【ZiDongHua 之自動化學院派收錄關鍵詞： 大模型 AI 人工智能 自動駕駛】
　　
　　張鈸院士：大模型時代的企業(yè)AI發(fā)展趨勢
　　
　　yonyou
　　
　　在當今技術迅速發(fā)展的時代，生成式人工智能與大模型正成為推動產業(yè)變革的重要力量。隨著AI技術的不斷成熟與普及，它的應用已從個人領域擴展至企業(yè)層面，廣泛覆蓋各行各業(yè)。
 
　　
　　那么，新技術究竟會給產業(yè)帶來哪些積極地影響？它又將如何平穩(wěn)落地到場景？近日，在用友主辦的“2024全球商業(yè)創(chuàng)新大會”上，中國科學院院士、清華大學人工智能研究院名譽院長張鈸發(fā)表了主題為《生成式人工智能時代的產業(yè)》的演講。
　　
　　會上，張鈸院士從能力、應用、架構、趨勢等幾個維度，詳盡闡述了學術界關于大模型的洞察與思考，全面剖析了大模型的演進路徑，就該技術的應用前景、挑戰(zhàn)及其在不同領域的實際應用展開了深入探討。
　　
　　01
　　
　　大語言模型“三大能力”
　　
　　與“一大缺陷”不容忽視
　　
　　張鈸院士進一步探討了生成式人工智能的核心優(yōu)勢及其可能帶來的挑戰(zhàn)。目前，在大模型發(fā)展的進程中，已呈現出“三大能力”和“一大缺陷”。
　　
　　其中，生成式人工智能具備三大核心能力為：
　　
　　01
　　
　　第一，強大的語言生成能力，即在開領域生成多樣性的、語義連貫的、類似人類的文本。這是大語言模型區(qū)別于其他計算機生成語言的靈魂和優(yōu)勢所在；
　　
　　02
　　
　　第二，強大的自然語言對話能力，即在開領域實現人機自然語言對話；
　　
　　03
　　
　　第三，強大的遷移能力，即在代理任務上訓練一個模型，只需要少量數據和微調，就可以適配到下游任務中，從而凸顯出大模型可舉一反三的能力。
　　
　　除了上述優(yōu)勢外，大模型也呈現了一大缺陷，那就是大模型的幻覺。換句話說，在多樣性輸出的過程中，大模型也會犯錯，這與它的創(chuàng)造性同時產生。
　　
　　事實上，這種幻覺是外部信息驅動下產生的，因為大模型與人類生成的語言只是行為上相似，而內在機制完全不同。更深一步講，這也揭示出了基礎模型的局限性。一方面，它輸出的結果不一定正確，且質量不可控；另一方面，大模型不可信任；還有一方面，大模型對提示詞的依賴性強，魯棒性較差。
　　
　　“正因具備上述優(yōu)勢與缺陷，產業(yè)在落地大模型應用時必須格外重視這些因素。”
　　
　　——張鈸院士
　　
　　02
　　
　　基礎模型的三種落地方向
　　
　　目前，在生成式AI的眾多應用場景中，高階應用如設計、規(guī)劃，低階應用如服務、營銷是相對容易實現的。例如，券商可依托大模型打造新一代AI中臺大腦，幫助企業(yè)實現智能化的開戶、客服、AI選股等服務場景。
 
　　
　　與之相反，涉及企業(yè)關鍵業(yè)務領域的大模型應用場景則是較難實現的，如自動駕駛或制造行業(yè)的定制化生產、質量控制等。因為這些核心業(yè)務對于技術的容錯率較低，而可靠性、準確性要求更高。
　　
　　那么，大模型的應用場景該如何落地到核心業(yè)務領域？技術提供商、產業(yè)界的機會在哪里？
　　
　　張鈸院士提出了落地通用基礎模型的三種方向。
　　
　　第一，面向各個行業(yè)的垂類大模型；
　　
　　第二，在大模型的基礎上打造產業(yè)應用；
　　
　　第三，讓大模型與其他技術、工具相結合，創(chuàng)造產業(yè)應用。
　　
　　03
　　
　　大模型的六種架構模式
　　
　　找到了大模型的落地方向，那么讓大模型真正落地，同時還能使其用起來安全、可信、可控，這是產業(yè)和企業(yè)普遍關注的話題。為此，張鈸院士提出了基于大模型的六種架構模式。
　　
　　第一，提示工程
　　
　　在很多大模型設計的過程中，都會增加這一至關重要的中間環(huán)節(jié)。它可以提升模型的理解和響應能力，輸出一個更令人滿意的結果。
　　
　　比如，當問及大模型9.11和9.9哪一個數大時，它會給出錯誤的答案。但是，當用戶在提示了有小數點存在的情況后，大模型便會給出正確的結果。因此，提示工程是影響生成結果的關鍵因素。提示的質量直接決定了輸出結果的準確性和質量。在實際應用中，如何優(yōu)化提示內容成為提升生成式人工智能應用效果的重要手段。
