周明：大模型与具体业务场景结合才能发挥最大价值

本文为澜舟科技创始人、原微软亚洲研究院副院长周明于2023年11月18日在“承上启下 智元宇宙”第四届元宇宙与人工智能产业生态大会上以《如何构建行业大模型促进企业数智化转型》为题所作的演讲。

以下为演讲全文，略有删改：

大家好！

我曾经是微软研究院的副院长，主管自然语言处理。2017年之后，我积极投入预训练模型的研究，后来这些模型被广泛称为大模型。2020年年底，我预感到预训练模型将成为千行百业的基础设施，于是在李开复和创新工厂的支持下，孵化了一个团队，后来成立了澜舟科技。今天，我想和大家分享一下如何使用大模型来构建一个行业的大模型，并使其落地，帮助企业数智化转型。

众所周知，自2017年以来，transformer被谷歌发现后，bert5、GPT等模型相继发布。尤其是去年11月30日左右，ChatGPT的发布更是引起了大模型的研究热潮。在大数据的支持下，这个大模型可以有效地帮助企业的数智化转型。过去几年，很多企业都在建设大数据平台，但如果不能巧妙地利用它，那么它仅仅只是一个简单的搜索工具。然而，有了大模型，我们可以充分利用数据的规律特点，训练出一个模型来进行预测、回答问题、翻译、做助手等，还能与工业场景相结合，有效解决工业降本增效等各种问题。

那么，有了大模型和数据，企业如何进行数智化转型呢？如何让企业能够真正看到实效呢？OpenAI发布的GPT4提供了一个功能叫GPTs，它允许用户上传自己的数据，企业可以将数据传给它就能够使用，非常方便。但是，这里存在两个问题：一是数据泄露的问题，很多央企和国企不能将数据放到云上，更不能出国。二是成本问题，每次上传的数据和回传的结果都需要计算成本。因此，我们不能依赖别人做的模型，受制于人，我们需要在未来进行充分的自我改进。

基于以上考虑，我们提出了“落地派”的观点和分层体系。分层体系是指最底层是通用大模型，第二层是行业大模型，第三层是场景、任务大模型，第四层是AI Agents、AI助理。

第一，这种设计大大考虑了成本因素，也能够模拟人的成长过程。因为我们要控制模型的大小和训练成本，我们的通用大模型只关注语言理解、多轮对话和简单推理等问题，并不解决AGI等问题。第二，在分层体系下我们可以做得非常垂直化、专业化。要解决哪个行业的问题，就在通用大模型的基础上融入行业的数据和知识即可。这样一来在某个具体的场景下，AI Agents就能够做得更好。

此外在这个过程中，我们需要与具体行业的伙伴紧密合作，深入了解行业的具体任务和需求。目前我们已与金融行业进行了深入的调研合作，并总结出105项大模型能够解决的任务。然而还有很多是大模型暂时无法解决的问题，要断定什么时候要去解决，什么时候不要解决，我们要能够区分这两种情况并进一步优化我们的训练算法。同时要注意大模型在行业中只是一个小分子，要想发挥其最大效能还需与行业的其他各个部件紧密融合，比如行业的数据库各种插件以及API的调用等。

总的来说，我们拥有了大模型的能力并与具体业务场景相结合才能使其发挥最大的价值。大模型在与行业需求的多次迭代中才能不断完善发挥其卓越的效率，同时也将反哺大模型自身的发展形成良性循环，助力大模型走向神坛。

元宇宙与人工智能三十人论坛

因微信公众号整改，没有加“星标⭐️ ”的订阅号有时无法收到消息

1.为防止错过最新资讯，请将元宇宙三十人论坛设为星标⭐️ 

2.点击“赞”和“在看”，提高我们相遇的几率。

3.精彩文章，请点击文末左下角“分享”给好友。

了解更多关注