AI专家李家贵:1亿tokens定律可能打败1万小时定律

发布日期:2024-03-30 12:20:20   作者 :家贵谈数字化    浏览量 :94
家贵谈数字化 发布日期:2024-03-30 12:20:20  
94

本文约4000字,图15+,读全文约20分钟,读图8分钟,建议拉倒文末,是关于AI时代的自我成长方法论。

带火A股的KIMI Chat,出了一份高质量的官方提示词 我们在这篇文章末尾强调提示词功力的增长在用,不在学,今天深入阐释一下。

1. 什么是1万小时定律?

1万小时定律,2008年,作家马尔科姆·格拉德威尔在其畅销书《异数同源》中,提出了"1万小时定律"的观点。他认为,无论是在音乐、运动,还是科学等领域,成为一个出类拔萃的专家,都需要在该领域内投入1万个小时的刻意训练。这个理论后来被广为流传,成为追求卓越的普遍共识。

这一定律认为,要在任何领域达到专家级别的水平,需要至少10000小时的刻意练习。这种练习不仅仅是重复,而是需要有目的、有挑战的练习,以不断提高自己的技能水平。这个理论强调了通过长时间的努力和实践来积累经验的重要性。这种练习强调质量高于数量,需要有针对性、反馈及不断的挑战和调整。所谓"刻意练习",即将注意力集中在希望提高的技能上,并通过不断学习、反馈和纠正,逐步精进。这种刻意的、高强度的训练被公认为是内化知识和熟练技能的唯一捷径。

许多成功人士都证实了这个理论的正确性。比尔·盖茨和马克·扎克伯格在学生时期,就已在编程方面投入了大量时间。大提琴家陈薲也是从6岁开始苦练,直到中学毕业已练习约1万个小时。"1万小时定律"成为追求专业成就的人们心中的信仰。

2. 什么是亿tokens定律?

“亿tokens定律”则是一个新兴的概念,暗示通过大量的数据(即tokens)进行学习和实践,人们可以在特定领域内达到专家级别的知识和技能,不仅仅是AI模型。这个定律认为,通过与AI工具如ChatGPT或Midjourney等的交互使用,人们可以快速吸收信息,理解复杂概念,从而大幅缩短成为领域专家所需的时间。这种方法体现了人机合作的强大潜力,通过利用AI的计算和分析能力,人们可以更高效地学习和创新。

“亿tokens定律”则是在AI和大数据时代背景下提出的新概念。它借鉴了1万小时定律的精神,将刻意练习的原则应用于AI模型的训练过程中。在这个语境下,tokens代表AI训练过程中的数据单位。1亿tokens的积累是指用户输入和输出的token累计达到1亿,通过大量的提示词输入输出训练,人类可以在特定领域达到高度精通的水平。“亿tokens定律”意味着通过大量的信息摄取和处理,个人能够迅速在某个领域达到专家级别。1亿tokens定律指出,要让一个人在某个专业领域内真正达到类似专家的知识和能力水平,需要通过与人工智能大模型进行约1亿tokens(词元)的高质量、有针对性的提示词互动和练习。

这种互动练习必须满足以下三个关键条件:

1. 高质量的提示词设计


简单重复的提示是不够的,需要精心设计询问,对症下药地覆盖该领域的各个知识点,从概念理论到实践案例,层层递进,不断对大模型的输出做出反馈和调整。

2. 持续的反馈优化


人与模型的互动应当是一个不断反馈、持续优化的动态过程。人类需要主动引导,根据模型的输出来调整后续的提示,激发模型更精准、更贴近需求的知识输出。

3. 不断递增的难度挑战  

为获得扎实的知识积累,需要循序渐进地提高练习的难度。从基础概念出发,不断深挖、拓展相关联的高级概念和实践应用,lockstep地拓宽和加深知识面。

满足上述三个条件,通过近乎1亿tokens量级的高质量、互动式的"刻意练习",个人在特定领域内获得的专业知识和见解,才能与经验老到的专家分凑细末。

虽然借助了人工智能大模型的强大能力,但仍然需要人类主观能动性的发挥,对模型进行精心设计和持续优化,全程主导和把控知识内化的过程。

与1万小时定律强调长期的个人刻意练习不同,1亿tokens定律呈现出一种"人机共生、人主导"的人工智能知识习得新范式,但核心理念仍然是"刻意、高质量的练习"。

两者的结合,不仅大幅提高了习得专业知识的效率,更重要的是赋予了人类前所未有的主观认知主导权。在人工智能的助力下,人类完全可以按照自身设计和偏好,系统全面地掌控某一专业领域的知识体系。

