各位設計師,，請盡快擁抱AI時代,，盡快,，盡快！

極限思維

我原本以為我年紀大了,，跟不上時代了,，但今天發(fā)現(xiàn)是很多的年輕人完全沒跟上時代的步伐。在今天這樣一個DEEPSEEK開創(chuàng)的免費的AI時代,。很多人居然都沒聽說更沒用過這個,。我真的有些震驚。下面附幾張利用AI計算和解決工程問題的圖片,，這個時代的AI已經極大的提升了個人設計能力的邊界,，不用多久，我相信一個總工帶領一群AI設計的模式將全面取代設計院,。各位加油,，跟上這個時代。

ALANALANALANALA

加油，跟上這個時代

pengzhiping

AI 其實就是一個 可以給你整理電子書的助手,，儲存量可以理解為無限制,。也會根據(jù)大數(shù)據(jù)進行提取

但真正用到的機械設計 尚有難度,，尤其是涉及現(xiàn)場應用 還要經驗型的

超靜定結構‌ 這些學過理論力學 都知道 如何分配受力計算 屬于常識

極限思維

pengzhiping 發(fā)表于 2025-3-11 17:41
AI 其實就是一個 可以給你整理電子書的助手,，儲存量可以理解為無限制。也會根據(jù)大數(shù)據(jù)進行提取

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單,，他不僅僅是昨天的CAD。一個微調好的,，垂直領域的AI會吊打20年的工程師的,，這件事不用多久就會發(fā)生，不會超過2年,。今天各個設計院完全有條件訓練自己的專業(yè)AI系統(tǒng)了,。盡快體驗，盡快體驗,。

極限思維

機械社區(qū)可以組織高手把曾經的精華問答,，做成高質量的訓練數(shù)據(jù)集,，和DEEPSEEK這樣的公司合作，訓練專業(yè)的大模型,，AI時代,，機械社區(qū)這個古舊的網(wǎng)站問答已經完成歷史使命了，需要徹底更新了,。

longyucanghai

我用AI輔助設計已經快2年了，感覺很爽

極限思維

發(fā)一段我和AI的對話,，具體回答,，各位可以自行問AI。如果你認真讀一下,，可能會理解今天的AI是什么,，不要辜負這個時代。
1.大語言模型是如何利用全網(wǎng)數(shù)據(jù)進行訓練的,，能不能用淺顯易懂的例子說明一下,，比如你是怎么學習GB 150-2011這標準的,？
2.那是不是有什么自動化的清理數(shù)據(jù)的的程序,，因為我理解靠人工來清理文本和投喂數(shù)據(jù)是項無法完成的巨量工作，特別是考慮你需要各行各業(yè)的專業(yè)人士來清理數(shù)據(jù),，確保數(shù)據(jù)質量,。
3.如果想讓模型精確掌握GB 150-2011的內容，需要人工干預模型的學習過程嗎,，比方用示例來校核,。
4.也就是說像你這樣的模型，如果想要在某一領域表現(xiàn)的更加出色,，是需要針對性的做更專業(yè)的訓練,。這是不是就是所謂的微調？
5.一個已經發(fā)布的大語言模型,，比如你這樣的,，能通過用戶的反饋來實現(xiàn)自我改進嗎？
6.你這樣的開源模型應該是可以通過微調,，來構建一個專業(yè)領域的模型,，比如內科醫(yī)生AI，我的理解對吧?
7.模型訓練用的數(shù)據(jù)集是個什么樣的東西,，能舉個例子嗎,？是不是這樣的文件，比如,，1+1是輸入,，2是輸出，然后把這個當成一條數(shù)據(jù)喂給模型。重復類似的數(shù)據(jù),，10以內的加減法,，然后模型就學會了泛化10以內的加減法。是不是有點類似人類學習時的習題集?
8.大模型的參數(shù)權重這些,，可以不可理解成一種更優(yōu)化的或者更泛化(我可能沒有合適的詞來描述)的算法,，比如，如果我們詳細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描述一個人從孩子到老年的容貌變化,。當你給定小孩的容貌時，我們就能算出老年時的容貌,。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，模型就會調整參數(shù)權重,，從而得出一個人無法知曉的函數(shù)（如果可以稱為函數(shù)的話）,。從而預測某個孩子的未來容貌。更關鍵的是這組參數(shù)權重所代表的函數(shù)往往比之前那種算法涵蓋的規(guī)律更全面準確,。上面這些理解有問題嗎?
9.就人類已知的知識,，容貌還和與生活環(huán)境、基因,、飲食等因素相關,，理論上這些因素可能是無窮的，如果是以數(shù)據(jù)集訓練大模型,，顯然我們無法實現(xiàn)無窮因素和結果之間的映射,，如果這樣的話，以現(xiàn)有的模式是不可能訓練出像上帝一樣的超級智能的,。模型的智能表現(xiàn)會困在我們已知的知識映射上,。舉個例子人類的歷史并不具備繞銀河系中心一周的數(shù)據(jù)，更不用說更大的星系團,，這些信息對某些規(guī)律可能有重要的影響,，但這個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起點都是基于歸納法的。但歸納法本身就是不完備的,，所以世界是無法完全認知的,，我說的對嗎？

