李沐关于大模型应用及职业发展的分享

前几天看了 李沐 在上海交大做的一个 分享 ， 主要分享了他对于大模型的一些看法和他个人的经历。

我很喜欢李沐，技术厉害，看起来比较接地气，录制的 课程 也比较容易看懂。

大模型的应用

下面这张图是他对当前大模型应用的看法。

这里面Simple tasks的定义是一个小时可以完成的任务，Complex tasks指需要一个小时以上的时间才可以完成的任务。

在他看来，文科白领的简单任务，大模型已经可以完成的非常好了，复杂任务可以做，但是效果不是非常好。理科白领的简单任务，大模型可以做，但是效果一般，复杂任务还做不了。对于蓝领的工作，大模型目前还无能为力，这里的蓝领，是指像餐厅的服务员等，大模型还没办法替他们去端盘子。

从我个人的使用经验来看，大模型比他说的要稍微强一点，或者说更有用一点。比如我想要基于Django开发一个后端应用，可以让大模型先规划一下并给出初步的实现逻辑，虽然不能直接使用大模型的输出，但是大体的步骤是没问题的，而且有的时候大模型的输出还会给我一些灵感。

分享过程中，他提到他虽然在AWS干了七年半然后出来创业，但是他用不起AWS，因为太贵了…不得不说，AWS虽然很好用，但确实很贵，我们公司从去年开始也在压缩云上的成本，主要就是AWS，据说一年花了将近1亿美金，太贵了。

只要有足够多的数据，一切都可自动化

关于大模型，李沐还提到了一个我以前没有意识到的观点：

只要有足够多的数据，任何事情都可以被自动化。
仔细想想其实挺可怕的。我们的工作本质上其实就是产生数据，写的代码、注释、文档、工作聊天记录、PPT等等，将来在某个领域，这些数据足够多的时候，我们是不是就会被替代？

打工、读博和创业

李沐还分享了他对于读书（博士）、在公司上班和创业的看法。

从上班、读博士到创业，所需要的驱动力越来越强，否则很难坚持下去。

其中关于在公司上班，他列举了一些优劣势：

对于劣势的最后一点，公司内部上级对下级将世界层层简化，呆的越久，学的越少 深有感触，但是又不完全赞同。

我觉得，如果一家公司或者项目已经进入了稳定阶段，发展的缓慢，那么就真的会呆的越久，学的越少。但是如果一直发展的很快，就还是有机会学到很多新的东西的，而且这种情况下，一般来说薪资也会涨的快一些。

动机的来源

他还分享了关于动机的见解。

我感觉在我们中国人的潜意识里，“欲望”是一个贬义词，一般不太会直接谈这个话题，但是李沐就很直接。他分享说，他早起的时候对于名和利就有非常强烈的欲望，要直面自己的欲望，很多时候，欲望是很好的驱动力。

持续提升自我

他还分享了一个他自己持续提升自我的方法，看完之后感叹厉害的人之所以厉害，是有原因的。

我大概2020年的时候才有一点上面图片中提到的review的意识，但不是定期的，也没有这么完整的思路。以后要向沐神学习。