各位設(shè)計(jì)師，請(qǐng)盡快擁抱AI時(shí)代,，盡快,，盡快！

極限思維

我原本以為我年紀(jì)大了,，跟不上時(shí)代了,，但今天發(fā)現(xiàn)是很多的年輕人完全沒(méi)跟上時(shí)代的步伐。在今天這樣一個(gè)DEEPSEEK開(kāi)創(chuàng)的免費(fèi)的AI時(shí)代,。很多人居然都沒(méi)聽(tīng)說(shuō)更沒(méi)用過(guò)這個(gè),。我真的有些震驚。下面附幾張利用AI計(jì)算和解決工程問(wèn)題的圖片,，這個(gè)時(shí)代的AI已經(jīng)極大的提升了個(gè)人設(shè)計(jì)能力的邊界,，不用多久，我相信一個(gè)總工帶領(lǐng)一群AI設(shè)計(jì)的模式將全面取代設(shè)計(jì)院,。各位加油,，跟上這個(gè)時(shí)代。

ALANALANALANALA

加油,，跟上這個(gè)時(shí)代

pengzhiping

AI 其實(shí)就是一個(gè) 可以給你整理電子書的助手,，儲(chǔ)存量可以理解為無(wú)限制。也會(huì)根據(jù)大數(shù)據(jù)進(jìn)行提取

但真正用到的機(jī)械設(shè)計(jì) 尚有難度,，尤其是涉及現(xiàn)場(chǎng)應(yīng)用 還要經(jīng)驗(yàn)型的

超靜定結(jié)構(gòu)‌ 這些學(xué)過(guò)理論力學(xué) 都知道 如何分配受力計(jì)算 屬于常識(shí)

極限思維

pengzhiping 發(fā)表于 2025-3-11 17:41
AI 其實(shí)就是一個(gè) 可以給你整理電子書的助手,，儲(chǔ)存量可以理解為無(wú)限制,。也會(huì)根據(jù)大數(shù)據(jù)進(jìn)行提取

但真正用 ...

大家需要重新理解AI，今天的AI完全不是整理電子書這么簡(jiǎn)單,，他不僅僅是昨天的CAD,。一個(gè)微調(diào)好的，垂直領(lǐng)域的AI會(huì)吊打20年的工程師的,，這件事不用多久就會(huì)發(fā)生,，不會(huì)超過(guò)2年。今天各個(gè)設(shè)計(jì)院完全有條件訓(xùn)練自己的專業(yè)AI系統(tǒng)了,。盡快體驗(yàn),，盡快體驗(yàn)。

極限思維

機(jī)械社區(qū)可以組織高手把曾經(jīng)的精華問(wèn)答，做成高質(zhì)量的訓(xùn)練數(shù)據(jù)集，和DEEPSEEK這樣的公司合作,，訓(xùn)練專業(yè)的大模型，AI時(shí)代,，機(jī)械社區(qū)這個(gè)古舊的網(wǎng)站問(wèn)答已經(jīng)完成歷史使命了,，需要徹底更新了。

