2022年11月30日，ChatGPT正式面向全球發(fā)布，AIGC浪潮由此席卷而來。

實(shí)際上，AIGC技術(shù)由來已久。

1957年，Lejaren Hiller和Leonard Isaacson通過將計(jì)算機(jī)程序中的控制變量改為音符，用計(jì)算機(jī)創(chuàng)作了音樂作品《Illiac Suite》。

2014年，美國(guó)《洛杉磯時(shí)報(bào)》記者Ken Schwencke通過編寫的算法程序，僅用3分鐘就完成了當(dāng)時(shí)洛杉磯發(fā)生的一場(chǎng)4.4級(jí)地震的新聞報(bào)道。

那么，當(dāng)下AIGC又有了怎樣的顛覆式技術(shù)？處于一個(gè)怎樣的發(fā)展階段？產(chǎn)業(yè)應(yīng)用如何？以及存在哪些風(fēng)險(xiǎn)？

針對(duì)這些問題，我們與中國(guó)信通院云計(jì)算與大數(shù)據(jù)研究所副總工程師王蘊(yùn)韜進(jìn)行了一次深度對(duì)話，從他哪里找到了這些問題的答案。

大模型，再次喚醒AIGC

“和傳統(tǒng)基于深度學(xué)習(xí)技術(shù)的AIGC相比，以GPT為代表的生成式大模型在去年年底的出現(xiàn)，直接將AIGC內(nèi)容質(zhì)量和好用程度提升到了一個(gè)新高度，AIGC這把火由此也再次被點(diǎn)燃。”這是王蘊(yùn)韜看到的行業(yè)變化。

大模型的出現(xiàn)，對(duì)各個(gè)行業(yè)都帶來了不可忽視的影響，AIGC產(chǎn)業(yè)也不例外。

這其中AIGC的“C”，不僅僅是指OpenAI的ChatGPT帶火的“chatbot”中的文本內(nèi)容，還包括諸如圖片、視頻、代碼等內(nèi)容形式。

尤其過往十年人工智能技術(shù)的快速發(fā)展，讓人工智能技術(shù)在諸如圖像/視頻修復(fù)、低代碼等領(lǐng)域有了一定的應(yīng)用，大模型的到來才能進(jìn)一步對(duì)這些產(chǎn)業(yè)形成一次顛覆。

關(guān)于這次對(duì)于人工智能的技術(shù)顛覆，王蘊(yùn)韜將其中的直觀感受總結(jié)為“可用”到“好用”。

對(duì)此，他進(jìn)一步指出：

因?yàn)槿斯ぶ悄芗夹g(shù)路線一直是在仿人類的神經(jīng)元功能演進(jìn)的，在這之中，我們經(jīng)歷了“低仿”到“高仿”的發(fā)展階段。

此前基于深度學(xué)習(xí)的人工智能，是通過CNN、RNN網(wǎng)絡(luò)，先是做一個(gè)線性變換，再經(jīng)過一個(gè)激活函數(shù)，從而實(shí)現(xiàn)“低仿”人類神經(jīng)元的算法模型。

現(xiàn)在再度火起來的AIGC背后的根技術(shù)是Transformer，有點(diǎn)類似編碼器和解碼器，通過將編碼和解碼放在一起，從而同時(shí)吸收更長(zhǎng)的字符串（token）來做相關(guān)的任務(wù)處理。

從深度學(xué)習(xí)到現(xiàn)在的大模型，我們用的依然是廣義上的深度神經(jīng)網(wǎng)絡(luò)，只不過這個(gè)深度神經(jīng)網(wǎng)絡(luò)基本單元發(fā)生了變化。

大模型的出現(xiàn)，改變了構(gòu)成AIGC的基本單元，讓AIGC從“可用”跨越到了“好用”階段。

AIGC造“血”，行業(yè)內(nèi)容涌現(xiàn)

2023年是大模型的戰(zhàn)場(chǎng)，在這個(gè)戰(zhàn)場(chǎng)上，悄悄進(jìn)行了兩場(chǎng)軍備競(jìng)賽。

第一場(chǎng)是關(guān)于通用大模型，包括國(guó)外的微軟、谷歌、亞馬遜，以及國(guó)內(nèi)的BAT等科技巨頭，都加入到了這場(chǎng)競(jìng)賽中。

