SolidUI的发展：不要身背历史包袱

文章目录

背景
简述
- 数据可视化发展
- AI生成可视化发展
- SolidUI精准定义
特点
发展
- 思维演化
- 不断触底
- 兼容、迁移、丢弃
- 护城河？
结语

背景

本人自由职业，运营AI开源项目https://github.com/CloudOrc/SolidUI。

本文是站在AI产品工程角度推演。

简述

数据可视化，AI生成可视化，看似几个字的差别，其实是不同时代的产品，背后脉络不一样的。

数据可视化发展

大数据发展史：1960年-1980年关系数据库发展，然后1980年数据仓库理论完善，提出商业智能概念，2000年-2010年提出Hadoop体系，所有海量数据都放到Hadoop体系中，2010年之后，因为计算引擎发展，人们解绑数仓体系，发展数据湖体系和OLAP体系，现在可分两种情况，一种靠数据湖这种大一统技术方式处理数据，一种靠OLAP这种MPP架构轻量计算数据。可视化发展情况，1980年-1990年，Office体系，里面实现二维图表，人机交互生成，2000年-2010年，一些商业智能可视化，结合数据仓库业务捆绑，生成二维图表，2010年至今，数据格式也非常复杂，结构和非结构，2D，3D体系也完善了。

在2010起，数据可视化标准彻底定下来了，数据可视化可解释：让数据以图形和图像展示。

AI生成可视化发展

这个跟数据可视化并没有直接关系的，AI生成可视化可解释让大模型行为以图形和图像展示。

AI 生成大模型的历史可以追溯到 2010 年代初期。早期的自然语言处理 (NLP) 模型较小且功能有限，但随着研究和技术的进步，这些模型逐渐变得更大、更复杂。以下是一些重要的里程碑事件和大型 AI 生成模型的发展：

Word2Vec (2013) - Word2Vec 是一种有监督学习方法，它将单词表示为高维空间中的向量，使得具有相似含义的单词在嵌入空间中距离较近。这是第一次成功地为自然语言处理任务提供了有意义的向量表示。
Seq2Seq 和 Attention 机制 (2014-2015) - 序列到序列 (Sequence-to-Sequence, Seq2Seq) 模型是一种端到端的深度学习架构，广泛应用于机器翻译、摘要等任务。在这之后，研究人员引入了 Attention 机制，提高了模型处理长序列时的性能。
ELMo (2018) - ELMo (Embeddings from Language Models) 是一种预训练的语言模型，它使用双向 LSTM（Long Short-Term Memory）神经网络生成上下文相关的词嵌入。这是第一个成功将预训练语言模型用于生成任务的方法。
Transformer (2017) - Transformer 是一种新型神经网络架构，摒弃了传统的循环神经网络 (RNN)。该架构引入了多头自注意力 (Multi-Head Self-Attention) 机制，能够并行计算且可扩展性强，从而使训练大型模型成为可能。
BERT (2018) - BERT (Bidirectional Encoder Representations from Transformers) 是一种基于 Transformer 的预训练模型。通过使用 Masked Language Model (MLM) 和 Next Sentence Prediction (NSP) 任务进行预训练，BERT 能够对文本进行深入理解。它在各种自然语言处理任务上取得了显著的性能提升。
GPT (2018-2021) - GPT (Generative Pre-trained Transformer) 系列模型是 OpenAI 开发的一系列大型预训练语言模型。从 GPT 到 GPT-3，这些模型一直在不断扩大规模和能力。特别是 GPT-3，拥有 1750 亿个参数，成为了迄今为止最大的语言模型之一。GPT-3 在各种生成任务上展现出了惊人的性能，例如文本生成、翻译、摘要、问答等。
在这个过程中，出现了许多其他的模型和架构，如 ULMFiT、RoBERTa、ALBERT、T5 等。这些模型纷纷打破了自然语言处理任务的性能记录。如今，随着计算能力和研究的进一步发展，大型 AI 生成模型的规模和能力仍在不断扩大。

AI生成因OpenAI GPT而爆发，开启新时代的可视化方向，标准并没有生成，都在探索。

SolidUI精准定义

SolidUI的精准定义，是AI生成可视化。让垂直领域的模型的行为，以图形和图像展示。

特点

极简流程，简洁设计
支持多种维度图例
支持多种数据源
支持不同的插件，例如：huggingface体系
支持插件机器人
支持SolidUI自研模型
支持三方大模型体系
容器化部署

发展

思维演化

现在很多特点有受旧时代思维限制，例如0.1.0版本就能看出，在做可视化应用框架。从0.2.0版本开始做聊天框架，不断推开应用体系的推演。

在现在的风口趋势不断去下游探索，从0.3.0版本后开始进入模型体系探索。

现在由于在风口阶段，很多旧时代的思维模式，无论是产品，技术，运营都受到冲击，尤其在AI领域，很多变化性特别大，只谈AI产品思维，不是说把不变的那些特性和差异的一些东西做精了，就可以去做出一流的产品，不是这样，很多旧时代生成模式其实都是过时的，在AI生成体系并没有形成标准时，要去多探索边界，不断触底。

不断触底

但是做过真正 AI 创业人都会发现，所谓的 AI 创业，哪怕咱不谈所有的销售或者这些商业化的东西，你 80% 的东西是产品工程， 20% 的是底层的技术。甚至好。如果你是这时候创业，而你恰好不是 open AI 或者 Anthropic 的话，你可能有 10% 的技术就不错了。而这个时候我们会发现，所有这些先来的人，他不仅是技术，行业规模，甚至利益分配这些东西都是历史包袱。

所幸SolidUI是开源产品，可以不断触底突破，成为一流的产品，很多东西实现未必是主创真正想做的，但是不要一直身被包袱，新时代有新的公约。

兼容、迁移、丢弃

兼容、迁移和丢弃是SolidUI不断探索的过程中必然面临的问题。开源的伟大之处在于，全球协作中会有不断加入的大佬，分叉路径，但主路径的探索始终在进行。

护城河？

持续投入研发，保持技术创新和领先地位
优秀的产品设计和用户体验，使产品具备竞争优势
紧密的社区合作和支持，形成良好的生态系统。
积累信息和知识，这方面就是金钱。

结语

SolidUI是一款开源的AI生成可视化产品，以创新和突破为核心，不断挑战旧时代的思维模式。通过持续研发、优秀的产品设计、社区合作和行业经验积累，SolidUI努力在生成AI产品领域建立起护城河。