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，但今天發現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。也會根據大數據進行提取

但真正用到的機械設計 尚有難度，尤其是涉及現場應用 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。也會根據大數據進行提取

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AI系統了。盡快體驗，盡快體驗。

極限思維

機械社區可以組織高手把曾經的精華問答，做成高質量的訓練數據集，和DEEPSEEK這樣的公司合作，訓練專業的大模型，AI時代，機械社區這個古舊的網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數據進行訓練的，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據的的程序，因為我理解靠人工來清理文本和投喂數據是項無法完成的巨量工作，特別是考慮你需要各行各業的專業人士來清理數據，確保數據質量。
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的更加出色，是需要針對性的做更專業的訓練。這是不是就是所謂的微調？
5.一個已經發布的大語言模型，比如你這樣的，能通過用戶的反饋來實現自我改進嗎？
6.你這樣的開源模型應該是可以通過微調，來構建一個專業領域的模型，比如內科醫生AI，我的理解對吧?
7.模型訓練用的數據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據喂給模型。重復類似的數據，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.大模型的參數權重這些，可以不可理解成一種更優化的或者更泛化(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，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，我們只要連續給定大量的孩子從小到老的容貌變化的圖片的數據集，模型就會調整參數權重，從而得出一個人無法知曉的函數（如果可以稱為函數的話）。從而預測某個孩子的未來容貌。更關鍵的是這組參數權重所代表的函數往往比之前那種算法涵蓋的規律更全面準確。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，如果是以數據集訓練大模型，顯然我們無法實現無窮因素和結果之間的映射，如果這樣的話，以現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據，更不用說更大的星系團，這些信息對某些規律可能有重要的影響，但這個不包含在人類已有的數據集中。除非我們能找到更底層的規律，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 發表于 2025-3-11 18:21
發一段我和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網絡數據很多都是胡說八道，最明顯的例子就是

TMD哪來的4000點，后來有人找到了數據來源，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 聽說過數據標注員，你知道全國有多少人從事數據標注員工作嗎。而且也不存在各行各業，很多行業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據的質量和數量。如果特定領域的數據量過少或質量不高，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大模型的參數權重是指在深度學習或機器學習模型中，特別是神經網絡里，每個神經元之間的連接強度。這些權重是模型內部的參數，它們決定了輸入數據如何通過網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（無論是正數還是負數），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，僅僅是人類給的數據中，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。如果后續的AI發展到與人交流，對話，那才是最可怕的時代。