《經(jīng)濟參考報》記者近日調(diào)研獲悉，AI（人工智能）大模型相當于“超級大腦”，正成為人工智能“新高地”。AI大模型有望實現(xiàn)人工智能從感知到認知的躍遷，重新定義人工智能產(chǎn)業(yè)模式和產(chǎn)業(yè)標準，給部分產(chǎn)業(yè)帶來重大變革。我國有較大的AI大模型應用市場，但發(fā)展過程中面臨部分技術(shù)薄弱、人才稀缺、成本高昂等多重挑戰(zhàn)，亟須對相關(guān)技術(shù)研發(fā)和產(chǎn)業(yè)布局加以引導和支持。

趙乃育 繪

　　“學富五車”的“超級大腦”

　　——“不開心的話可以聽點開心的歌，看看喜劇，也可以去運動，或者好好休息一下。”

　　——“心情不好是一種很正常的情緒，所以不用太過自責?！?/p>

　　針對“今天心情不好應該怎么辦”這一問題，一個人工智能平臺以不同的“人設”，給出了不同的回答。通過網(wǎng)址鏈接進入該平臺，在“人設問答”區(qū)隨機輸入問題，機器可支持和扮演不同“人設”，對問題給出多角度答案。該平臺正是基于AI大模型打造而成。

　　創(chuàng)新工場首席科學家、北京瀾舟科技創(chuàng)始人周明介紹，AI大模型也稱人工智能預訓練模型，將海量數(shù)據(jù)導入具有幾億量級甚至十萬億量級參數(shù)的模型中，機器通過做類似“完形填空”等任務，深度學習數(shù)據(jù)中蘊含的特征、結(jié)構(gòu)，最終被訓練成具有邏輯推理和分析能力的人工智能。

　　通俗地說，AI大模型相當于做了無數(shù)套關(guān)于各領(lǐng)域知識練習題、模擬題的“超級大腦”，深諳各領(lǐng)域知識內(nèi)在邏輯和解題思路，既能理解人類世界的知識體系，也可能產(chǎn)出新的知識。

　　2018年起，人工智能進入“大模型時代”，由重復開發(fā)、手工作坊式人工智能，即“一千個應用場景就有一千個小模型”的零散、低效局面，走向工業(yè)化、集成化智能的全新路徑，以一個大模型“走天下”，為通用人工智能帶來曙光。比如，為生產(chǎn)智能音響，各個品牌競相開發(fā)各自的AI小模型，未來各品牌只需在同一個AI大模型基礎上開發(fā)即可。

　　“以前是‘碎片化’的人工智能，針對不同的應用場景要開發(fā)不同的模型。作坊式開發(fā)對資源、成本造成較大消耗，且效率低下。未來在各垂直領(lǐng)域落地時，只需基于一個大模型，對其參數(shù)進行微調(diào)即可，這樣就打造出了具有通用性質(zhì)的人工智能?！比A為云人工智能領(lǐng)域首席科學家、國際歐亞科學院院士田奇介紹，AI大模型將重新定義人工智能產(chǎn)業(yè)模式、產(chǎn)業(yè)標準，甚至產(chǎn)業(yè)倫理。

　　受訪者舉例介紹，以前的小模型就像“偏科的機器”，只學習針對特定應用場景的有限數(shù)據(jù)，“舉一反三”能力不足，一些智能產(chǎn)品被用戶調(diào)侃為“人工智障”的情況時有發(fā)生。而AI大模型則學習了各行各業(yè)各類數(shù)據(jù)，成為具備良好的知識遷移能力的“通才”，適用領(lǐng)域更廣，產(chǎn)出內(nèi)容質(zhì)量更高，更加智能。

　　同時，周明指出，大模型的發(fā)展并非一味追求參數(shù)量大，而是聚焦模型的高性能，“在讓大模型學習和掌握更大量數(shù)據(jù)的同時，盡可能讓大模型參數(shù)相對輕量化，在‘減負’的同時提高能效?！?/p>

　　可分飾多角　應用場景廣泛

　　自動問診、產(chǎn)品營銷、小說續(xù)寫……由于懂得人類語言，且具備細分行業(yè)專業(yè)知識，一個AI大模型可分飾多角，它做得了醫(yī)生，當?shù)昧俗骷?，勝任得了情感博主，從事得了電商客服…?/p>

　　AI大模型行業(yè)適用范圍廣，在醫(yī)療、金融、零售、氣象、新聞傳播、文學藝術(shù)等領(lǐng)域具有廣泛應用場景。周明介紹，在大模型中輸入關(guān)鍵詞、主題、文本風格等控制屬性后，即可生成滿足約束條件的文本內(nèi)容，可用于產(chǎn)品營銷文案寫作、電商智能客服等。在金融等領(lǐng)域，大模型通過抓取行業(yè)數(shù)據(jù)，自主完成篩選、分析，并自主撰寫生成行業(yè)報告，輔助從業(yè)人員做決策。

　　田奇介紹，AI大模型已應用于國網(wǎng)電力部門的日常線路檢測?！耙郧耙R別各種電力傳輸線上的缺陷，需要針對每一類缺陷單獨做一個小模型，有幾百種缺陷就要做幾百種模型，現(xiàn)在利用一個大模型就可完成各類缺陷的識別?！?/p>

