Activities
導(dǎo)讀：2023年10月20-21日，以“智能涌現(xiàn) 生成未來”為主題的第二十五屆中國科協(xié)年會(huì)通用人工智能產(chǎn)業(yè)創(chuàng)新發(fā)展論壇在安徽省合肥市成功召開。科大訊飛股份有限公司副總裁、研究院院長(zhǎng)劉聰受邀出席并作題為“擁抱通用人工智能新時(shí)代”的主題報(bào)告。報(bào)告闡釋了認(rèn)知智能大模型技術(shù)階躍對(duì)行業(yè)的變革式影響，剖析認(rèn)知智能大模型技術(shù)原理，提煉其智能涌現(xiàn)的技術(shù)啟示以及未來仍需繼續(xù)攻克的難題。分享了科大訊飛通過星火認(rèn)知大模型在各千行各百業(yè)落地應(yīng)用的創(chuàng)新產(chǎn)品及價(jià)值體現(xiàn)，總結(jié)經(jīng)驗(yàn)與方法論，為進(jìn)一步加快通用人工智能產(chǎn)業(yè)發(fā)展建言獻(xiàn)策。
以下為報(bào)告全文。
以ChatGPT為代表的大模型的出現(xiàn)給人工智能帶來了重大變革，然而，需要明確的是，大語言型模型本身并不等同于通用人工智能。在這個(gè)過程中，中國始終以OpenAI等國際領(lǐng)先公司為標(biāo)桿，不斷尋求技術(shù)的進(jìn)步。然而，隨著技術(shù)的不斷發(fā)展，將大型模型應(yīng)用于實(shí)際產(chǎn)業(yè)中也帶來了一些新的挑戰(zhàn)。
一、通用認(rèn)知大模型的技術(shù)解讀與分析
認(rèn)知大模型的出現(xiàn)推動(dòng)了通用人工智能的技術(shù)發(fā)展邁出了重要一步，促使我們朝著通用人工智能的目標(biāo)邁進(jìn)，為未來科技的發(fā)展帶來了新的希望。此外，從國家層面來看，國家高度關(guān)注通用人工智能領(lǐng)域，眾多省市區(qū)相繼出臺(tái)了相關(guān)政策，由此表明通用人工智能受到了廣泛的關(guān)注和支持。
在大模型產(chǎn)業(yè)競(jìng)爭(zhēng)中，企業(yè)除了技術(shù)發(fā)展之外，也十分更注重產(chǎn)業(yè)實(shí)際應(yīng)用，國際大模型產(chǎn)業(yè)競(jìng)爭(zhēng)目前呈現(xiàn)“激烈迅猛”之勢(shì)，如圖1所示。OpenAI從GPT-3.5到GPT-4的不斷改進(jìn)，并在多個(gè)領(lǐng)域的應(yīng)用表現(xiàn)令人矚目。
圖1 國際大模型激烈競(jìng)爭(zhēng)
ChatGPT建立在深度神經(jīng)網(wǎng)絡(luò)的大型模型之上，實(shí)現(xiàn)了認(rèn)知智能的重大技術(shù)突破。該系統(tǒng)能夠通過交互式對(duì)話統(tǒng)一處理文本生成、語言理解、邏輯推理等各種任務(wù)，因此我們將其稱為對(duì)話式人工智能系統(tǒng)。語言一直是人類認(rèn)知發(fā)展的重要階段，從發(fā)明語言開始，人類就通過學(xué)習(xí)文本、課本和多媒體材料來獲取各種領(lǐng)域的知識(shí)。大語言模型的終極目標(biāo)是讓機(jī)器也能夠通過學(xué)習(xí)語言的方式掌握各種知識(shí)，通過訓(xùn)練龐大的參數(shù)模型，將機(jī)器的語言理解能力與人類的語言概念空間更加契合，實(shí)現(xiàn)更加類人的機(jī)器智能。
