Hologres+大模型初探！让ChatGPT回答商家问题的心得：
这一部分，其实就是关于chatgpt在实际应用中的尝试部分，因为每个企业都需要关于智能化回答的工具，这个工具大部分的服务型企业都要具有的，一般企业的智能工具通常情况下能够解决80%的问题，剩下的20%问题，使用人工客服才能够解决的。对于一些头部企业来说，这个工具更有必要，每天几百万订单或者更多的订单来说，没有智能化的工具，人工成本将会非常昂贵，现在我们看到的电信行业的公司来说，一个客服电话会问很多的问题，如果是简单的问题，直接通过引导服务就能解决。对于电商行业来说可能会更加复杂一些，因为订单的情况会有很多的情况，比如说，物流问题、订单问题、支付问题、质量问题等等，然后才进行细化的处理。如果一个智能化服务工具能解决90%的问题，将大大的降低人力成本。尝试训练这个工具有很多的步骤，一般对于模型有一定的要求。这一部分就是介绍从尝试到落地的过程，讲解的比较通俗易懂。
AnalyticDB（ADB）+LLM：构建AIGC时代下企业专属Chatbot的心得：
这一部分讲解的部分就偏技术型的功能，chatgpt需要大语言模型+向量数据库的问题，其实如果想要AI能够实现到和人类语言高度相仿的语言能力，就需要大模型模型，任何科技的发展都是资金带动的，如果一个行业有很广阔的前景很多的头部企业都纷纷投入其中的，就像年初的这一波AI浪潮一样，京东、阿里、腾讯都投入了大量的人力和物力来进行这方面的研究与落地，就怕在这一方面的竞争下被淘汰了。
阿里巴巴“通义千问”大模型4月11日亮相云峰会也是一个很好的证明，阿里巴巴有很多的数据群体也具备研究这种前言的科技落地的实力。
人类生产力的解放？揭晓从大模型到AIGC的新魔法心得：
这一部分讲解了关于一些关于AIGC的概念，大模型与小模型的概念是什么，这一块可能与大部分人想象的不太一样，如果要进行AIGC的话，就需要进行大模型的训练，在训练的过程中对大模型进行微调，完成多个场景的任务，从而实现通用的智力能力，这一部分对于AIGC来说非常的关键，AI需要具有联想的能力，学习的能力以及关于特殊场景的模拟人类的能力才行。
大模型又可以分为，视觉预训练大模型、多任务大模型、多模态大模型等等，
通过深度学习算法进行训练和学习，大模型的革命意义，突破现有模型结构的精度局限。大模型可以随着模型规模 指数级上升，模型性能实现线性增长。
