人工智能发展的天花板——谁能够率先让人工智能走向通用，让人工智能走向 AGI 时代。我们也没有必要等到赶上 GPT-4 以后再来推动大模型的国内应用。 2024 年应该是国内大模型场景元年。
2024 年，“人工智能 ”首次被写入政府工作报告，我在提案里也提到如何支持大模型向企业化、产业化、垂直化方向发展。中国现在在打造新质生产力，而新质生产力重要的抓手就是利用数字化技术，人工智能技术赋能传统领域、传统行业，帮助传统行业转型升级，而大模型走垂直化、产业化之路，恰恰能够给企业的转型、数转智改带来巨大的帮助。
从另一方面来讲，工业革命的前提就是要能够赋能进入百行千业，进入千家万户，改变和重塑每一个行业、每一个流程、每一个产品、每一个业务链条。虽然超级电脑被发明出来了，但是超级电脑并没有带来工业革命，恰恰是个人电脑的出现，使得每个人都用得起、玩得起、买得起，电脑才引发了第三次信息化革命。
我觉得 2024 年中国有巨大的机会推动大模型跟企业场景相结合，这也是真正落实发展新质生产力的重要途径。通用大模型再强大，在企业里也很难直接使用。道理很简单，第一，通用大模型是一个超级专家，但是企业里面有很多知识，有很多行业的 know how， 通用大模型是不了解的。企业里的员工总是要对企业的历史知识了解得非常深入，很多知识，互联网上是找不到的，通用大模型也不可能训练进去，企业不会把它贡献，也不愿意把它分享出来。
第二，如果通用大模型不能私有化部署，企业的很多数据会泄露到互联网上，企业最重要的数字资产就是它的内部知识和内部业务需求。这类知识的泄露流失是企业不能接受的。
第三，通用大模型间的竞争，已经到达了需要 10 万块卡甚至是上百万块卡才能进行一次超大规模训练的这种训练成本，对很多企业来讲，负担都非常沉重。
换位思考一下，我们如果在企业内部做垂直化、产业化、专业化方面的模型，就不需要一个模型什么都能干，既要能写古诗，又要能算奥数题，我们只希望它解决企业内部的一些小切口、大众深场景上的具体问题，这就像我们不希望雇一个爱因斯坦，而是想招一位大学生定向培养。若如此，我们对大模型的能力要求应该说只要达到 GPT-3.5 以上就足可胜任了。
走垂直化、专业化的道路。垂直化大模型不需要用到万亿、千亿的参数，360 经过实践测试，证明了训练垂直化大模型，用 700 亿的模型就能够胜任。百亿模型的意义在于，相较于万亿、千亿大模型，它将推理训练的成本、对算力的要求都极大幅度地降低，这就把企业做大模型最大的一个顾虑，即对算力和成本的顾虑给打消了。
还有一点，企业内部把自己独有的行业领域知识，还有在多年经营中积累的数据虚拟之后再和企业内部的业务系统相结合，在一个垂直场景上的工作能力是可以超过 GPT-4 的，这个我们已经进行了验证。
所以我在提案里建议，一方面要跟国际最先进的 OpenAI 去比拼通用超级大模型，比的是谁的模型越做越大，能力越做越强，这代表了国家层面科技水平的竞争力。但另一方面我们要把大模型拉下神坛。在企业内部，大模型要像茶叶蛋一样，每个人都吃得起，每个人都买得起，每个人都用得起，真正和企业的具体业务相结合。
2024 年在中国大力推动企业级大模型落地，是符合政府工作报告中“人工智能 ”转型路径要求的。
所以我建议，第一，应该支持大型央企、国企开放更多垂直化的应用场景，让大模型公司不要再去搞“百模大战”，而是在企业级市场和场景充分结合。
第二，企业应该重视知识管理平台建设，把企业的大数据中心转成知识中心。企业只有把内部很多暗知识、浅知识这些散落在各处的知识集中起来训练进企业级大模型里，才能真正地使它们跟企业的业务相结合。
我提的建议都是从方法论层面出发的。相信 2024 年中国在大模型发展之路上，如果能有 1000 家企业，每个企业选一到两个场景训练出来 1000 个到 2000 个企业级的场景大模型或者应用大模型，这对于整个中国的数字产业化都会有巨大的提升，使大模型产业实现某种程度上的弯道超车。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