longyucanghai

我用AI輔助設(shè)計(jì)已經(jīng)快2年了，感覺(jué)很爽

極限思維

發(fā)一段我和AI的對(duì)話，具體回答,，各位可以自行問(wèn)AI,。如果你認(rèn)真讀一下，可能會(huì)理解今天的AI是什么,，不要辜負(fù)這個(gè)時(shí)代,。
1.大語(yǔ)言模型是如何利用全網(wǎng)數(shù)據(jù)進(jìn)行訓(xùn)練的，能不能用淺顯易懂的例子說(shuō)明一下,，比如你是怎么學(xué)習(xí)GB 150-2011這標(biāo)準(zhǔn)的,？
2.那是不是有什么自動(dòng)化的清理數(shù)據(jù)的的程序，因?yàn)槲依斫饪咳斯��?lái)清理文本和投喂數(shù)據(jù)是項(xiàng)無(wú)法完成的巨量工作,，特別是考慮你需要各行各業(yè)的專業(yè)人士來(lái)清理數(shù)據(jù),，確保數(shù)據(jù)質(zhì)量。
3.如果想讓模型精確掌握GB 150-2011的內(nèi)容,，需要人工干預(yù)模型的學(xué)習(xí)過(guò)程嗎,，比方用示例來(lái)校核。
4.也就是說(shuō)像你這樣的模型,，如果想要在某一領(lǐng)域表現(xiàn)的更加出色,，是需要針對(duì)性的做更專業(yè)的訓(xùn)練。這是不是就是所謂的微調(diào),？
5.一個(gè)已經(jīng)發(fā)布的大語(yǔ)言模型,，比如你這樣的，能通過(guò)用戶的反饋來(lái)實(shí)現(xiàn)自我改進(jìn)嗎？
6.你這樣的開(kāi)源模型應(yīng)該是可以通過(guò)微調(diào),，來(lái)構(gòu)建一個(gè)專業(yè)領(lǐng)域的模型,，比如內(nèi)科醫(yī)生AI，我的理解對(duì)吧?
7.模型訓(xùn)練用的數(shù)據(jù)集是個(gè)什么樣的東西,，能舉個(gè)例子嗎,？是不是這樣的文件，比如,，1+1是輸入,，2是輸出，然后把這個(gè)當(dāng)成一條數(shù)據(jù)喂給模型,。重復(fù)類似的數(shù)據(jù),，10以內(nèi)的加減法，然后模型就學(xué)會(huì)了泛化10以內(nèi)的加減法,。是不是有點(diǎn)類似人類學(xué)習(xí)時(shí)的習(xí)題集?
8.大模型的參數(shù)權(quán)重這些,，可以不可理解成一種更優(yōu)化的或者更泛化(我可能沒(méi)有合適的詞來(lái)描述)的算法，比如,，如果我們?cè)敿?xì)的知道皮膚骨骼等隨著年齡變化的函數(shù),，我們就能用一種算法來(lái)描述一個(gè)人從孩子到老年的容貌變化。當(dāng)你給定小孩的容貌時(shí),，我們就能算出老年時(shí)的容貌,。但是大模型的話，我們只要連續(xù)給定大量的孩子從小到老的容貌變化的圖片的數(shù)據(jù)集,，模型就會(huì)調(diào)整參數(shù)權(quán)重,，從而得出一個(gè)人無(wú)法知曉的函數(shù)（如果可以稱為函數(shù)的話）。從而預(yù)測(cè)某個(gè)孩子的未來(lái)容貌,。更關(guān)鍵的是這組參數(shù)權(quán)重所代表的函數(shù)往往比之前那種算法涵蓋的規(guī)律更全面準(zhǔn)確,。上面這些理解有問(wèn)題嗎?
9.就人類已知的知識(shí)，容貌還和與生活環(huán)境,、基因,、飲食等因素相關(guān)，理論上這些因素可能是無(wú)窮的,，如果是以數(shù)據(jù)集訓(xùn)練大模型,，顯然我們無(wú)法實(shí)現(xiàn)無(wú)窮因素和結(jié)果之間的映射，如果這樣的話,，以現(xiàn)有的模式是不可能訓(xùn)練出像上帝一樣的超級(jí)智能的,。模型的智能表現(xiàn)會(huì)困在我們已知的知識(shí)映射上。舉個(gè)例子人類的歷史并不具備繞銀河系中心一周的數(shù)據(jù),，更不用說(shuō)更大的星系團(tuán),，這些信息對(duì)某些規(guī)律可能有重要的影響,，但這個(gè)不包含在人類已有的數(shù)據(jù)集中。除非我們能找到更底層的規(guī)律,，才有可能做一些可能的推演,。但是悖論是所有的知識(shí)起點(diǎn)都是基于歸納法的。但歸納法本身就是不完備的,，所以世界是無(wú)法完全認(rèn)知的,，我說(shuō)的對(duì)嗎？

學(xué)者11

極限思維 發(fā)表于 2025-3-11 18:21
發(fā)一段我和AI的對(duì)話,，具體回答,，各位可以自行問(wèn)AI。如果你認(rèn)真讀一下,，可能會(huì)理解今天的AI是什么,，不要辜負(fù) ...

