《經(jīng)濟參考報》記者近日調研獲悉，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(shí)現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(lái)重大變革。我國有較大的AI大模型應用市場(chǎng)，但發(fā)展過(guò)程中面臨部分技術(shù)薄弱、人才稀缺、成本高昂等多重挑戰，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(xué)富五車(chē)”的“超級大腦”

　　——“不開(kāi)心的話(huà)可以聽(tīng)點(diǎn)開(kāi)心的歌，看看喜劇，也可以去運動(dòng)，或者好好休息一下?！?/p>

　　——“心情不好是一種很正常的情緒，所以不用太過(guò)自責?！?/p>

　　針對“今天心情不好應該怎么辦”這一問(wèn)題，一個(gè)人工智能平臺以不同的“人設”，給出了不同的回答。通過(guò)網(wǎng)址鏈接進(jìn)入該平臺，在“人設問(wèn)答”區隨機輸入問(wèn)題，機器可支持和扮演不同“人設”，對問(wèn)題給出多角度答案。該平臺正是基于A(yíng)I大模型打造而成。

　　創(chuàng )新工場(chǎng)首席科學(xué)家、北京瀾舟科技創(chuàng )始人周明介紹，AI大模型也稱(chēng)人工智能預訓練模型，將海量數據導入具有幾億量級甚至十萬(wàn)億量級參數的模型中，機器通過(guò)做類(lèi)似“完形填空”等任務(wù)，深度學(xué)習數據中蘊含的特征、結構，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(shuō)，AI大模型相當于做了無(wú)數套關(guān)于各領(lǐng)域知識練習題、模擬題的“超級大腦”，深諳各領(lǐng)域知識內在邏輯和解題思路，既能理解人類(lèi)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(jìn)入“大模型時(shí)代”，由重復開(kāi)發(fā)、手工作坊式人工智能，即“一千個(gè)應用場(chǎng)景就有一千個(gè)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(gè)大模型“走天下”，為通用人工智能帶來(lái)曙光。比如，為生產(chǎn)智能音響，各個(gè)品牌競相開(kāi)發(fā)各自的AI小模型，未來(lái)各品牌只需在同一個(gè)AI大模型基礎上開(kāi)發(fā)即可。

　　“以前是‘碎片化’的人工智能，針對不同的應用場(chǎng)景要開(kāi)發(fā)不同的模型。作坊式開(kāi)發(fā)對資源、成本造成較大消耗，且效率低下。未來(lái)在各垂直領(lǐng)域落地時(shí)，只需基于一個(gè)大模型，對其參數進(jìn)行微調即可，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(xué)家、國際歐亞科學(xué)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(fǎng)者舉例介紹，以前的小模型就像“偏科的機器”，只學(xué)習針對特定應用場(chǎng)景的有限數據，“舉一反三”能力不足，一些智能產(chǎn)品被用戶(hù)調侃為“人工智障”的情況時(shí)有發(fā)生。而AI大模型則學(xué)習了各行各業(yè)各類(lèi)數據，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)出內容質(zhì)量更高，更加智能。

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

　　可分飾多角　應用場(chǎng)景廣泛

　　自動(dòng)問(wèn)診、產(chǎn)品營(yíng)銷(xiāo)、小說(shuō)續寫(xiě)……由于懂得人類(lèi)語(yǔ)言，且具備細分行業(yè)專(zhuān)業(yè)知識，一個(gè)AI大模型可分飾多角，它做得了醫生，當得了作家，勝任得了情感博主，從事得了電商客服……

　　AI大模型行業(yè)適用范圍廣，在醫療、金融、零售、氣象、新聞傳播、文學(xué)藝術(shù)等領(lǐng)域具有廣泛應用場(chǎng)景。周明介紹，在大模型中輸入關(guān)鍵詞、主題、文本風(fēng)格等控制屬性后，即可生成滿(mǎn)足約束條件的文本內容，可用于產(chǎn)品營(yíng)銷(xiāo)文案寫(xiě)作、電商智能客服等。在金融等領(lǐng)域，大模型通過(guò)抓取行業(yè)數據，自主完成篩選、分析，并自主撰寫(xiě)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(mén)的日常線(xiàn)路檢測?！耙郧耙R別各種電力傳輸線(xiàn)上的缺陷，需要針對每一類(lèi)缺陷單獨做一個(gè)小模型，有幾百種缺陷就要做幾百種模型，現在利用一個(gè)大模型就可完成各類(lèi)缺陷的識別?！?/p>

　　值得注意的是，AI大模型目前的技術(shù)進(jìn)步，是人工智能從感知向認知演進(jìn)的關(guān)鍵環(huán)節。清華大學(xué)計算機科學(xué)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據。通過(guò)分析并“內化”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(xiě)作更加生動(dòng)有邏輯；還能品讀人類(lèi)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)現人類(lèi)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(lái)重大變革。周明說(shuō)，未來(lái)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)鍵詞的結果‘搬運’給用戶(hù)，而基于大模型的新一代搜索引擎，通過(guò)理解人類(lèi)語(yǔ)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?！?/p>

　　田奇表示，新一代搜索引擎具備創(chuàng )作能力，比如搜索“長(cháng)翅膀的貓”“會(huì )飛的豬”等現實(shí)中不存在的事物，搜索引擎也可根據描述生成相應照片。

　　多重發(fā)展難題待解

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

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

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

　　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(shí)，我國在算法上的原始創(chuàng )新能力也有待提升。

　　多位受訪(fǎng)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、科研機構和企業(yè)屈指可數，與國外相比，我國相關(guān)領(lǐng)域高水平基礎人才培養力度有待加強。

　　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(wú)法搭建擁有充足算力的機房，面臨算力不足的問(wèn)題。

　　多措并舉搶占“新高地”

　　多位專(zhuān)家表示，AI大模型有望實(shí)現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、合理監管等舉措能否有效落地至關(guān)重要。

　　首先，推進(jìn)AI大模型標準化。受訪(fǎng)專(zhuān)家指出，大模型的訓練過(guò)程具有高能耗的特點(diǎn)，制定標準后，許多工作可基于已經(jīng)開(kāi)發(fā)的標準化大模型進(jìn)行適配和二次開(kāi)發(fā)，無(wú)需每次從頭訓練，以降低能耗。同時(shí)，大模型發(fā)展的過(guò)程中，也可能衍生違法違規信息生成、隱私泄露、虛假信息傳播等風(fēng)險，對用于訓練模型的源頭數據等做好規范，有利于規避相關(guān)風(fēng)險。國家相關(guān)部門(mén)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(kāi)放訓練數據。受訪(fǎng)者表示，訓練大模型需要海量數據，出于對數據的隱私、安全等方面的擔憂(yōu)，一些領(lǐng)域難以獲取數據，形成數據孤島。建議在國家機構監管和宏觀(guān)把控的前提下，各方數據能夠對白名單企業(yè)、機構、高校適當開(kāi)放，在確保數據安全使用的同時(shí)，增強我國AI大模型實(shí)力。例如，醫院等機構適當開(kāi)放數據，將有利于訓練更懂醫療的大模型，賦能健康醫藥領(lǐng)域發(fā)展。

　　再次，鼓勵算力共享。記者調研了解到，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(fǎng)專(zhuān)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(jìn)技術(shù)的發(fā)展和資源的節約。

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

?