學者11

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

1網(wǎng)絡數(shù)據(jù)很多都是胡說八道,，最明顯的例子就是

TMD哪來的4000點,，后來有人找到了數(shù)據(jù)來源，是某個自媒體的胡說八道,，而大模型它屁不懂,，就知道照抄。就是TMD哪門子智能,。

要不是讀過標準,，真就信了。


2 聽說過數(shù)據(jù)標注員,，你知道全國有多少人從事數(shù)據(jù)標注員工作嗎,。而且也不存在各行各業(yè)，很多行業(yè)的常識大模型是根本不知道,，是一點不懂,。

3你根本不知道大模型本質是猜文字生成概率模型，你就是讓AI全文閱讀標準,，它照樣胡說八道。

4 微調的依賴路徑是什么,，AI很大程度上依然取決于數(shù)據(jù)的質量和數(shù)量,。如果特定領域的數(shù)據(jù)量過少或質量不高，微調的效果不理想,。
而且在微調過程中,，AI會“忘記”它在預訓練階段學到的一些信息。所謂越調越傻,。

5 大模型不是靠用戶反饋的,，你想多了，你但凡用過國內軟件,，哪個是用戶反饋就給你升級的,，你算老幾。即便是最先進的大模型也不能直接根據(jù)用戶反饋進行自我進化,，模型的改進和更新通常需要人工干預,，大模型也必須程序員來編程改進,。


6 關于微調上面已經闡述了，專業(yè)領域的AI與微調無關,，微調什么都不能解決,，多看點相關論文。

7再一次證明你不懂什么是大模型,，上面說了,，大模型就是個文字概率生成模型，所以它沒有“學習”這種概念,。

8大模型的參數(shù)權重是指在深度學習或機器學習模型中,，特別是神經網(wǎng)絡里，每個神經元之間的連接強度,。這些權重是模型內部的參數(shù),，它們決定了輸入數(shù)據(jù)如何通過網(wǎng)絡的不同層被處理和轉換，并最終影響輸出結果,。權重反映了每個輸入的重要性：如果權重接近零,，那么該輸入對最終輸出的影響就很小,；如果權重很大（無論是正數(shù)還是負數(shù)）,，那么該輸入將對輸出產生較大的影響。
9人類的意識都沒探討明白,，你探討什么大模型,，都說一萬遍了，現(xiàn)在生成式AI的架構就是大型語言模型架構LLM,，文字生成概率,。它根本不理解世界，它說草是綠色的,，僅僅是人類給的數(shù)據(jù)中,，草和綠色經常性組合在一起。就是權重高,，所以大模型也就跟著組合,。

翱翔天際

在中國，99.5%以上的機械設計師工程師技術水平,，都比不上一個只有一年不到的AI應用,，其實不是AI聰明，而是99.5%的所謂工程師設計師,，其實都是一幫無能之輩,，一輩子沒有高光時刻，一輩子在自己的可憐的工位上做著那點可憐的活,，以此度過余生而已,。

無法言喻1977

其實不要說設計師,，任何人都應該好好了解學習AI，和身邊幾個玩自媒體的朋友聊天當中用得知用AI收益確實不錯其一,。其二,，之前自學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)在設計一個東西我都會先問一下AI，他會怎樣設計,。如果后續(xù)的AI發(fā)展到與人交流,，對話，那才是最可怕的時代,。