1亿tokens定律展现了技术变革下人类获知的革命性进步。它将1万小时定律中"刻意练习"的核心精髓为基石,并借力人工智能的强大能力,开辟了一条全新的高效、智能化的知识获取之路。

3. 升级与替代

升级

从某种角度看,亿tokens定律可以视为1万小时定律的自然延伸和升级。在这个新时代,刻意练习的核心理念依然重要,但我们有了更强大的工具来辅助这一过程。通过人机交互,我们可以更加聚焦和高效地进行刻意练习,尤其是在处理大量数据和复杂信息时。

内核还是刻意练习。从某种程度上说,“亿tokens定律”实际上是1万小时定律的一个自然延伸和升级。它不否认刻意练习的重要性,而是在这一基础上加入了大数据和AI技术的力量,使学习和训练过程更加高效和有针对性。这一过程中,个人依然需要进行大量的练习和反思,但借助AI的分析和反馈,这一过程变得更加精准和个性化。

尽管“1亿tokens定律”带来了新的学习和技能提升的途径,但它并没有完全摒弃“1万小时定律”中刻意练习的核心价值。刻意练习依然是个体在某一领域达到精通的关键因素。然而,现在我们可以通过AI的辅助,更加高效地进行刻意练习。AI可以提供个性化的反馈、模拟复杂的情境、甚至预测个体的学习障碍,使得练习更加有针对性和高效。

知识获取途径的拓展

1万小时定律主要强调通过长期刻意练习来内化知识技能。而1亿tokens定律为我们提供了一条辅助渠道——利用人工智能大模型快速高效地获取知识,从而减轻人类的练习强度。

二者实际上是相辅相成的。长期的刻意练习能让人类深入理解知识本质;而与人工智能模型互动,则能加速吸收过程,触类旁通。人工智能成为了知识习得的"助推器"。

学习效率的飞跃

不可否认,坚持1万小时刻意练习对于大多数人来说是一个沉重负担。很多人由于时间、精力有限而无法持之以恒。而1亿tokens定律则为我们带来了效率的大幅提升。

通过与人工智能模型互动,我们可以在较短时间内获得同等水准的专业知识。这无疑大大降低了时间和精力的投入成本,使更多人能够实现"精通"。

学习方式的创新

过去的学习是单向的、被动的。我们只能通过书本、老师等渠道去吸收知识。而1亿tokens定律让学习变成了一个双向、主动的过程。

我们不仅可以主动向模型提问和探索,模型也会及时给出反馈和纠正。这种"人机对话"促进了知识的内化,使学习过程更具参与感和有效性。

专家门槛的逐步消解

1万小时定律无疑为成为某领域的"专家"设置了极高的门槛。但在人工智能时代,这一门槛正在被逐步拉低。

通过1亿次提示词练习,即便是外行,也能在模型的辅助下迅速积累专业知识。人人都有可能成为某个领域的"内行",曾经仅存于顶尖人士的"专家"地位正在走向平民化。

1亿tokens定律并非是万小时定律的"取代者",而是在原有基础上的一种变革性创新和发展。它为知识获取提供了多元路径,提高了效率,创新了方式,助力了 democratic化。两者的融合和共存,将为人类学习和发展贡献新的动力。

替代

从另一角度看,亿tokens定律代表了一种彻底的变革。与其说是对刻意练习的升级,不如说是一种替代。在这个由高效人机协同驱动的新时代,传统意义上单纯依靠人类进行长时间练习的方式,可能会被这种更高效、更智能的学习方式所取代。哈佛商业评论中提到的半人半马系统(Centaur systems),就是一种典型的人机协作模式,它在许多领域展现出了超越传统方法的潜力。

