行業解決方案
深耕行業 創新價值中央企業
服務央企數智化轉型第一品牌國資監管與投資控股
數智國資 新質發展裝備與離散制造
數智融合 賦能高端制造流程制造
深化AI+賦能流程制造業,助燃新質生產力消費品
數智消費,賦能消費品行業企業數智化轉型發展服務
AI+驅動服務行業數智企業創新發展交通與公用事業
數智賦能交通公用行業高質量發展建筑與地產
建數智引擎,產新質動能醫藥
以數智創新驅動醫藥行業高質量發展醫療
數智化技術賦能醫療機構高質量發展能源
以數智創新推動能源行業綠色低碳發展電信與廣電
電信與廣電行業M域首席服務商軍工
軍工企業的數智化首選政務
云聚公共管理智慧,助力政府數智化轉型教育
數智化人才培養服務提供商金融
中國金融行業數智化解決方案領導者汽車
專注于汽車行業營銷與后市場服務煙草
助力煙草行業數智化轉型行業
深耕行業 創新價值中央企業
服務央企數智化轉型第一品牌國資監管與投資控股
數智國資 新質發展裝備與離散制造
數智融合 賦能高端制造流程制造
深化AI+賦能流程制造業,助燃新質生產力消費品
數智消費,賦能消費品行業企業數智化轉型發展服務
AI+驅動服務行業數智企業創新發展交通與公用事業
數智賦能交通公用行業高質量發展建筑與地產
建數智引擎,產新質動能醫藥
以數智創新驅動醫藥行業高質量發展醫療
數智化技術賦能醫療機構高質量發展能源
以數智創新推動能源行業綠色低碳發展電信與廣電
電信與廣電行業M域首席服務商軍工
軍工企業的數智化首選政務
云聚公共管理智慧,助力政府數智化轉型教育
數智化人才培養服務提供商金融
中國金融行業數智化解決方案領導者汽車
專注于汽車行業營銷與后市場服務煙草
助力煙草行業數智化轉型銷售熱線:
4006-600-577在當今技術迅速發展的時代,生成式人工智能與大模型正成為推動產業變革的重要力量。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層面,廣泛覆蓋各行各業。
那么,新技術究竟會給產業帶來哪些積極影響?它又將如何平穩落地到場景?近日,在用友主辦的“2024全球商業創新大會”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表了主題為《生成式人工智能時代的產業》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、挑戰及其在不同領域的實際應用展開了深入探討。
大語言模型“三大能力”與“一大缺陷”不容忽視
會上,張鈸院士探討了生成式人工智能的核心優勢及其可能帶來的挑戰。目前,在大模型發展的進程中,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:
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。這是大語言模型區別于其他計算機生成語言的靈魂和優勢所在;
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;
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。張鈸院士表示,正因具備上述優勢與缺陷,產業在落地大模型應用時必須格外重視這些因素。
第三代人工智能技術的發展關鍵點仍在于如何讓它落地
隨著生成式人工智能的快速發展,業界也對其未來前景提出了質疑。針對這一業界普遍關注的問題,張鈸院士解釋道,生成式AI是人類發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、自監督學習。
其中,最關鍵的技術創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。張鈸院士表示,這項技術真正意義在于它將語言問題轉變為一個數學問題。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。
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展方向重點在于:第一,構建具備可解釋與魯棒(穩健)的AI理論與方法,消除人們心里產生的恐慌。其次,開發安全、可控、可信、可靠且可擴展的技術,從而驅動人工智能產業的繁榮發展。第三,推動AI的創新應用與產業化。這表明,AI技術的研究與開發不僅僅是學術上的突破,還需要與產業需求緊密結合,將技術創新轉化為現實應用,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揮穩定且長效的作用。
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,涉及企業關鍵業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的定制化生產、質量控制等。因為這些核心業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務領域?技術提供商、產業界的機會在哪里?
張鈸院士提出了落地通用基礎模型的三種方向。
第一,面向各個行業的垂類大模型;
第二,在大模型的基礎上打造產業應用;
第三,讓大模型與其他技術、工具相結合,創造產業應用。
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,這是產業和企業普遍關注的話題。為此,張鈸院士提出了基于大模型的六種架構模式,具體為提示工程、檢索增強生成(RAG)、微調、知識圖譜與向量數據庫、內部監測與控制以及安全與治理。
在人工智能技術突飛猛進的今天,大模型正在各行各業中展現出巨大的潛力。張鈸院士強調,堅持中國自主發展之路,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的繁榮發展。
文/廣州日報新花城記者:張露
圖/廣州日報新花城記者:張露
廣州日報新花城編輯:李光曼