1網(wǎng)絡(luò)數(shù)據(jù)很多都是胡說(shuō)八道，最明顯的例子就是

TMD哪來(lái)的4000點(diǎn),，后來(lái)有人找到了數(shù)據(jù)來(lái)源,，是某個(gè)自媒體的胡說(shuō)八道，而大模型它屁不懂,，就知道照抄,。就是TMD哪門子智能。

要不是讀過(guò)標(biāo)準(zhǔn),，真就信了,。


2 聽(tīng)說(shuō)過(guò)數(shù)據(jù)標(biāo)注員，你知道全國(guó)有多少人從事數(shù)據(jù)標(biāo)注員工作嗎,。而且也不存在各行各業(yè),，很多行業(yè)的常識(shí)大模型是根本不知道，是一點(diǎn)不懂,。

3你根本不知道大模型本質(zhì)是猜文字生成概率模型,，你就是讓AI全文閱讀標(biāo)準(zhǔn)，它照樣胡說(shuō)八道,。

4 微調(diào)的依賴路徑是什么,，AI很大程度上依然取決于數(shù)據(jù)的質(zhì)量和數(shù)量。如果特定領(lǐng)域的數(shù)據(jù)量過(guò)少或質(zhì)量不高,，微調(diào)的效果不理想,。
而且在微調(diào)過(guò)程中，AI會(huì)“忘記”它在預(yù)訓(xùn)練階段學(xué)到的一些信息。所謂越調(diào)越傻,。

5 大模型不是靠用戶反饋的,，你想多了，你但凡用過(guò)國(guó)內(nèi)軟件,，哪個(gè)是用戶反饋就給你升級(jí)的,，你算老幾。即便是最先進(jìn)的大模型也不能直接根據(jù)用戶反饋進(jìn)行自我進(jìn)化,，模型的改進(jìn)和更新通常需要人工干預(yù),，大模型也必須程序員來(lái)編程改進(jìn)。


6 關(guān)于微調(diào)上面已經(jīng)闡述了,，專業(yè)領(lǐng)域的AI與微調(diào)無(wú)關(guān),，微調(diào)什么都不能解決，多看點(diǎn)相關(guān)論文,。

7再一次證明你不懂什么是大模型,，上面說(shuō)了，大模型就是個(gè)文字概率生成模型,，所以它沒(méi)有“學(xué)習(xí)”這種概念,。

8大模型的參數(shù)權(quán)重是指在深度學(xué)習(xí)或機(jī)器學(xué)習(xí)模型中，特別是神經(jīng)網(wǎng)絡(luò)里,，每個(gè)神經(jīng)元之間的連接強(qiáng)度,。這些權(quán)重是模型內(nèi)部的參數(shù)，它們決定了輸入數(shù)據(jù)如何通過(guò)網(wǎng)絡(luò)的不同層被處理和轉(zhuǎn)換,，并最終影響輸出結(jié)果,。權(quán)重反映了每個(gè)輸入的重要性：如果權(quán)重接近零，那么該輸入對(duì)最終輸出的影響就很�,�,；如果權(quán)重很大（無(wú)論是正數(shù)還是負(fù)數(shù)），那么該輸入將對(duì)輸出產(chǎn)生較大的影響,。
9人類的意識(shí)都沒(méi)探討明白,，你探討什么大模型，都說(shuō)一萬(wàn)遍了,，現(xiàn)在生成式AI的架構(gòu)就是大型語(yǔ)言模型架構(gòu)LLM,，文字生成概率。它根本不理解世界,，它說(shuō)草是綠色的,，僅僅是人類給的數(shù)據(jù)中，草和綠色經(jīng)常性組合在一起,。就是權(quán)重高,，所以大模型也就跟著組合,。

翱翔天際

在中國(guó)，99.5%以上的機(jī)械設(shè)計(jì)師工程師技術(shù)水平,，都比不上一個(gè)只有一年不到的AI應(yīng)用,，其實(shí)不是AI聰明，而是99.5%的所謂工程師設(shè)計(jì)師,，其實(shí)都是一幫無(wú)能之輩,，一輩子沒(méi)有高光時(shí)刻，一輩子在自己的可憐的工位上做著那點(diǎn)可憐的活,，以此度過(guò)余生而已,。

無(wú)法言喻1977

其實(shí)不要說(shuō)設(shè)計(jì)師，任何人都應(yīng)該好好了解學(xué)習(xí)AI,，和身邊幾個(gè)玩自媒體的朋友聊天當(dāng)中用得知用AI收益確實(shí)不錯(cuò)其一。其二,，之前自學(xué)三維軟件只知其一不知其二,。用AI后知道了：“為什么要這樣”，思路清楚了,，現(xiàn)在設(shè)計(jì)一個(gè)東西我都會(huì)先問(wèn)一下AI,，他會(huì)怎樣設(shè)計(jì)。如果后續(xù)的AI發(fā)展到與人交流,，對(duì)話,，那才是最可怕的時(shí)代。