各位设计师，请尽快拥抱AI时代，尽快，尽快！
我原本以为我年纪大了，跟不上时代了，但今天发现是很多的年轻人完全没跟上时代的步伐。在今天这样一个DEEPSEEK开创的免费的AI时代。很多人居然都没听说更没用过这个。我真的有些震惊。下面附几张利用AI计算和解决工程问题的图片，这个时代的AI已经极大的提升了个人设计能力的边界，不用多久，我相信一个总工带领一群AI设计的模式将全面取代设计院。各位加油，跟上这个时代。 加油，跟上这个时代 AI 其实就是一个 可以给你整理电子书的助手，储存量可以理解为无限制。也会根据大数据进行提取但真正用到的机械设计 尚有难度，尤其是涉及现场应用 还要经验型的
超静定结构 这些学过理论力学 都知道 如何分配受力计算 属于常识 pengzhiping 发表于 2025-3-11 17:41
AI 其实就是一个 可以给你整理电子书的助手，储存量可以理解为无限制。也会根据大数据进行提取
但真正用 ...
大家需要重新理解AI，今天的AI完全不是整理电子书这么简单，他不仅仅是昨天的CAD。一个微调好的，垂直领域的AI会吊打20年的工程师的，这件事不用多久就会发生，不会超过2年。今天各个设计院完全有条件训练自己的专业AI系统了。尽快体验，尽快体验。
机械社区可以组织高手把曾经的精华问答，做成高质量的训练数据集，和DEEPSEEK这样的公司合作，训练专业的大模型，AI时代，机械社区这个古旧的网站问答已经完成历史使命了，需要彻底更新了。 我用AI辅助设计已经快2年了，感觉很爽 发一段我和AI的对话，具体回答，各位可以自行问AI。如果你认真读一下，可能会理解今天的AI是什么，不要辜负这个时代。
1.大语言模型是如何利用全网数据进行训练的，能不能用浅显易懂的例子说明一下，比如你是怎么学习GB 150-2011这标准的？
2.那是不是有什么自动化的清理数据的的程序，因为我理解靠人工来清理文本和投喂数据是项无法完成的巨量工作，特别是考虑你需要各行各业的专业人士来清理数据，确保数据质量。
3.如果想让模型精确掌握GB 150-2011的内容，需要人工干预模型的学习过程吗，比方用示例来校核。
4.也就是说像你这样的模型，如果想要在某一领域表现的更加出色，是需要针对性的做更专业的训练。这是不是就是所谓的微调？
5.一个已经发布的大语言模型，比如你这样的，能通过用户的反馈来实现自我改进吗？
6.你这样的开源模型应该是可以通过微调，来构建一个专业领域的模型，比如内科医生AI，我的理解对吧?
7.模型训练用的数据集是个什么样的东西，能举个例子吗？是不是这样的文件，比如，1+1是输入，2是输出，然后把这个当成一条数据喂给模型。重复类似的数据，10以内的加减法，然后模型就学会了泛化10以内的加减法。是不是有点类似人类学习时的习题集?
8.大模型的参数权重这些，可以不可理解成一种更优化的或者更泛化(我可能没有合适的词来描述)的算法，比如，如果我们详细的知道皮肤骨骼等随着年龄变化的函数，我们就能用一种算法来描述一个人从孩子到老年的容貌变化。当你给定小孩的容貌时，我们就能算出老年时的容貌。但是大模型的话，我们只要连续给定大量的孩子从小到老的容貌变化的图片的数据集，模型就会调整参数权重，从而得出一个人无法知晓的函数（如果可以称为函数的话）。从而预测某个孩子的未来容貌。更关键的是这组参数权重所代表的函数往往比之前那种算法涵盖的规律更全面准确。上面这些理解有问题吗?
9.就人类已知的知识，容貌还和与生活环境、基因、饮食等因素相关，理论上这些因素可能是无穷的，如果是以数据集训练大模型，显然我们无法实现无穷因素和结果之间的映射，如果这样的话，以现有的模式是不可能训练出像上帝一样的超级智能的。模型的智能表现会困在我们已知的知识映射上。举个例子人类的历史并不具备绕银河系中心一周的数据，更不用说更大的星系团，这些信息对某些规律可能有重要的影响，但这个不包含在人类已有的数据集中。除非我们能找到更底层的规律，才有可能做一些可能的推演。但是悖论是所有的知识起点都是基于归纳法的。但归纳法本身就是不完备的，所以世界是无法完全认知的，我说的对吗？ 本帖最后由 学者11 于 2025-3-11 19:45 编辑
极限思维 发表于 2025-3-11 18:21
发一段我和AI的对话，具体回答，各位可以自行问AI。如果你认真读一下，可能会理解今天的AI是什么，不要辜负 ...
1网络数据很多都是胡说八道，最明显的例子就是
TMD哪来的4000点，后来有人找到了数据来源，是某个自媒体的胡说八道，而大模型它屁不懂，就知道照抄。就是TMD哪门子智能。
要不是读过标准，真就信了。
2 听说过数据标注员，你知道全国有多少人从事数据标注员工作吗。而且也不存在各行各业，很多行业的常识大模型是根本不知道，是一点不懂。
3你根本不知道大模型本质是猜文字生成概率模型，你就是让AI全文阅读标准，它照样胡说八道。
4 微调的依赖路径是什么，AI很大程度上依然取决于数据的质量和数量。如果特定领域的数据量过少或质量不高，微调的效果不理想。
而且在微调过程中，AI会“忘记”它在预训练阶段学到的一些信息。所谓越调越傻。
5 大模型不是靠用户反馈的，你想多了，你但凡用过国内软件，哪个是用户反馈就给你升级的，你算老几。即便是最先进的大模型也不能直接根据用户反馈进行自我进化，模型的改进和更新通常需要人工干预，大模型也必须程序员来编程改进。
6 关于微调上面已经阐述了，专业领域的AI与微调无关，微调什么都不能解决，多看点相关论文。
7再一次证明你不懂什么是大模型，上面说了，大模型就是个文字概率生成模型，所以它没有“学习”这种概念。
8大模型的参数权重是指在深度学习或机器学习模型中，特别是神经网络里，每个神经元之间的连接强度。这些权重是模型内部的参数，它们决定了输入数据如何通过网络的不同层被处理和转换，并最终影响输出结果。权重反映了每个输入的重要性：如果权重接近零，那么该输入对最终输出的影响就很小；如果权重很大（无论是正数还是负数），那么该输入将对输出产生较大的影响。
9人类的意识都没探讨明白，你探讨什么大模型，都说一万遍了，现在生成式AI的架构就是大型语言模型架构LLM，文字生成概率。它根本不理解世界，它说草是绿色的，仅仅是人类给的数据中，草和绿色经常性组合在一起。就是权重高，所以大模型也就跟着组合。
在中国，99.5%以上的机械设计师工程师技术水平，都比不上一个只有一年不到的AI应用，其实不是AI聪明，而是99.5%的所谓工程师设计师，其实都是一帮无能之辈，一辈子没有高光时刻，一辈子在自己的可怜的工位上做着那点可怜的活，以此度过余生而已。 其实不要说设计师，任何人都应该好好了解学习AI，和身边几个玩自媒体的朋友聊天当中用得知用AI收益确实不错其一。其二，之前自学三维软件只知其一不知其二。用AI后知道了：“为什么要这样”，思路清楚了，现在设计一个东西我都会先问一下AI，他会怎样设计。如果后续的AI发展到与人交流，对话，那才是最可怕的时代。