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(jìn)步。但同時由于基礎(chǔ)模型的任何一點改進(jìn)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)電廠一樣源源不斷供應(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(jìn)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(jìn)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(jìn)行微調(diào)或不進(jìn)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(jìn)行應(yīng)用開發(fā)，顯著降低中小企業(yè)的研發(fā)門檻，促進(jìn)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?？梢哉f，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’?！?
超大模型“通用智能”能力應(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(jìn)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(jìn)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?；诖竽Ｐ瓦M(jìn)行應(yīng)用開發(fā)時，將大模型進(jìn)行微調(diào)（在下游針對特定任務(wù)利用小規(guī)模數(shù)據(jù)進(jìn)行二次訓(xùn)練）或者不進(jìn)行微調(diào)，就可以滿足多種應(yīng)用任務(wù)的需要?！?
“從‘大煉模型’到‘煉大模型’，北京智能研究院推出的悟道系列大模型成為這一進(jìn)程中的標(biāo)志性成果。”張宏江指出，大模型、大平臺、大數(shù)據(jù)的系統(tǒng)性的生態(tài)蓬勃的發(fā)展勢頭，驗證了在AI研究與創(chuàng)業(yè)領(lǐng)域新機遇正在降臨。
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。智源在布局萬億級模型，包括配套的高性能算力平臺。目前，悟道團隊一方面擴大模型的規(guī)模，讓模型的表示能力更強，一方面針對實際應(yīng)用，提高精度。此外，團隊還在模型微調(diào)算法上進(jìn)行了創(chuàng)新，希望早日打通百億級模型和萬億級模型的橋梁。
“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(jìn)入基于大模型的AI時代?！碧平苷J(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；并正在以大模型黑科技，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。在9月24日舉行的2021中關(guān)村論壇“人工智能與多學(xué)科協(xié)同創(chuàng)新論壇”上，智源“悟道”大模型與OPPO小布助手合作，基于“悟道”大模型開啟“生成式回答系統(tǒng)”，全面功能上線后一舉解決了行業(yè)共通性的長尾問題，單條回答建設(shè)成本降低99%。
大模型面臨的機遇與挑戰(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(jìn)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(jìn)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(jìn)和‘閱歷’的增加越來越智能?！?