從GPT-3.5到GPT-4，其語言理解能力得到了顯著提升。GPT-4進(jìn)一步解決了GPT-3.5面臨的長(zhǎng)文本輸入、多模態(tài)輸入、外部實(shí)時(shí)知識(shí)運(yùn)用等諸多挑戰(zhàn)，在復(fù)雜認(rèn)知任務(wù)（跨學(xué)科語言理解、跨行業(yè)知識(shí)運(yùn)用）、復(fù)雜推理任務(wù)、多模態(tài)任務(wù)等方面繼續(xù)進(jìn)步，進(jìn)一步抬高了智能涌現(xiàn)的上限，如圖2所示。在此基礎(chǔ)上，需要明確多模態(tài)和語言音處理之間的關(guān)系。語言仍然是通用人工智能的核心，它代表了人工智能在感知和理解方面的高級(jí)階段。無論涉及圖像、視頻、語音，無論是理解、感知還是生成，都可以通過空間映射的方式與這一核心語言模型相結(jié)合，從而推動(dòng)通用人工智能的綜合發(fā)展。
圖2 GPT-4的高階能力
OpenAI從早期就開始涉足多模態(tài)領(lǐng)域，如圖3所示。早期DALL-E的嘗試在質(zhì)量和效果上可能不夠理想，但隨后在2022年9月推出的DALL-E 2取得了顯著進(jìn)展。此外，GPT-4 4V已逐步開放。這些通用大型模型已經(jīng)邁向了全能型，不再局限于特定領(lǐng)域，而是能夠執(zhí)行各種任務(wù)。它們能夠生成藝術(shù)字體，解析論文框圖，理解文中的各個(gè)步驟和架構(gòu)，甚至能夠解讀各種符號(hào)，這種多模態(tài)任務(wù)在過去是難以想象的。
圖3 OpenAI多模態(tài)技術(shù)演進(jìn)路線
通用大模型是當(dāng)前邁向通用人工智能最有希望的路徑，但仍需攻克三大難題：一是大模型的知識(shí)幻想問題；二是大模型自進(jìn)化和個(gè)性化問題；三是多模態(tài)及具身智能訓(xùn)練問題?？偟膩碚f，大型深度神經(jīng)網(wǎng)絡(luò)模型如GPT系列已經(jīng)實(shí)現(xiàn)了技術(shù)上的重大突破，為通用人工智能的實(shí)現(xiàn)鋪設(shè)了可能的平了道路。這些模型的巨大成功表明，通過更多高質(zhì)量的數(shù)據(jù)和更大的模型，我們可以讓機(jī)器執(zhí)行人類智能可以完成的任務(wù)。此外，文字作為信息載體在數(shù)據(jù)量和傳遞信息方面具有巨大優(yōu)勢(shì)，但同時(shí)也展示了多模態(tài)圖像數(shù)據(jù)可以推動(dòng)感知智能發(fā)展，從而拓展了人工智能的應(yīng)用潛力。這些發(fā)展為未來通用人工智能的實(shí)現(xiàn)提供了巨大的潛力和想象空間。
二、通用認(rèn)知大模型的技術(shù)解讀與分析
認(rèn)知大模型的“智能涌現(xiàn)”將帶來解決人類剛需的全新機(jī)遇。它將改變信息分發(fā)獲取方式，使傳統(tǒng)搜索和視頻流等領(lǐng)域變得更加高效；它將進(jìn)一步改變內(nèi)容的生產(chǎn)模式，包括文本、圖像和視頻的生成；它將進(jìn)一步推動(dòng)全自然交互任務(wù)的完成，實(shí)現(xiàn)專家級(jí)的虛擬助手，顛覆傳統(tǒng)手工的編程方式，成為科研工作的加速器。從技術(shù)和產(chǎn)業(yè)分析的角度來看，大型模型在當(dāng)今人工智能領(lǐng)域具有歷史性的重要意義性。