人机协同的新模式。

提示词的出现,为我们习得新知识、新技能提供了一条全新的捷径。它克服了传统学习方式的诸多弊端,如费时费力、依赖有限资源等,让知识在人与人工智能之间高效流通,大大缩短了学习曲线。“亿tokens定律”也预示着一种全新的学习模式和思维方式的替代。在这个模式中,单纯的人类练习可能会被人机协同的方式所替代。这种半人半机的系统(类似于哈佛商业评论中提到的“半人半马系统”)强调人类与AI合作,共同完成学习和创造的任务。在这个过程中,AI不仅提供信息处理和分析的能力,还能引导和优化学习路径,让人类在更短的时间内达到更高的学习效率和创造力。

与其说"提示词"是一种"学习方式",不如说它是一种"知识转移"的技艺。为了高效地将人类的知识技能转移到大模型中,我们需要对模型进行大量"刻意练习"——通过输入数以亿计的提示词,来不断优化模型的输出。这种看似简单的"复习"过程,实际上蕴含着深刻的技术革新。当每一次提示都蕴含着人类的知识和判断时,1亿次的持续输入就等于是将整个专业领域的"知识库"源源不断地注入了大模型。

与人类花费数年时间逐步积累专业经验不同,大模型只需短暂时间,便可汲取吸纳整个知识体系,实现"无师自通"。有了足够的提示词"刻意练习",一个原本"外行"的模型就能瞬间"内行"了。

“1亿tokens定律”的提出,标志着一种全新的学习和工作方式的诞生。在这种方式中,人类不再是唯一的学习和决策主体,而是与AI系统共同协作,形成一种“半人半马”的协同体系。正如《哈佛商业评论》所描述的,这种系统能够结合人类的创造力和AI的数据处理能力,创造出前所未有的效率和创新。

单纯的人类练习可能会被高效的人机协同所超越。AI的加入不仅提高了练习的效率,还拓宽了个体掌握技能的边界。例如,AI可以帮助我们分析和理解大规模数据集,提供深入的洞察,这在以往是难以想象的。

融合

“1亿tokens定律”并非完全替代了“1万小时定律”,而是在其基础上进行了融合与变革。在新时代,刻意练习的核心价值依然存在,但我们已经拥有了更强大的工具来加速这一过程。同时,人机协同的模式正在成为新的常态,它不仅改变了我们学习和工作的方式,也重新定义了人类在智能时代的定位。

关于学习和成长

亿tokens定律本质上仍然是关于学习和成长的,不过它强调通过利用AI和大数据,人们可以更快地、更有效地达到这一目标。为了充分利用这一定律,人们需要主动与AI工具互动,每天至少花一个小时阅读和学习,不仅限于AI的通用新闻,还应该深入到自己感兴趣的特定领域。通过这种方式,个人不仅可以加深对AI能力的理解,还还可以探索和创新,从而在他们的专业领域内快速成长成为顶尖的专家。

为了最大化这种新时代学习法的效果,个人应当采取以下策略:

广泛阅读与实践:每天至少投入一个小时的时间来阅读和实践,不限于通用新闻,更应深入到特定行业的学习中。比如,对于有志于AI制药领域的人来说,应多阅读相关的书籍、新闻和观看视频。

积极使用AI工具:通过购买或使用如ChatGPT、Midjourney等AI工具,不断地实践和尝试,以了解它们的功能、优势以及局限性。这不仅有助于提高对这些工具的熟悉度,也能激发创新思维和解决实际问题的能力。

深入特定领域的学习:选择自己感兴趣的或目标行业进行深入学习。利用AI工具获取和分析大量数据,帮助自己更快地掌握行业知识和技能。

建立人机协作的思维模式:认识到在这个新时代,高效的学习和成长不再仅仅依靠个人的努力,而是需要通过与AI的合作来实现。培养开放和创新的思维,接受并利用AI作为提高效率和创造力的工具。

持续的自我反思和调整:在使用AI工具和学习的过程中,不断地进行自我反思,评估学习效果,并根据需要调整学习策略和方法。保持学习的灵活性和适应性,以应对快速变化的技术和行业发展。

总之,亿tokens定律和1万小时定律在本质上都强调了刻意练习和持续学习的重要性。在AI和大数据的加持下,亿tokens定律为我们打开了一扇新的门,通过人机协同提高学习和创新的效率。随着技术的不断进步,我们应当抓住这些新机遇,以更快的速度和更高的效率推进个人和职业发展。


