2026.03.24 (日常隨筆)
原創內容作者：汪周禮
GPT +Claude 簡直是大語言模型應用頂配，雖然離AGI還有距離，但兩者混合使用效果非常驚人！
從內容架構描述到圖文動態混合輸出，效果很不錯，但要深入研究還是以GPT為優先，可以提供架構引導的輸出模式，透過挑戰GPT作為思維啟發的起點。
針對不熟悉的領域可以使用Claude 透過互動模式在特定架構下深入開發不同觀點。
DeepSeek 輸出明顯走GPT風格，因此輸出效果還比Gemini pro 好...
Google真的是始終保持資源配置使用剛好適合的狀態，畢竟Notebooklm就已經是目前大語言模型多摩太綜合輸出效果最佳模式。
AI LLM大語言模型的使用已經開始進入多維度(超系統觀/系統觀/微觀等)啟發模式，AI越來越強，要想駕馭AI不被引導，多維度多系統思維模式對話越來越重要，其實，這正是突破慣性思考模式的方式之一!!
下一波 AI 的競爭，不在大模型能力(如同過去所說模型積分能力對實際使用者能感受到的差異越來越小)，因此平台模型是否具備多模型協同的認知架構設計能力，將會使吸引使用者的聚集的關鍵！
然而底層的應用差距，在於引導或控制 AI 的思考路徑，從單線程到多維度多線程思考模式的整合。
結論(非表面解析)：
AI大語言模型 的輸出本質上是機率加權的語言文字輸出預測，根據模型應用特色傾向於"最大機率會被接受的答案"而非"最特別而有突破性的答案"。
因此，如果僅用單一維度提問，AI 大模型往往會把輸出內容帶向主流(普遍認可)的認知核心。
要想讓AI(大模型)輸出具備突破性，使用方式就需要用超系統觀（跨領域框架-已知加未知結構）、系統觀（領域內已知認知結構）、微觀（領域內專業認知細節驗證），透過這三種不同蹭次層輪流挑戰AI大模型，藉此讓 AI(大模型) 在不同尺度上出現無法自洽的認知矛盾點，而這些矛盾點往往會出現具有價值潛力的思考切口。
進階應用解析：
AI大語言模型這一塊的應用可以輕鬆切入到企業AI數位轉型，畢竟並非所有員工都是AI領域專業人士熟悉AI大模型應用特色。根據實際工作問題結合特定架構逐步引導，實際操作逐步熟悉AI大模型的使用方式，這也是我這幾年將AI導入企業創新服務的初期階段核心任務！
這當中，創新服務的價值關鍵在於問題定義，問題定義的核心在於建立問題模型，身為創新顧問不僅僅要能設計出一種問題模型，而是多種問題模型(20~30種問題模型都很常見)，進一步根據問題模型特色設計解決問題的流程架構，最後將最可靠最有價值的引入工作流，最為企業設計AGENTIC WORKFLOWS的基礎，再導入到企業內部AI平台上，提供給員工使用。
參考以下架構流程圖。
企業數位轉型不僅是 IT技術 或 AI專家 的事情，需要所有員工參加，才能順利創造經濟價值的重要任務。
#AI
#GPT
#Claude
#Gemini_pro
#DeepSeek
#多維度架構設計
#多線程思考模式
#數位轉型
沒有留言:
張貼留言