人工智能与数据共生之路⓵--数据之痛，大模型医？
梁敬彬 梁敬弘约 8 分钟引言
上回说到，无名从2050年穿越而来，向众人揭示了AI时代的未来就业情况，大家唏嘘不已(详见:小朋友都能懂的人工智能⑬AI时代，未来就业走势）。数天后，到了与无名约定再见的日子，他却并未现身，只留下一张纸条。
原来，无名发现由于自己的低级错误，可能无法再回到自己的时代。懊悔之余，他决定边过隐匿生活，边寻找解决之道。
很快，无名的传说在江湖中流传开来，无数人争相寻找这位大师以求指点，但都无功而返。
数月后...
老牛：L兄，咱们真的能见到无名大师吗？
L：是的，见无名大师不易，大家一定要好好珍惜这次机会。
数小时后...
无名：欢迎各位光临！L兄，好久不见，别来无恙。
1
数据之痛，从业者们口中的悲催故事
无名：嗯，大家都抛出了自己的问题，L兄，你有什么需要探讨的吗？
L：无名兄，我非常关注中国数据库产业的发展。虽然我们的数据库技术已经在某些方面超越Oracle了(详见:数据库二十年目睹之怪现状⓹真实的谎言），但由于起步较晚，用户案例积累远不如Oracle。而优化器又极其依赖大量案例的经验打磨，因此在这一领域难免存在差距。对此，您有什么建议吗？
人员 | 困境 | 已采取手段 | |
数百套数据库, 多种技术栈, 学习成本高 | 3. 扩大人员 4. 加班加点 | ||
2. 低效SQL频上线, 影响生产 3. 疲于生产SQL的诊断及优化 | 2. 举行培训 3. 审核工具 | ||
2. 语义逻辑错误频发难定位 3. 应用时才暴露, 应对仓促 | 3. 人肉修复 | ||
3. 故障诊断和变更操作吃力 | 2. 参加培训 3. 依靠团队 | ||
2. 加大投入 | |||
2
人工智能，无名大师的数据诊疗方案
无名：其实，各位的数据库“心病”无需太过担忧，我可以开出一剂名为“人工智能“（AI）的药方，它的核心成分是基于生成式AI的大语言模型，简称“大模型”。
小羊：无名大师，我也在用大模型，主要是用来协助自己写文章、绘图(详见:小朋友都能懂的人工智能⑪一滴墨汁成就一代画师）、做视频(详见:小朋友都能懂的人工智能⑫从画师到视频大师)等，这玩意儿真能解决我们的数据库问题吗？
无名：你用大模型协助你写文章、绘图、做视频，本质是通过交互让它帮你完成任务。其实，假设它真的掌握了SQL，用它处理SQL的编写、审核、优化(详见: SQL优化思想）和解释，与用它写文章、绘图并无本质区别。你的主要问题在于需求过多、SQL工作量大以及审核和优化的繁琐，包括小侯需要的SQL解释。只要你们能够清晰的表达需求，大模型就可以帮你分担这些任务，并且它会变得越来越强。
老马：无名大师，您认为大模型可以参与生产中的数据库运维工作？但变更、升级、故障处理等操作都需要极高的准确性，一旦出错，后果不堪设想。如果大模型的建议有误，而我们又误采纳了，岂不是会对生产环境造成严重危害？我不敢用啊。
无名：你的顾虑很有道理。大模型和数据库的结合确实存在许多挑战，尤其是它的四大天坑。
老牛：天坑？
3
四大天坑，大模型真能治愈数据之痛？
无名：我们先来看天坑1——“回答全靠猜”。大模型的回复是基于概率统计，而非记录查询。它通过计算词向量(详见:小朋友都能懂的人工智能⓹-不可思议的大模型），结合注意力机制(详见：小朋友都能懂的人工智能⓺- 逆天，句中高能！！）依次生成得分最高的词，连成句子或代码。简单来说，它不知道你在问什么？也不知道自己在回答什么。因此，它偶尔会产生胡言乱语，也被称为“大模型的幻觉”。
老马：啊，都不知道自己在回答什么，还有幻觉，听起来确实很坑。
无名：接着说天坑2——“时常会失忆”，大模型在长时间交互中，可能忘记之前交代的信息。(详见:小朋友都能懂的人工智能⓼--无名的故事与GPT-4运行(推理)流程）。比如，你要求它遵循Oracle数据库的SQL语法，但随着对话深入，它可能会把这要求抛在脑后，于是，回复就偏离了你的预期(详见:小朋友都能懂的人工智能⓽ Hi AI, Database is all you need)。
老牛：这也太不靠谱了吧！
无名：再说天坑3——“不具时效性”。比如某个大模型是2024年6月1日训练出来的，那它只掌握了6月1日以前的知识，之后的信息它一概不知。就算给它提供最新的知识让它学习，它也只能进行推理回答，而不能把这些新知识融入到神经网络参数里，也就是说，大模型不能实时学习，要重新训练才能掌握新内容。
小侯：我们人类都可以随时学习新知识，大模型怎么就不行呢？
无名：最后说天坑4——“成本超昂贵”。OpenAI公司在大模型研发上投入已超百亿美金，仅仅一次大模型训练成本就常常超过千万美金(详见:小朋友都能懂的人工智能⓻--无名的故事与GPT-4训练流程），而推理成本更是高的惊人(详见:小朋友都能懂的人工智能⓼--无名的故事与GPT-4运行(推理)流程）。所以能参与大模型研发的公司和机构很少，在国内也就阿里、百度、字节跳动、清华大学等少数几家有能力参与。
老马：这么贵！还会胡言乱语、失忆，知识又不实时，这大模型根本无法用啊。
L：老马，别着急下结论，无名兄来自2050年，咱们问问他未来大模型与数据库的结合情况如何？
无名：未来，大模型与数据的结合非常成功。两者达成了一种“共生”的美妙境界，不仅大模型赋能数据，数据也能反过来提升大模型能力。这一过程经历了多个发展阶段，可以类比L1到L5的无人驾驶层级。
老马：真的吗？可您提到的“四大天坑”让我完全不敢接受啊。
无名：大模型与数据的结合不是一蹴而就，而是分阶段逐步实现的。天坑远不止这四个，但是都有解决之道。接下来，我会详细讲解大模型的运行机制，以及与数据结合的关键思路，并带大家回顾这一“共生之路”的各个阶段。
众人：太好了，非常期待！
欲知后事如何，请听下回分解...
“小朋友都能懂的人工智能” 系列
“数据库观察记” 系列
“世事洞明皆学问” 系列
预告：《超融合数据库》即将出版，关注梁老师公众号，敬请期待。