他們通過引入規(guī)模龐大的公開數(shù)據(jù)集、通過預(yù)訓(xùn)練，形成了通用大語言模型。

王蘊(yùn)韜稱，這個(gè)通用大語言模型，實(shí)現(xiàn)了大模型從0到1的構(gòu)建，但實(shí)際上是“0.5版大模型”。

之后在行業(yè)大模型的競(jìng)賽中，真正適合深入到應(yīng)用階段的大模型才開始出現(xiàn)。

關(guān)于后者，王蘊(yùn)韜稱，大家主要是基于“0.5版大模型”在微調(diào)，通過不斷灌輸行業(yè)知識(shí)，增加與人類專家的交互，從而將“0.5版大模型”調(diào)試得更加好用。

經(jīng)此“歷練”，AIGC最終有機(jī)會(huì)進(jìn)一步深入到各個(gè)行業(yè)，為各行各業(yè)造“血”。

“所有行業(yè)都需要生產(chǎn)內(nèi)容，實(shí)際上，如今的AIGC已經(jīng)在金融、電商、影視、傳媒等領(lǐng)域開始被規(guī)模應(yīng)用。”

以影視和傳媒領(lǐng)域?yàn)槔@一領(lǐng)域各類機(jī)構(gòu)和企業(yè)的核心競(jìng)爭(zhēng)力就是提供內(nèi)容，這些機(jī)構(gòu)如果能夠通過AIGC低成本高質(zhì)量生產(chǎn)內(nèi)容，必然會(huì)形成一次產(chǎn)業(yè)顛覆。因此，我們能夠看到，現(xiàn)在影視行業(yè)已經(jīng)在用AIGC進(jìn)行后期制作，例如AI換臉就是已經(jīng)被大家熟知的熱門應(yīng)用。

再如在電商領(lǐng)域，其中的直播帶貨、客服咨詢等環(huán)節(jié)所需要內(nèi)容服務(wù)都是AIGC最擅長(zhǎng)的，而AIGC在電商內(nèi)容生成上已經(jīng)達(dá)到了非常理想的效果，尤其是人類很難實(shí)現(xiàn)的諸如直播帶貨中的24小時(shí)不間斷貨品推薦，已經(jīng)在通過AIGC來實(shí)現(xiàn)。

據(jù)王蘊(yùn)韜的觀察，“實(shí)際上，在教育、工業(yè)、醫(yī)療、法律、農(nóng)業(yè)、設(shè)計(jì)、軟件，軟件編寫上，AIGC也確實(shí)已經(jīng)遍地開花。”

大模型評(píng)估標(biāo)準(zhǔn)難題

AIGC及其背后大模型的到來帶來的另一個(gè)難題是，如何建立起一套全新的評(píng)判標(biāo)準(zhǔn)。

在此之前，AI模型和算法經(jīng)過幾十年的發(fā)展，已經(jīng)形成了一套成熟的評(píng)判標(biāo)準(zhǔn)，不過王蘊(yùn)韜告訴我們，這套標(biāo)準(zhǔn)并不適用于現(xiàn)在的AIGC和大模型。

此前學(xué)術(shù)界會(huì)先搭建一個(gè)評(píng)測(cè)數(shù)據(jù)集，通過將這個(gè)數(shù)據(jù)集放到不同模型中并對(duì)比輸出結(jié)果，以及與相對(duì)原有數(shù)據(jù)集的差異，從而判斷AI模型的能力，諸如斯坦福等高校都是這方面權(quán)威評(píng)測(cè)機(jī)構(gòu)。

然而，“這樣的評(píng)測(cè)方法僅適用于原來判別式的AI模型，無法對(duì)現(xiàn)在生成式AI有一個(gè)很好的評(píng)測(cè)效果。”

從目前來看，國(guó)內(nèi)對(duì)于大模型和AIGC一些場(chǎng)景應(yīng)用的評(píng)測(cè)及標(biāo)準(zhǔn)，尚且處于探討和研究階段，據(jù)王蘊(yùn)韜透露，“信通院專門針對(duì)大模型和AIGC的評(píng)測(cè)評(píng)估標(biāo)準(zhǔn)做了不少探索性工作，但目前這些標(biāo)準(zhǔn)主要還是圍繞功能性指標(biāo)，包括一個(gè)AIGC應(yīng)用全生命周期實(shí)現(xiàn)哪些功能，這一塊我們已經(jīng)梳理出來了。”

但是針對(duì)AIGC背后大模型的性能有怎樣的突破，這仍是一個(gè)行業(yè)難題。

“大模型每次生成的東西都會(huì)有明顯的差異，如何判斷每次輸出都不一樣的開放性輸出和預(yù)想的輸出的契合度有多少，這是目前評(píng)測(cè)最難實(shí)現(xiàn)的點(diǎn)。”

