隨著以ChatGPT為首的應用工具一夜爆火，人工智能似乎找到了應用層面的合適出口，讓大眾、用戶和產業，看到了大模型人工智能所具備的應用潛力。
大模型能為企業和開發者帶來什么？
企業如何借力和追趕大模型創造出實際價值？ChatGPT 所卷起的 AI 大模型熱潮將如何影響開發者和企業？
ChatGPT 背后的倫理挑戰和風險問題又該如何應對？
……
在InfoQ《極客有約》直播間，明略科技集團CTO郝杰針對以上問題表達了自己的觀點和洞察。
社會和企業如何受益于通用大模型？
以ChatGPT為代表的大模型，是一種不太顯式的，區別于知識庫和知識圖譜一樣的新型知識表示方式，它是一個巨大的隱式知識庫，包含了地球上的各種知識，類似一個包羅萬象的百科全書，用戶可以使用這個模型，通過平臺并與它交互，以聊天、對話或多輪問答形式展開。
在面對大型模型和通用人工智能的沖擊時，行業之間的差異應該是相對平等的。在科學領域中，大型模型原生應用的場景也包括各種科學領域，例如超導材料、生命科學、醫學和生物醫療等領域，這些領域很可能是大型模型大顯身手的場景。很多公司都在做著很了不起的事情，要將地球上所有的知識都裝入一個模型中，要將其效果惠及全人類。未來，它的發展方向應該是惠及所有行業，讓設計師、廚師和化妝師等從業人員更強大，更輕松地修煉到大師級別。
而針對打造國內的中文大模型，有以下幾種路徑。第一種是依靠大型企業或國內頂尖大學，他們擁有強大的算力和資源，可以在他們的肩膀上訓練行業大模型。第二種是垂直領域的AI獨角獸企業，例如明略科技，從垂直領域入手去打造專屬的行業大模型。第三條路徑是通過突破工程難題，利用摩爾定律來降低大型模型的訓練成本。雖然這是一個挑戰，但是已經有一些公司正在致力于解決這個問題，相信隨著時間的推移，訓練成本會逐漸降低。
ChatGPT真正的最大價值是什么？
ChatGPT在四個方面具有強大的通用性：產品方面，它是個chatbot、是個聊天方式的人機交互，幾乎所有人類都可與其交互，用戶使用它沒有任何門檻，是一款很通用的ToC產品；模型方面，它是個通用的大模型，包含了地球上所有的知識，幾乎無所不知，所以具備知識領域的通用性；任務方面，它具有很強的泛化性，具備跨任務的通用性；還有與人類對齊方面的通用性，通過RLHF算法可以對齊到人類的各種價值觀、倫理、偏好等，而不是僅僅對齊到少數算法工程師設定的準則。這四大通用性，以往的AI是不具備的，這是ChatGPT的價值所在，它是開創性的，所以一出世就吸引了這么多的關注，因為它方方面面的通用性太強大了。
大模型的效果要如何評判？
在選擇和評估方面，我提一個“四大一小”的評估標準。“四大”指的就是上面說的四個方面的通用性，它的通用性是否足夠大。“一小”是指運用辯證法，追求參數少的模型。如果在“四大”的維度上，大模型的表現都差不多、展現出相似的召準率、精準度等等，反而可以選擇參數較小的模型，因為這意味著部署成本更低，維護和迭代也更容易。在學術界中，將其稱之為“參數效率”。參數效率是評價大型語言模型的一個重要原則。清華大學孫茂松老師團隊剛發表的重要論文的標題里就有這個參數效率、Parameter efficient。參數效率，類似汽車發動機的單位升功率，不是排量越大越好，那意味著太費油，或者費電費卡費數據。
企業追趕大模型浪潮，如何打出差異化？
在大模型涌現后，企業希望使用這類工具來提升自身效率和服務質量，但同時也表達了一些擔憂。例如，輸出質量是否穩定，在自身垂直領域中引入這樣的技術后，可能會導致出現偏激或誤導性質的內容，面對這樣的情況要如何處理？此外，因為目前有些大模型尚不能私有化部署，企業自己的知識上傳到大模型平臺上，是否會降低他們原有的門檻？