原创不易,需要鼓励,如觉得本文有用,请点击在看、打赏、转发,谢谢。后附AI精品文章系列。

关注自动领取500+ChatGPT报告,有任何问题,加作者dtalk2023,加入数字化 或者GPT社群。

提示词系列:

万字长文:人人都能学会的提示词,揭秘18个prompt模版,8个秘诀,助你AIGC从入门到精通,从可用到好用
反割韭菜|如何5分钟速成Prompt工程师,使用ChatGPT的Chat咒语心法,基本实现提效50%+
Prompt工程师可能是伪概念,不存在的,可能只是给业务架构师穿个马甲然后割韭菜
利用费曼学习法提升提示词(prompt)技巧
微调方法科普:指示微调(Prompt-tuning)(楼下还有lora,adapter tuning)
数字化转型专家李家贵荣获datawhale和讯飞星火联合颁发的Prompt Engineer证书
Prompt优化的本质探讨
Instruct Learning vs. Prompt Learning:探索人工智能学习的两种方法
Langchain框架与Prompt Injection的深度解析
CoT Prompting思维链提示词工程是个啥东东?
案例赋能系列:
ChatGPT与AIGC如何赋能通信行业
5000字长文:ChatGPT和AIGC如何赋能保险行业?5个方面,n个实战案例,20+场景
8000字长文:ChatGPT、AIGC如何赋能银行业,一文学透哪些是替代,怎么提效?
ChatGPT和AIGC如何赋能餐饮行业?
ChatGPT的10个真实使用案例,看人生百态,叹个人效率全面在卷
原创独家:ChatGPT安全使用宝典
ChatGPT科普:简单2步,从员工到老板,无需代码就可以开发APP,直接步入AI时代,ChatGPT4最新功能GPTs从0速成
ChatGPT、AIGC和大模型的100+释义字典
哈佛商学院最新:面对锯齿形的ChatGPT,咱百姓使用的最佳姿势是半人半马,半机械人
思想表达二分法:ChatGPT对版权市场的冲击与挑战
chatGPT如何快速写会议纪要,实测。
数字化转型的香艳的微小说,你喜欢吗?(AI微小说)
后GPT时代,纯手工写作的文章将成为奢侈品
长文系列:
万字原创长文:穿透名词的迷雾,一文学透大模型、AIGC和ChatGPT上手实战
万字长文:一文读懂人工智能+
7000字长文:AIGC时代的数据战略应该是怎样的?
万字长文:一文读懂ChatGPT汉高祖Sam Altman和外藩、权臣的权力格局揭秘(AI大汉帝国18大咖小传)
000长文原创:一文读懂Agent,大模型的下一站;万物皆Agent,更轻、更宽的下一个风口
万字长文:人人都能学会的提示词,揭秘18个prompt模版,8个秘诀,助你AIGC从入门到精通,从可用到好用
8000字长文:ChatGPT、AIGC如何赋能银行业,一文学透哪些是替代,怎么提效?
5000字长文:ChatGPT和AIGC如何赋能保险行业?5个方面,n个实战案例,20+场景
7000字长文:JSON0基础入门,ChatGPT的JSON输出,确保和APP的融合更加丝滑
6000字长文:一文读懂向量数据库和Embedding, ChatGPT的外挂,Agent的记忆中枢
5000字长文:ChatGPT和AIGC如何赋能保险行业?5个方面,n个实战案例,20+场景
8000字长文:ChatGPT、AIGC如何赋能银行业,一文学透哪些是替代,怎么提效?
8000字长文:大数据和人工智能,让打工人和企业家都卷起来,领先认知企业数字化转型的价值
4000字长文:传统时间管理依然重要,但如何效率提升10倍?AI时代需要有新的时间管理方法
万字长文:ChatGPT前传,数字掘金:数据中台前沿实践,架构,价值,轻量化,平民化,系统化

