总的来说，2023年，我大脑里的变化不是很多，生活的变化更大一些。

总结留给自己，挑几个我在2023年花过时间的LLM领域，从直觉出发，写写未来一年（也可能是五年）的预测。

2022年的预测中，关于区块链和Defi的预测约有50%正确，关于中国防疫政策的预测约80%正确，关于信息安全的预测约40%正确。

大语言模型的影响

• 出现比langchain 更好的开源框架：langchain 现在很多bug，管理也比较混乱，代码抽象也不令人满意。openai 下一次迭代新的功能和API的时候，可能会有更有竞争力的框架出现。
• aws 开始如openai （azure ）提供廉价API：sagemaker目前提供如llama2这种大语言模型的部署，服务中小企业，但是更多的用户需要的可能并不是finetune，而是更加便宜的API。当前80%的创业公司用的RAG，最需要的也不是finetune，而是api。
• 编译器和大语言模型的结合：大家会逐渐意识到，是时候要更新整个工具链了，而不仅仅是copilot这种在应用层面上的代码补全，大语言模型对于编译器的报错，提示等处理会更好，你未来不必再把报错信息复制粘贴给chatgpt。
• 创作工具产品重构：很快大家会达成共识，仅仅在某个原有的工具上增加一个AI chat的功能是不够的，不得不按照AI的逻辑来重构整个产品的交互。我看到的创作交互的部分最核心的交互是：创作，观察，使用工具再次创作，再次观察，再次调整。这种交互并不是一个简单的交谈就可以完成的。简单的NUI和GUI的结合并不一定奏效，必然是更加深入地挖掘人类的习惯，做出更好的工具。
• 搜索引擎搜索结果更加准确：大语言模型可以对视频，图片，音频等文件的标注。对语义的理解也更加准确，搜索得出的结果可能会更加准确。
• 成熟的基于大语言模型的爬虫出现：出现一个scrapy级别的爬虫工具，以大语言模型为核心，进行信息爬取，也会有相应的创业公司出现。

信息安全与隐私

• 隐私问题和版权问题愈演愈烈：大规模的人工智能的使用，必然会让企业认识到数据的重要性，当数据被收集起来以后，很容易泄漏，也很容易滥用。
• prompt injection 攻击框架出现和成熟：随着LLM和各种服务相结合，类似于xss，sql injection 攻击原理的prompt injection 开始流行
• 云服务器的重大事故频率继续增加：当前的中心化的互联网结构下，云服务越来越集中在少数几家厂商。这几家厂商的产品线也越来越复杂，在叠床架屋的情况下，核心服务越来越复杂。未来几年，迟早会听到AWS 大规模宕机的新闻。
• LLM会被应用到符号注入类的安全解决方案：xss过滤器写再多规则，不如发给openai api审查一下是否有注入字符串，可能openai api响应时间慢，但是我们完全训练一个响应快的，模型参数少的。
• 以LLM为核心的渗透测试工具出现： 渗透测试这种有一定的流程顺序，并且处理的内容高度和字符串有关，非常适合用LLM构建一套工具。

中国的国内政策

• 大语言模型应用于内容审查：过去几年，政府的安防订单养活了不少做人脸识别的公司，将来在社交媒体审核方面，来自政府的订单很重要。
• 军工和安防的订单数量远少于上一轮芯片和安防：军工系的人马被查处清理之后，需要相应的人事调整时间。人事调整和政策调整是同频率的，人事调整结束后，政策才会调整，这是一贯的行为模式。
• 在芯片，人工智能等方面不会出现开创性的工作：过去六十年，从科研到企业界，从陈伯达到肖亚庆，每隔三年近乎所有人要随着政策转一个周期，导致任何技术方向上积累都比较薄弱，所以产生开创性工作的可能性非常微小。
• 投机性的投资大幅增加：由于政策的不稳定和不连贯，所有的投资计算的周期都会变短，长期投资要么撤出中国，要么转变为短期投机。
• 群体性事件增加：由于去全球化导致的经济下行的现状和预期没有改变，企业预计会作出进一步压缩人力成本的决策，过去积累的问题逐渐从边疆蔓延到核心，群体性事件会越来越多，各个组成部分之间的张力会越来越大。

海德格尔说诗歌是思考的另一面（诗与思乃是道说的方式，而且是道说的突出方式）我就来庸俗地为我庸俗的人生写首庸俗的诗，再见，2023！