首先是要關(guān)注訓(xùn)練數(shù)據(jù)的質(zhì)量，目前一些模型具有的偏見其實都是由于訓(xùn)練數(shù)據(jù)本身所引發(fā)的,。第二,，要加強對算法本身及模型內(nèi)部運作機制的研究,。此外,，模型的訓(xùn)練過程中，要加入多模態(tài)的數(shù)據(jù),，通過多模態(tài)信息內(nèi)在的多重關(guān)聯(lián)性降低大模型“偏執(zhí)”的概率,。

黃鐵軍 北京智源人工智能研究院院長

近日，美國斯坦福大學(xué)李飛飛等百余位學(xué)者聯(lián)名發(fā)布《基礎(chǔ)模型的機遇與挑戰(zhàn)》一文,，論述在人工智能基礎(chǔ)模型成為趨勢的環(huán)境下,，其發(fā)展面臨的機遇與挑戰(zhàn)。文章指出,，基礎(chǔ)模型的應(yīng)用使得自監(jiān)督學(xué)習(xí)+預(yù)訓(xùn)練模型微調(diào)適配方案逐漸成為主流,，并帶來了智能體認(rèn)知能力的進步。但同時由于基礎(chǔ)模型的任何一點改進會迅速覆蓋整個AI社區(qū),，其隱患在于基礎(chǔ)模型的缺陷也會被所有下游模型所繼承,。

斯坦福大學(xué)學(xué)者談到的基礎(chǔ)模型，國際上也稱預(yù)訓(xùn)練模型,，也被國內(nèi)研究者稱為大模型,。那么，什么是人工智能大模型,，與小模型相比有哪些優(yōu)勢,？為何大模型會成為趨勢，在行業(yè)中有哪些應(yīng)用,？未來又面臨怎樣的機遇和挑戰(zhàn),？

像發(fā)電廠一樣不斷供應(yīng)“智力源”

大模型成了最近AI產(chǎn)學(xué)界刷屏率頗高的詞匯。需要更大算力,、更大數(shù)據(jù)集的大模型,，為何可能是未來AI最好的伙伴？這要從AI開發(fā)者們的一次次挫敗與碰壁說起,。

深度學(xué)習(xí)技術(shù)興起的近10年間,，AI模型基本上是針對特定應(yīng)用場景需求進行訓(xùn)練的小模型。小模型用特定領(lǐng)域有標(biāo)注的數(shù)據(jù)訓(xùn)練，通用性差,，換到另外一個應(yīng)用場景中往往不適用,，需要重新訓(xùn)練。另外,，小模型的訓(xùn)練方式基本是“手工作坊式”,，調(diào)參、調(diào)優(yōu)的手動工作太多,，需要大量的AI工程專業(yè)人員來完成,。同時，傳統(tǒng)模型訓(xùn)練需要大規(guī)模的標(biāo)注數(shù)據(jù),，如果某些應(yīng)用場景的數(shù)據(jù)量少,，訓(xùn)練出的模型精度就會不理想。

“小模型的這些問題,，導(dǎo)致當(dāng)前AI研發(fā)整體成本較高,，效率偏低。由于AI人才短缺以及成本昂貴,，對于中小行業(yè)用戶來說,，小模型的這些問題阻礙了行業(yè)用戶采用人工智能技術(shù)的腳步，成為AI普惠的障礙,?！北本┲窃慈斯ぶ悄苎芯吭涸洪L黃鐵軍在接受科技日報記者采訪時指出。

雖然,，之前全球呈現(xiàn)“千村萬戶大煉模型”的熱鬧場面,，但這種“自家煉鋼自己用”的作坊方式顯然不符合現(xiàn)代產(chǎn)業(yè)發(fā)展規(guī)律。

黃鐵軍進一步解釋道：“大模型可以解決這些問題,，其泛化能力強,，可以做到‘舉一反三’，同一模型利用少量數(shù)據(jù)進行微調(diào)或不進行微調(diào)就能完成多個場景的任務(wù),，中小企業(yè)可以直接調(diào)用,，不需要招聘很多AI算法專業(yè)人員就能進行應(yīng)用開發(fā)，顯著降低中小企業(yè)的研發(fā)門檻,，促進AI技術(shù)落地,。”

得益于這些優(yōu)勢,，人工智能的發(fā)展已經(jīng)從“大煉模型”逐步邁向“煉大模型”的階段,。以美國OpenAI、谷歌,、微軟,、臉書等機構(gòu)為代表,，布局大規(guī)模智能模型已成為全球引領(lǐng)性趨勢，并形成了GPT—3,、Switch Transformer等千億或萬億參數(shù)量的大模型,。可以說,，人工智能大模型時代正在到來,！

“人工智能大模型是‘大數(shù)據(jù)+大算力+強算法’結(jié)合的產(chǎn)物，是集成大數(shù)據(jù)內(nèi)在精華的‘隱式知識庫’,，也是實現(xiàn)人工智能應(yīng)用的載體,。大模型是連接人工智能技術(shù)生態(tài)和產(chǎn)業(yè)生態(tài)的橋梁，向下帶動基礎(chǔ)軟硬件發(fā)展,，向上支撐了智能應(yīng)用百花齊放,，是整個人工智能生態(tài)的核心?！秉S鐵軍表示,。

北京智源人工智能研究院理事長張宏江博士指出：“未來，大模型會形成類似電網(wǎng)的智能基礎(chǔ)平臺,，像發(fā)電廠一樣為全社會源源不斷地供應(yīng)‘智力源’?！?/span>