在過去的十多年中，科大訊飛在人工智能技術(shù)和各行業(yè)產(chǎn)業(yè)應(yīng)用方面積累了豐富的經(jīng)驗(yàn)。2022年12月15日，科大訊飛啟動(dòng)了大型模型攻關(guān)計(jì)劃，確定了1+N的攻關(guān)策略。自2023年5月6日訊飛星火認(rèn)知大模型正式發(fā)布以來，我們?yōu)榇?/span>型模型制定了明確的年內(nèi)升級(jí)里程碑。2023年6月9日按計(jì)劃，我們實(shí)現(xiàn)了開放式對(duì)話突破，以及多輪對(duì)話能力與數(shù)學(xué)能力提升，并推出了星火APP，獲得了廣泛關(guān)注。2023年8月15日是星火大版本的更新，包括代碼能力的提升、多模態(tài)能力的更新和通用能力的不斷提升，發(fā)展歷程如圖4所示。（注：10月24日，科大訊飛再次發(fā)布訊飛星火V3.0，宣布整體超越ChatGPT）。
圖4 訊飛星火認(rèn)知大模型升級(jí)的關(guān)鍵里程碑
8月15日，訊飛星火V2.0中代碼能力提升并發(fā)布了應(yīng)用產(chǎn)品iFlyCode1.0，但其功能將在許多實(shí)際場(chǎng)景中顯著提高工作效率，特別是對(duì)于程序員。
同時(shí)，多模態(tài)能力也進(jìn)行了展示，包含圖像描述、圖像問答、識(shí)圖創(chuàng)作、文圖生成、虛擬人合成等方面。
圖5展示了星火認(rèn)知大模型在教育不同領(lǐng)域的應(yīng)用。從虛擬人、學(xué)習(xí)機(jī)、教育辦公到醫(yī)療、汽車、工業(yè)，大模型在各種場(chǎng)景中都發(fā)揮了重要作用，例如幫助學(xué)生批改中英文作文、提高教師備課效率、個(gè)性化制定病人康復(fù)計(jì)劃、提供高效辦公工具、支持汽車座艙產(chǎn)品的開發(fā)，并在工業(yè)領(lǐng)域利用大模型的擴(kuò)展能力和企業(yè)內(nèi)部數(shù)據(jù)知識(shí)來實(shí)現(xiàn)構(gòu)建企業(yè)知識(shí)大腦。
圖5 星火認(rèn)知大模型助力教育
10月24日即將發(fā)布的星火認(rèn)知大模型V3.0版本將從七個(gè)維度全面提升代碼能力，實(shí)現(xiàn)中文超越、英文全面對(duì)標(biāo)ChatGPT。重磅發(fā)布醫(yī)療大模型，通過-訊飛曉醫(yī)APP，為每個(gè)家庭提供健康助手；首次發(fā)布科技文獻(xiàn)大模型，為每個(gè)科研工作者提供星火助力；全新發(fā)布AI答疑輔學(xué)和AI心理咨詢，為每個(gè)孩子提供成長(zhǎng)伙伴；進(jìn)一步升級(jí)智能編程助手iFlyCode2.0，與行業(yè)龍頭共同發(fā)布12個(gè)行業(yè)大模型，提供生產(chǎn)力工具。
三、通用認(rèn)知大模型的技術(shù)解讀與分析
未來通用人工智能的發(fā)展將遵循三大趨勢(shì)。首先，通用人工智能將朝著多模態(tài)和多語言的方向發(fā)展，實(shí)現(xiàn)更廣泛的應(yīng)用和更全面的理解。其次，可解釋性和可信性將成為發(fā)展的重要關(guān)鍵，確保人工智能系統(tǒng)的決策和行為可以被理解和信任。最后，算法的可控性將變得至關(guān)重要，通用人工智能技術(shù)和產(chǎn)業(yè)必須建立在軟硬件的全面自主可控基礎(chǔ)之上，以確保數(shù)據(jù)和模型的安全性。這些方向?qū)⑼苿?dòng)通用人工智能向更高層次的感知和語義理解邁進(jìn)，實(shí)現(xiàn)更廣泛和深入的應(yīng)用。
文本生成的能力不斷演進(jìn)，現(xiàn)在不僅可以輸入文本生成請(qǐng)求，還可以通過輸入Prompt來增強(qiáng)模型的性能，甚至采用類似于大型模型中的人類反饋強(qiáng)化學(xué)習(xí)技術(shù)，如圖6所示。星火大模型結(jié)合圖像理解能力，并通過其他調(diào)節(jié)器的輸入，也可以生成詳細(xì)的內(nèi)容描述。這種底層認(rèn)知大模型的支持使得能夠?qū)崿F(xiàn)更深入的理解和更精確的描述。