　　值得注意的是，AI大模型目前的技術(shù)進步，是人工智能從感知向認知演進的關(guān)鍵環(huán)節(jié)。清華大學計算機科學與技術(shù)系副教授劉知遠表示，古今中外一切文章、資料，都可作為訓練大模型的數(shù)據(jù)。通過分析并“內(nèi)化”海量知識，不僅讓智能產(chǎn)品擁有更高性能，如機器翻譯更加準確、機器寫作更加生動有邏輯；還能品讀人類情感，用于情感標注。此外，“它可能識別到‘弦外之音’，甚至有希望發(fā)現(xiàn)人類未曾掌握的知識?！?/p>

　　這一技術(shù)的發(fā)展，也可能給部分產(chǎn)業(yè)帶來重大變革。周明說，未來將產(chǎn)生新一代搜索引擎?！澳壳按蟛糠炙阉饕媸腔陉P(guān)鍵詞識別，只將庫里已有的包含關(guān)鍵詞的結(jié)果‘搬運’給用戶，而基于大模型的新一代搜索引擎，通過理解人類語言，可以自主生成回答，且支持文字、圖片、音頻、視頻等多模態(tài)搜索。”

　　田奇表示，新一代搜索引擎具備創(chuàng)作能力，比如搜索“長翅膀的貓”“會飛的豬”等現(xiàn)實中不存在的事物，搜索引擎也可根據(jù)描述生成相應照片。

　　多重發(fā)展難題待解

　　當前，美國OpenAI、谷歌、微軟、臉書、英偉達等海外公司紛紛布局AI大模型產(chǎn)業(yè)，國內(nèi)的華為、阿里巴巴、百度等大型企業(yè)，以及高校、科研機構(gòu)也加入研發(fā)賽道。AI大模型正成為人工智能“新高地”。

　　記者調(diào)研了解到，從技術(shù)上講，國內(nèi)AI大模型已初步成熟，下一步將聚焦行業(yè)推廣，并結(jié)合具體問題對模型進行迭代。田奇預測，AI大模型的大規(guī)模應用“可能還需要兩到三年時間”，且未來AI大模型還有望集納于芯片上，更方便落地應用。

　　專家指出，我國有較大的AI大模型應用市場，在應用領(lǐng)域具有優(yōu)勢，但發(fā)展過程中也面臨一些挑戰(zhàn)。

　　劉知遠介紹，很多核心技術(shù)目前仍然掌握在發(fā)達國家手中，訓練AI大模型需大量GPU（圖形處理器）芯片，但當前國產(chǎn)GPU芯片技術(shù)相對薄弱。同時，我國在算法上的原始創(chuàng)新能力也有待提升。

　　多位受訪者表示，目前從事AI大模型研發(fā)且能產(chǎn)出創(chuàng)新性成果的高校、科研機構(gòu)和企業(yè)屈指可數(shù)，與國外相比，我國相關(guān)領(lǐng)域高水平基礎人才培養(yǎng)力度有待加強。

　　此外，訓練大模型需要較高的電力成本、設備成本等，很多中小企業(yè)、科研單位囿于高昂成本，無法搭建擁有充足算力的機房，面臨算力不足的問題。

　　多措并舉搶占“新高地”

　　多位專家表示，AI大模型有望實現(xiàn)人工智能從感知到認知的躍遷，將更高效地賦能AI產(chǎn)業(yè)化和產(chǎn)業(yè)AI化。相關(guān)技術(shù)研發(fā)和產(chǎn)業(yè)布局引導、配套支持政策、合理監(jiān)管等舉措能否有效落地至關(guān)重要。

　　首先，推進AI大模型標準化。受訪專家指出，大模型的訓練過程具有高能耗的特點，制定標準后，許多工作可基于已經(jīng)開發(fā)的標準化大模型進行適配和二次開發(fā)，無需每次從頭訓練，以降低能耗。同時，大模型發(fā)展的過程中，也可能衍生違法違規(guī)信息生成、隱私泄露、虛假信息傳播等風險，對用于訓練模型的源頭數(shù)據(jù)等做好規(guī)范，有利于規(guī)避相關(guān)風險。國家相關(guān)部門可牽頭或引導企業(yè)、研究所、高校等共同定義大模型的標準。

　　其次，適當開放訓練數(shù)據(jù)。受訪者表示，訓練大模型需要海量數(shù)據(jù)，出于對數(shù)據(jù)的隱私、安全等方面的擔憂，一些領(lǐng)域難以獲取數(shù)據(jù)，形成數(shù)據(jù)孤島。建議在國家機構(gòu)監(jiān)管和宏觀把控的前提下，各方數(shù)據(jù)能夠?qū)Π酌麊纹髽I(yè)、機構(gòu)、高校適當開放，在確保數(shù)據(jù)安全使用的同時，增強我國AI大模型實力。例如，醫(yī)院等機構(gòu)適當開放數(shù)據(jù)，將有利于訓練更懂醫(yī)療的大模型，賦能健康醫(yī)藥領(lǐng)域發(fā)展。

　　再次，鼓勵算力共享。記者調(diào)研了解到，目前只有部分大企業(yè)能夠負擔超大模型訓練所需的算力成本。受訪專家呼吁，可引導具有強算力的人工智能“國家隊”，為更多中小微企業(yè)、科研單位提供大模型訓練所需的算力支撐，可探索合理付費的算力共享機制，共同促進技術(shù)的發(fā)展和資源的節(jié)約。

　　最后，加大原始創(chuàng)新引導和支持。多位專家指出，我國應加強研發(fā)力度，同時加強針對模型框架的基礎創(chuàng)新研究，引導更多科研單位、高校積極培養(yǎng)相關(guān)人才，鼓勵更多社會力量加入這場信息革命的浪潮。

?