建立自己的人工智能（LLMs）聊天机器人

现今，基于大型语言模型的无数人工智能工具每日涌现。自OpenAI于2023年3月1日发布API（https://openai.com/blog/introducing-chatgpt-and-whisper-apis）以来，类似ChatGPT的聊天机器人已经无处不在。除了官方应用和生态系统集成外，许多科技企业、初创公司和开发者将各种聊天机器人引入日常生活。例如，我用Chrome+Monica代替新的Bing和Edge，用MacGPT代替OpenAI Chat online，很方便。

然而，几乎所有的API都由公共知识库提供支持。

如何构建自己的AI（LLM）聊天机器人？

模型

有很多可用的开源模型，例如Google的BERT和T5、OpenAI的GPT、Meta的LLaMA等等。然而，对于普通用户甚至是中小企业来说，利用这些模型可能会相当具有挑战性。几个先决条件限制了它们的采用：

• 研究团队: AI人才, 特别是在LLM团队工作过的经验丰富的研究人员发挥着关键作用。例如, 前Google员工创立了OpenAI, 而前OpenAI成员则创立了Anthropic, 强调了对AI人才的持续竞争（正如我在之前的博客ChatGPT Effect: Part 4, Competing for AI Talent中提到的）。这些研究人员可以定制和增强AI模型以满足特定目标。然而, 对于个人和中小企业而言, 有效地使用LLM模型几乎是不可能的。虽然某些研究人员可能渴望创建自己的“独立” AI 聊天机器人，但不妨创业。顺便说一下, 与大学合作是一个妥协的做法, 大学里有许多专攻AI、DL、ML及相关领域的学者。甚至像谷歌这样的科技巨头也与这个领域的大学有着密切联系。
• 费用：计算能力是一个重大的费用。每个主要的人工智能公司都拥有自己的云服务：Google拥有Google Cloud，OpenAI拥有Microsoft Azure，百度拥有百度云。根据CNBC的报告“ChatGPT和生成AI正在蓬勃发展，但成本可能会很高”——像GPT-3这样的大型语言模型的关键过程可能会超过400万美元（2023年3月13日）。随着模型参数的不断增加，成本也在增加。然而，像Vicuna-13B这样的小型微调模型具有较低的成本，培训费用约为300美元。此外，Google的PLAM 2还有一个名为Gecko的轻量级模型，可在移动设备上运行。但是，这并不意味着成本的降低，因为底层的大型语言模型（LLM）仍会产生大量费用。此外，还需要考虑建设、部署和提供服务的成本。