通用智能應(yīng)用前景廣闊

類比人的教育培養(yǎng),，大模型所完成的培訓(xùn)就如同基礎(chǔ)性、通識性的大學(xué)本科培養(yǎng),，“學(xué)成”后的大模型具備處理一般事物的能力,。如果要完成更專業(yè)、更高級的任務(wù),，大模型還需要“研究生”階段的專業(yè)培養(yǎng),。

黃鐵軍進一步指出：“AI大模型通常是在大規(guī)模無標(biāo)注數(shù)據(jù)上進行訓(xùn)練，學(xué)習(xí)數(shù)據(jù)中蘊含的特征,、結(jié)構(gòu)和知識,。”

在這一趨勢下,，北京智源人工智能研究院2021年3月發(fā)布悟道1.0,，是中國首個人工智能大模型，取得多項國際領(lǐng)先的AI技術(shù)突破,；2021年6月發(fā)布的悟道2.0,，參數(shù)規(guī)模達(dá)到1.75萬億，是OpenAI的GPT—3模型的10倍,，一躍成為世界最大模型,。

北京智源人工智能研究院學(xué)術(shù)副院長,、清華大學(xué)教授唐杰表示，大模型可以包含更多數(shù)據(jù),，表示更多信息,，模型往超大規(guī)模發(fā)展是一個必然的趨勢。

“超大規(guī)模預(yù)訓(xùn)練模型的出現(xiàn),，很可能改變信息產(chǎn)業(yè)格局,，即基于數(shù)據(jù)的互聯(lián)網(wǎng)時代、基于算力的云計算時代之后,，接下來可能將進入基于大模型的AI時代,。”唐杰認(rèn)為,。

據(jù)介紹,，超大規(guī)模智能模型的通用智能能力在醫(yī)療、金融,、新聞傳播等行業(yè)應(yīng)用前景廣闊,。例如，在醫(yī)療健康領(lǐng)域,，大模型在醫(yī)療數(shù)據(jù)格式化,、病歷自動解讀與分析、自動問診系統(tǒng)等方面都可以發(fā)揮巨大效用,。在金融,、法律、財務(wù),、人力資源,、零售等傳統(tǒng)行業(yè)領(lǐng)域，大模型能提供高性能的智能信息解析和提取,、智能數(shù)據(jù)整合,、自動機器翻譯、輔助決策等功能,，提升業(yè)務(wù)流程效率和水平,。在新聞傳播領(lǐng)域，基于模型可實現(xiàn)智能新聞線索收集,、機器寫作,、輔助編輯、虛擬主播等應(yīng)用,。目前,，智源悟道大模型，也在為北京冬奧會提供新場景下的人工智能服務(wù)應(yīng)用,；并正在通過大模型開啟手機AI語音技術(shù)新路徑,，賦能智能終端新一輪AI體驗革新,。

同質(zhì)化和涌現(xiàn)特性帶來機遇與挑戰(zhàn)

最近，斯坦福大學(xué)數(shù)十位研究者聯(lián)名發(fā)表《基礎(chǔ)模型的機遇和風(fēng)險》綜述文章,，認(rèn)為大模型的特點之一是“同質(zhì)化”,，好處在于大模型的任何一點改進就可以迅速覆蓋整個AI社區(qū)。但同時,，它也帶來一些隱患,，大模型的缺陷會被所有下游模型所繼承。特點之二是海量數(shù)據(jù)訓(xùn)練出的基礎(chǔ)模型具有“涌現(xiàn)”特性,，也就是產(chǎn)生未曾預(yù)先設(shè)想的新能力,，這種特性有望讓AI具備處理語言、視覺,、機器人,、推理、人際互動等各類相關(guān)任務(wù)的能力,。因此這類模型將賦能各行各業(yè),，加快行業(yè)的智能化轉(zhuǎn)型，在法律,、醫(yī)療,、教育等領(lǐng)域都會帶來具有社會價值的影響。

但同時,，如何應(yīng)對大模型下游的傳播問題,，進一步提高信息的精準(zhǔn)性與適用性，以人工智能大模型技術(shù)激活各行各業(yè),？

黃鐵軍回答道：“這是學(xué)界現(xiàn)在所面臨的共同難題，未來應(yīng)該從幾個方面來減輕甚至消除這類影響：首先就是要關(guān)注訓(xùn)練數(shù)據(jù)的質(zhì)量,，目前一些模型具有的偏見其實都是由訓(xùn)練數(shù)據(jù)本身所引發(fā)的,，因此我們要在數(shù)據(jù)源頭上做好保障，既要量大,，也要質(zhì)高,。第二，要加強對算法本身及模型內(nèi)部運作機制的研究,，目前深度學(xué)習(xí)算法的可解釋性等理論還在探討階段,，對大模型的理論分析和缺陷查找能力提出了更大挑戰(zhàn)，這就需要加強基礎(chǔ)研究,，以支撐大模型在那些可靠性要求更高行業(yè)中的應(yīng)用,。此外，模型的訓(xùn)練過程中,，要加入多模態(tài)的數(shù)據(jù),，比如文本,、圖片、視頻等類型的輸入,，通過多模態(tài)信息內(nèi)在的多重關(guān)聯(lián)性降低大模型‘偏執(zhí)’的概率,。我們常說人要‘行萬里路，讀萬卷書’,，大模型也一樣,，會隨著算法的改進和‘閱歷’的增加越來越智能?！?/span>