圖6星火文圖生成能力
在大型模型的應(yīng)用中，應(yīng)對(duì)虛假信息傳播問題至關(guān)重要，特別是隨著模型尺寸的增加，這一挑戰(zhàn)變得尤為緊迫。我們需要采用有針對(duì)性的策略，考慮多語言和信息數(shù)據(jù)的復(fù)雜性，以確保安全和可控性。此外，大型模型只是整個(gè)復(fù)雜系統(tǒng)的一部分，因此需要明確何時(shí)調(diào)用插件或其他組件來生成指令，同時(shí)重新整理信息以生成目標(biāo)答案，如圖7所示。
圖7 大模型與插件的交互使用
隨著大模型的不斷發(fā)展，算力成為不斷增長(zhǎng)的需求。除了硬件，還需要在并行優(yōu)化、算子庫等方面進(jìn)行復(fù)雜的工作。在此領(lǐng)域，訊飛在過去與國內(nèi)的合作伙伴，如華為、寒武紀(jì)、曙光合作，在提供更高效的硬件解決方案方面積累了豐富的經(jīng)驗(yàn)。最近，訊飛和華為聯(lián)手在8月15日發(fā)布了星火一體機(jī)，如圖8所示。（注：10月24日，訊飛聯(lián)合昇騰生態(tài)共同發(fā)布“飛星一號(hào)”大模型算力平臺(tái)，并啟動(dòng)對(duì)標(biāo)GPT4的更大參數(shù)規(guī)模的星火大模型訓(xùn)練。）
圖8 私有化場(chǎng)景的星火一體機(jī)
OpenAI一直處于領(lǐng)先地位，而自3月15日推出GPT-4以來，其語言能力已經(jīng)達(dá)到了新的高度。長(zhǎng)期來看，我們需要建立產(chǎn)業(yè)生態(tài)圈和科研生態(tài)圈，同時(shí)還要持續(xù)進(jìn)行原始創(chuàng)新，并將這一理念與應(yīng)用結(jié)合，研究2B（面向企業(yè)）和2C（面向消費(fèi)者）市場(chǎng)，不僅要推出新產(chǎn)品，還要考慮是否能夠改進(jìn)傳統(tǒng)解決方案，是否能夠帶來真正的價(jià)值。最終，強(qiáng)調(diào)實(shí)際效果至關(guān)重要，而不只是依賴宣傳。
在人工智能時(shí)代，即使在某一領(lǐng)域處于領(lǐng)先地位，與其他公司相比，技術(shù)的細(xì)微差距也可能對(duì)某些場(chǎng)景的性能產(chǎn)生巨大影響。因此，需要進(jìn)行系統(tǒng)性創(chuàng)新，這種創(chuàng)新包括語音、圖像、自然語言理解等各種技術(shù)領(lǐng)域，以將每個(gè)技術(shù)推向巔峰，并將其整合創(chuàng)新。在大型模型時(shí)代，那些深入場(chǎng)景的企業(yè)可能會(huì)取得更長(zhǎng)遠(yuǎn)的發(fā)展。訊飛星火認(rèn)知大模型采取了1+N+X的策略，如圖9所示，其中1代表了通用底座能力的不斷提升，N代表了相關(guān)的重點(diǎn)應(yīng)用行業(yè)領(lǐng)域，而X則代表了與生態(tài)相關(guān)的細(xì)分行業(yè)和產(chǎn)品。相信未來的人工智能生態(tài)將涵蓋多個(gè)領(lǐng)域，將圍繞大模型形成全新的生態(tài)體系。
圖9 “1+N+X”大模型產(chǎn)業(yè)發(fā)展生態(tài)體系
未來，相信在國內(nèi)眾多科研人員的不懈努力下，中國通用人工智能的火種將繼續(xù)燎原。
（本文根據(jù)作者論壇報(bào)告速記整理而成，經(jīng)作者授權(quán)發(fā)布）