视频系列(500集+):
ChatGPT、AIGC和大模型十日谈(第十日)--大模型发展
ChatGPT、AIGC和大模型十日谈(第九日)--生成式AI续
ChatGPT、AIGC和大模型十日谈(第八日)--生成式AI
ChatGPT、AIGC和大模型十日谈(第七日)--什么是模型监控?
ChatGPT、AIGC和大模型十日谈(第六日)--什么是MLOPS?
ChatGPT、AIGC和大模型十日谈(第五日)
ChatGPT、AIGC和大模型十日谈(第四日)
ChatGPT、AIGC和大模型十日谈(第三日)
ChatGPT、AIGC和大模型十日谈(第二日)
ChatGPT、AIGC和大模型十日谈(第一日)
GPT、AIGC和大模型公开课(1-10集)
GPT、AIGC和大模型公开课(11-20集)
GPT、AIGC和大模型公开课(21-30集)
GPT、AIGC和大模型公开课(31-40集)
GPT、AIGC和大模型公开课(51-57集)
ChatGPT、AIGC和大模型焦点问题探讨(1-10集)
ChatGPT、AIGC和大模型焦点问题探讨(11-13集)
ChatGPT、AIGC和大模型焦点问题探讨(21-30集)
ChatGPT、AIGC和大模型焦点问题探讨(31-40集)
数字人讲ChatGPT(1-10集)
数字人讲ChatGPT(11-20集)
ChatGPT、AIGC和大模型精讲(21-30集)
ChatGPT、AIGC和大模型精讲(11-20集)
ChatGPT、AIGC和大模型精讲(1-10集)

技术及其他系列:
业务为王,场景为先,是ChatGPT数字化转型的核心
为什么要学ChatGPT,你是要做拼多多还是阿里?15倍+人效差距。
不是专家用不好ChatGPT系列二:如何看待深圳提高社保缴纳基数?
深度揭秘ChatGPT为什么缺席了董宇辉事件?因为你首先得是专家,然后才能用好ChatGPT。
ASR和ChatGPT如何融合?
Chatgpt 的embedding 成本太高了怎么办?本地部署Embedding模型,
白盒交付:揭开黑盒,掌控AI的未来
李家贵:ChatGPT和大模型的9宗罪
Direct Preference Optimization:构建人工智能与人类意愿的桥梁(对齐新方法)
Prompt优化的本质探讨
什么是检索增强生成(Retrieval-Augmented Generation,简称RAG)
挖掘深度:GPU在加密货币和ChatGPT中使用的相同与不同
Stack Overflow与ChatGPT:开发者工具的未来展望
什么是大模型的函数调用 function calling
可能你不知道:网络通信比神经通信快250万倍。
艾隆·马斯克揭示全新AI项目——xAI:挑战OpenAI,寻求“理解宇宙”的超级智能
利用Ray和Weights & Biases优化大型模型的预训练过程
开源大模型热门选择:为什么是FLAN-T5及实力解析
ChatGPT时代,管理的重要性愈发突出,兼评理想CEO长微博分享月销量如何从4000台提升到3万台。
数据标注在chatGPT开发的重要性及其经济模式 - 以Scale AI公司为例
不要瞧不起挖矿的公司,这家融了2个亿美金,分分钟转型AIGC底层基础设施公司
为啥要压缩大模型?
高考作文 chatGPT怎么写?
什么是chatGPT大模型的同质化?
ChatGPT前传-数据中台实战
文心一言、gpt和midjourney那些事视频合集
小爱、小度音箱拟从BERT向GPT转变,大语言模型引领人工智能新变革
Weights & Biases这家AIGC重要的生态企业,中文介绍很少,我就来专门介绍一下。
Attention is all you need的三位作者最近怎么样了?
Open AI CEO Sam的成功法则前三条(附英文原文)。
科技奇谈:中国女生创PIKA,称霸美国AI圈;浙大校友父凭女贵,信雅达A股涨停
高端的食材只需要简单的烹饪,高端的商战只需要简单的投票和任命,ChatGPT政变权斗三集全
吴军说chatGPT不是新革命也没有新机会,我有几点不同看法。
当anthrop pk chatGPT
chatGPT和文心一言出来后,需要小镇出题家而不是小镇做题家了(附100幅AI作图)



关于我们
热门推荐
合作伙伴
免责声明:本站部分资讯来源于网络,如有侵权请及时联系客服,我们将尽快处理
云计算支持 反馈 枢纽云管理
回到顶部