　　
　　第二，檢索增強生成（RAG）
　　
　　對于事實性的問題，為了提高生成內容的確定性，生成式人工智能需要結合檢索功能，通過觸發(fā)外部知識庫檢索機制，輔助大模型生成更加準確、詳盡且具有針對性的答案。
　　
　　第三，微調
　　
　　在加入了領域知識和私有數據后，通過在特定領域進行微調，可以顯著提高生成式人工智能的輸出質量，使其更符合特定領域的需求。比如，大模型在進行了醫(yī)療專業(yè)知識訓練后，它就可以完成執(zhí)業(yè)醫(yī)師資格考試，準確率可達90%以上。而且，在診斷推理的過程中，大模型也對結果做出合理的解釋。
　　
　　第四，知識圖譜與向量數據庫
　　
　　將知識圖譜與向量數據庫結合使用，能夠幫助生成式人工智能更好地理解和處理文本中的語義信息，可解決模型缺乏事實知識、幻覺和可解釋性等諸多問題。在企業(yè)部署大模型時，通過建立向量數據庫，并讓它與文檔數據庫協同工作，從而提高生成結果的準確性。
　　
　　第五，內部監(jiān)測與控制
　　
　　在加以人類控制后，大模型可檢測出數據偏差和漂移，也可處理異常情況。同時，通過引入智能體強化學習，可以讓大模型自我反應，幫助它完成感知、動作、學習的一體化，從而減少錯誤的發(fā)生。
　　
　　第六，安全與治理
　　
　　隨著大模型的發(fā)展，安全、誤用與濫用已經成為普遍問題，這里涉及政治標準、道德與倫理等問題。只有建立多層次的安全保障，推動治理體系落地，才能夠確保大模型健康可持續(xù)性發(fā)展。目前，這是一個迫在眉睫的問題。
　　
　　04
　　
　　堅持大模型自主發(fā)展之路
　　
　　推動應用創(chuàng)新與產業(yè)化進程
　　
　　隨著生成式人工智能的快速發(fā)展，業(yè)界也對其未來前景提出了質疑。針對這一業(yè)界普遍關注的問題，張鈸院士解釋道，生成式AI是人類發(fā)展史上的一次重大技術突破。為此，人類花費了幾十年時間解決了人工智能領域中的三個關鍵技術問題——文本的語義向量表示、生成式預訓練轉換器、自監(jiān)督學習。
　　
　　其中，最關鍵的技術創(chuàng)新就在于文本的語義向量表示，它實現了從信息形式的處理到信息內容處理的跨越。
　　
　　“這項技術真正意義在于它將語言問題轉變?yōu)橐粋€數學問題。原來，文本僅代表了一個個符號，符號是存在于離散空間的，這些很難用數學工具去解析。而現在，語言被翻譯為向量，計算機根據向量就可以解析成語義，對信息的內容加以處理，從而幫助人類真正進入到人工智能時代！”
　　
　　——張鈸院士
　　
　　基于對大模型原理的深入理解，張鈸院士對第三代人工智能技術的發(fā)展抱有十足的信心。就目前來看，問題的關鍵點仍在于如何讓它落地。
　　
　　張鈸院士認為，第三代人工智能的發(fā)展方向重點在于：第一，構建具備可解釋與魯棒（穩(wěn)?。┑腁I理論與方法，消除人們心里產生的恐慌。其次，開發(fā)安全、可控、可信、可靠且可擴展的技術，從而驅動人工智能產業(yè)的繁榮發(fā)展。第三，推動AI的創(chuàng)新應用與產業(yè)化。這表明，AI技術的研究與開發(fā)不僅僅是學術上的突破，還需要與產業(yè)需求緊密結合，將技術創(chuàng)新轉化為現實應用，從而帶來經濟效益和社會進步。
　　
　　同時，他還提出了“知識驅動 + 數據驅動”的理念，通過整合知識、數據、算法和算力這四大要素，確保AI技術不僅具備強大的智能能力，還能夠在多樣化的應用場景中發(fā)揮穩(wěn)定且長效的作用。
　　
　　張鈸院士強調，堅持中國自主發(fā)展之路，必須認識到知識驅動與數據驅動在第三代人工智能中的核心作用，充分結合和利用知識、數據、算法、算力等要素，從而驅動中國人工智能產業(yè)的繁榮發(fā)展。
　　
　　在人工智能技術突飛猛進的今天，大模型正在各行各業(yè)中展現出巨大的潛力。同時，在這條充滿挑戰(zhàn)的征途上，只有通過不斷提升大模型的安全性、可靠性和可控性，才能真正實現其廣泛應用。
　　
　　未來，我們不僅要關注技術本身的突破，更要思考如何將其與產業(yè)實際深度結合。唯有如此，每一家企業(yè)才能通過探索與挖掘，為自身的未來發(fā)展創(chuàng)造關鍵變量，讓大模型為人類社會創(chuàng)造出更多的價值和機遇，迎接智能時代的全面到來。