在12月23日舉辦的2023華為云AI院長峰會上，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(fā)表視頻致辭，對大模型的價值、面臨的治理問題以及未來的發(fā)展方向進行了分享。

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(fā)表視頻致辭

大模型向通用AI邁出一步

大語言模型能夠通過學習和理解人類的語言來進行對話，還能根據(jù)聊天的上下文進行互動，真正像人類一樣來聊天交流，甚至能完成撰寫新聞、郵件、視頻腳本、文案、翻譯、代碼等任務。對此，張鈸院士表示，與真人對話很接近，達到行為主義所追求的目標，這是AI里程碑式的成就。

張鈸認為，相較第一代AI的知識驅(qū)動模型、第二代AI的數(shù)據(jù)驅(qū)動模型，突破特定的領域、利用特定的模型、實現(xiàn)特定的任務三個特定，向通用AI（AGI）邁出了一步。

對AI的治理需要從模型和使用角度出發(fā)

大模型的出現(xiàn)，使傳統(tǒng)人工智能向生成式人工智能轉(zhuǎn)變，為所有人工智能企業(yè)打開一扇新的大門，也將為AI產(chǎn)業(yè)發(fā)展帶來新的機遇。

第一，促進AI科技革命。張鈸解釋，信息科學技術發(fā)展速度快是因為其在發(fā)展初期就打下了堅實的理論基礎，但AI至今沒有理論，AI已有的模型和算法都是針對具體領域和具體任務，難以建立通用的理論。但與第一代和第二代AI不同，大模型突破了三個特定，使可解釋和魯棒的AI理論成為可能，將會極大地推動AI科技的迅速發(fā)展。

推動AI產(chǎn)業(yè)變革。受單領域和單任務的限制，AI的應用和產(chǎn)業(yè)化總是被限制于狹小的領域。但目前大模型已經(jīng)從生成文本擴大到生成其他模態(tài)，可以使用通用的模型生成多樣性的人類水平的圖像、聲音、視頻和代碼等。大模型通過微調(diào)可以滿足不同領域和任務的需求，與知識庫和其他工具結合，可以極大地擴大AI產(chǎn)業(yè)與應用的發(fā)展空間，有可能使AI產(chǎn)業(yè)進入新的發(fā)展階段。

此外，大模型的發(fā)展也帶來了一些挑戰(zhàn)。第一，大模型目前僅在自然語言處理和編程等少數(shù)任務上做到了通用性，在諸如決策、博弈等領域能否實現(xiàn)通用性仍有待研究。

第二，大模型利用預測下一個詞的自監(jiān)督學習方法學習文本和生產(chǎn)文本，與人類的文本學習和語言生產(chǎn)的原理完全不同。這使得其具有三個本質(zhì)性的缺陷，一是輸出質(zhì)量不一致，且不可控，存在犯大錯誤的可能性；二是受提示詞（輸入詞）影響很大，輸出魯棒性比較差；三是沒有自知之明，難以自我發(fā)現(xiàn)錯誤和糾正錯誤。

基于其缺陷，大模型生成不符合道德倫理、政治標準的內(nèi)容比較常見，需要通過AI對齊來解決，這屬于對模型的治理問題。同時大模型輸出的正確內(nèi)容也可能被誤用和濫用，因此需要對使用者進行治理。在AI發(fā)展過程中，必須處理好發(fā)展和治理之間的關系，以保證AI的健康發(fā)展。

發(fā)展第三代人工智能需要產(chǎn)學研共同努力

盡管眼下GPT只能以人機對話的形式呈現(xiàn)，存在種種局限，但也向通用型人工智能的方向邁了一步。如何使AI走向通用的道路？張鈸指出，“必須發(fā)展第三代人工智能?！?/p>

張鈸認為，發(fā)展第三代人工智能的任務包括，第一，建立可解釋和魯棒的 AI 理論。第二，發(fā)展安全可信、可控、可靠和可擴展的AI技術。第三，推動AI的創(chuàng)新應用和產(chǎn)業(yè)發(fā)展。

要實現(xiàn)這個任務，張鈸表示，需要把知識、數(shù)據(jù)、算法和算力充分利用起來，通過文本語義向量表示、多頭注意機制的轉(zhuǎn)換器、自監(jiān)督學習這三個關鍵技術，實現(xiàn)了從過去只是把文本當成數(shù)據(jù)來處理，轉(zhuǎn)變?yōu)閷ξ谋镜膬?nèi)容及文本所包含知識的處理，這是關鍵性的一步。

張鈸指出，發(fā)展第三代人工智能，還需要產(chǎn)學研共同努力，把基礎研究、技術創(chuàng)新和產(chǎn)業(yè)化三者結合起來。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。