王蘊(yùn)韜表示，“目前我們只能通過主觀評(píng)價(jià)指標(biāo)才能確定大模型究竟在性能上有多少提升，而針對(duì)相似度評(píng)估，整個(gè)產(chǎn)業(yè)界依舊非常欠缺。”

除此以外，王蘊(yùn)韜還特別指出，如何讓大模型可管、可控，安全地工作，同樣是現(xiàn)在亟需解決的一個(gè)問題。

尤其是對(duì)于實(shí)時(shí)性、安全可控有高要求的行業(yè)和場(chǎng)景，現(xiàn)在尚且難以很好地應(yīng)用AI大模型，“因?yàn)槟阃耆珶o法預(yù)料大模型會(huì)輸出怎樣的結(jié)果。”

實(shí)際上，早在2021年，大模型剛剛興起時(shí)，產(chǎn)學(xué)研各界就已經(jīng)注意到了人工智能的安全可信，“我們當(dāng)時(shí)做出過一個(gè)判斷：人工智能已經(jīng)進(jìn)入到產(chǎn)業(yè)發(fā)展和治理重要度相同的新階段。”

“原來大家都只是盯著產(chǎn)業(yè)發(fā)展，只踩油門，不踩剎車，現(xiàn)在來看，因?yàn)樗谫x能垂直行業(yè)過程中會(huì)產(chǎn)生很多倫理相關(guān)的問題，確實(shí)已經(jīng)進(jìn)入到了一個(gè)新階段。”

正因如此，在大模型進(jìn)入對(duì)地域性、安全性較高的行業(yè)時(shí)，也出現(xiàn)了私有大模型這樣獨(dú)特的應(yīng)用，尤其在數(shù)據(jù)安全越來越被重視的當(dāng)下，私有大模型也成了通用大模型、行業(yè)大模型之外，一個(gè)更具時(shí)代特色的大模型。

現(xiàn)在全球?qū)τ诘降资裁礃拥腁I是合乎科技倫理的、是可信的已經(jīng)基本達(dá)成一定的共識(shí)，但是現(xiàn)在需要將這些宏觀的、抽象的要求轉(zhuǎn)化為企業(yè)真正在開發(fā)產(chǎn)品時(shí)落實(shí)的一個(gè)準(zhǔn)則。

AIGC需要被再次顛覆

大模型帶來的技術(shù)顛覆，為人工智能技術(shù)創(chuàng)新帶來了新的范式，但第一波賺到錢的，依然是“賣鏟子的人”。

王蘊(yùn)韜表示，“通過堆算力的方式‘堆出來’的大模型效果已經(jīng)很不錯(cuò)，但從商業(yè)角度來看，訓(xùn)練成本和推理成本之高，消耗電量和算力之大是難以想象的。因而，現(xiàn)階段大模型解決的問題帶來的效益遠(yuǎn)比它的成本投入要低。”

王蘊(yùn)韜認(rèn)為，針對(duì)大模型的商業(yè)化，接下來還需要供需方朝著兩個(gè)方向發(fā)力：

第一，從供給側(cè)來看，現(xiàn)在的大模型還有進(jìn)一步壓縮成本、提高性價(jià)比的空間。

大家已經(jīng)意識(shí)到了以Transformer為代表的根技術(shù)還存在很大的問題，例如每增加一個(gè)token，它需要的算力是呈指數(shù)級(jí)增長(zhǎng)的，對(duì)于由此帶來的成本，同樣如此。因此，從供給側(cè)來看，目前仍然有很大的提升空間。

第二，從使用側(cè)來看，現(xiàn)在AIGC做得最好的往往是企業(yè)自身數(shù)字化轉(zhuǎn)型程度很高的，提升自身數(shù)字化程度也就成了企業(yè)高效應(yīng)用AIGC的一個(gè)必然前提。

如果想要在更廣泛的領(lǐng)域去應(yīng)用AIGC技術(shù)，我們就需要這些領(lǐng)域在自己的數(shù)字化方面有更好的基礎(chǔ)建設(shè)，這個(gè)基礎(chǔ)的提升同樣需要大量的資金、人力和時(shí)間的投入，先擁有更高數(shù)字化建設(shè)基礎(chǔ)的企業(yè)和行業(yè)，也將先受益于AIGC技術(shù)紅利。

而談到當(dāng)下大模型的技術(shù)路徑，王蘊(yùn)韜也特別指出，現(xiàn)在已經(jīng)有高校和機(jī)構(gòu)意識(shí)到了商業(yè)化的問題，開始思考區(qū)別于Transformer的新的技術(shù)路線。

他指出，“從‘好用’到‘高效’，AIGC在未來也許會(huì)再經(jīng)歷一次或多次技術(shù)范式的顛覆。”