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地影響？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。
張鈸院士進一步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”。
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。
“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?！?/em>
——張鈸院士
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。
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節。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。
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。
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，大模型在進行了醫療專業知識訓練后，它就可以完成執業醫師資格考試，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。
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。
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，從而減少錯誤的發生。
隨著大模型的發展，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性發展。目前，這是一個迫在眉睫的問題。
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。
“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！”
——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。
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。
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。同時，在這條充滿挑戰的征途上，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實際深度結合。唯有如此，每一家企業才能通過探索與挖掘，為自身的未來發展創造關鍵變量，讓大模型為人類社會創造出更多的價值和機遇，迎接智能時代的全面到來。
產品行業
4006-600-577