這正是在AI應用技術落地的沖擊下，明略科技能夠幫助客戶提升競爭力的地方。明略科技作為客戶和大模型之間的橋梁，既要確保這條道路安全可靠，又要符合客戶的實際需求。借鑒通用大模型訓練的優秀算法，以17年來沉淀的大量行業數據為基礎，從客戶實際需求出發，定制垂直領域大模型，滿足多樣化的任務和場景需求。
通用大模型的出現，固然讓企業無差別地享受到了便利，但是便利之下的真實需求是如何用好大模型，真正能夠“殺出重圍”的則是企業和行業自身的數據，每個企業都有自己特色的知識沉淀，可能是一個數據庫、一個標簽庫或一個知識圖譜，而在行業端，明略科技憑借17年來的行業探索累積了大量的知識圖譜豐富經驗，特別是在消費類行業，如美妝、3C、汽車、大健康等領域，知識圖譜的知識表達形式更加高級，具有實體和連接，并且可以進行邏輯推理。圖譜中的實體和關系決定了基于圖譜生成的文章或圖片的真實性、專業性和邏輯性。明略科技可以幫助客戶將私有知識與大模型進行互搏，類似微軟的普羅米修斯架構，從而使客戶的數據飛輪更好地運轉。對于營銷類短文的生成，明略科技離不開知識圖譜，它能夠保證文章的真實性、可解釋性、專業性。在生成之后也會使用大模型進行潤色，以滿足客戶的多重需求，包括風格修改和客戶特殊要求等。這種方法不僅兼顧了多個維度的需求，讓客戶放心使用。
與其說ChatGPT正帶動新一輪人工智能的爆發，更應該說是自然語言大模型方面帶來了量變到質變的轉化。明略科技作為深耕數據智能17年的企業，充分挖掘數據價值，為不同的領域制作行業大模型，并不斷更新和維護領域知識庫從而提供更精準、智能的技術和服務，能以明顯更高的精度完成自然語言處理的任務。
大模型應用落地之路要怎么走？
在當前生態環境下，完全依靠神經網絡、深度學習解決所有問題是很困難的。例如，由于敏感信息是動態變化的，每天都會有新的敏感詞出現，因此可以將這個模塊集成到搜索引擎或者客戶的數據平臺中，采用規則和詞表進行處理，而不必依賴于完全連接主義的大型模型。問題可能是多邊形的，需要因地制宜地選擇解決方案。
關于大語言模型和垂直領域模型的結合，有多種方法進行耦合或配合。其中一種方法是利用兩個核心算法（指令微調和RLHF）進行有監督的微調，但可能需要更多數據。另一種方法是將客戶的知識庫嵌入到大模型中，因為大模型可以處理各種不同類型的知識，只要它們被嵌入到相同的連續向量空間中。我們還可以嵌入多模態、跨領域和跨語言的知識，只要它們被約定嵌入到相同的語義空間中即可。
國內的許多行業都要求把大型模型、營銷、銷售和服務系統等都進行私有化部署，這是由于它們行業自身的特性所決定的。但大模型資源消耗量大，會導致這種項目利潤率非常低，因此對于這類客戶，明略科技提供的策略是一個靈活的、自適應的模型訓練服務，以幫助他們充分利用自身積累的數據，訓練適合他們的模型。
除了將大型模型應用于傳統的業務產品之外，也會出現一些基于大型模型的 native 應用產品和服務。目前，我們已經看到了像AIGC以Midjourney為代表的一類圖像生成應用產品的興起，未來還將出現一些視覺視頻生成的應用產品。ChatGPT的出現也帶動了許多文本生成公司的涌現，這些公司可能以前根本不存在，而現在它們的業務完全圍繞著大型模型展開。這些公司的共同特點是它們能夠生成內容，這可能包括生成、創意甚至心理咨詢等方面的內容。
以ChatGPT為首的大模型工具讓人類對于通用人工智能重燃信心，但在不同領域的應用落地之路仍需探索。明略科技將發揮自身優勢，讓客戶的行業知識和數據與大模型互相助力，真正利用好大模型，提升營銷智能和營運智能Copilot產品的效果。
