诺谛智能胡长建：ChatGPT展现技术范式变革行业大模型助力制造业智能化转型-微咔网

近日，诺谛智能创始人胡长建博士应邀参与联想集团“大师有约x技术好望角”活动，围绕ChatGPT的技术变革、大模型带来的行业机遇进行了题为《走近ChatGPT人工智能时代》的分享。

现场，胡长建博士表示ChatGPT是AI技术研究的一个现象级应用，代表着技术范式正从过去的“预训练模型-精调”向“基础模型-行业模型”变迁，这种变迁也必然创造更多应用可能，诺谛智能作为以行业大模型为基础、将技术与业务场景深度融合的人工智能企业，通过AI技术升级与改造制造业，助力制造业智能化转型，低成本实现指数级运营与决策效率的提升。

机器学习范式变革为AI应用带来新方向

从1956年8月达特茅斯会议上人工智能概念被提出至今，人工智能已从原始概念逐步渗透应用至各行各业，人工智能的层级也开始逐渐清晰。

对此，胡长建博士提到，在弱人工智能、通用人工智能、超级人工智能的三个层级中，当下正处于弱人工智能到通用人工智能的交界点，即从“面向特定任务解决单一问题的人工智能”向“类人学习、思考和解决多种任务”转变。目前，通用大模型的发展为这个转变添加了重重一笔，也为达成通用人工智能提供了一个可以探索的路径。

从技术层面上，AI模型可分为判别式AI（Discriminative AI）和生成式AI （Generative AI）两类，它们各有优势，适应不同的业务场景。ChatGPT背后的大模型是生成式的，本质上就是给定提示（Prompt）引导，生成合乎引导需求且看似合理的内容。从2018年开始，语言模型开始井喷式发展，其参数量和算力要求指数级上升，各大AI公司接连推出大模型，并在公开任务中打榜夺魁。因为大模型在多任务上的出色表现，AI研发范式也悄悄发生变革，从过去的“预训练模型-调优”到“基础模型-行业模型”变迁，拥抱大模型，拥抱多任务统一思路，构建基础模型，成为行业的基本共识。

ChatGPT呈现暴力计算美学

ChatGPT备受广泛关注，其背后是GPT，即生成式预训练Transformer，本质是语言大模型，其基础则是强大的算力、庞大优质的数据以及优秀的算法。

纵观OpenAI开发ChatGPT的历程，他们坚持用超量数据以及稀松神经网络，以及生成式模型思路开发AI，并在压力和挑战下，走到了惊艳一刻。2017年，Gооgle提出Transformer学习框架，这个学习框架和相关技术迅速成为行业从业者训练大模型的首选，OpenAI也采用这个技术框架训练他们的AI模型，并于2018年发布 GPT-1，开启迭代之路。

GPT的研发，开始于海量数据的自监督学习训练，也经历了特定任务的监督训练，形成了它对世界的模型建立。通过收集大量人工反馈，采用基于人工反馈进行强化学习(RLHF)方式来调整GPT生成中的策略模型，实现其学到的世界模型和人类的对齐，终做到了生成类人的合理内容，完成了蜕变。GPT隐式地学会了语言规则和语言组织策略，但基本的运算又如此简单。可以说，ChatGPT的问世，是一种暴力计算美学的生动例子。

ChatGPT的出现，向人们展示了巨型神经网络的强大能力，也预示了一条可能通向通用人工智能的道路。

大模型赋能行业将创造更多应用可能

ChatGPT采用自然交互的方式让人们能够直接体验大模型的魅力，也带来了很多行业思考。

对于大模型，胡长建博士认为其带来的好处显而易见，首先可以通过提供自然类人交互方式链接多个系统，实现企业诸多流程的自动化，减少体力劳动和相关成本；其次可以提高创造力，可以根据客户的描述进行独立、快速的创作，减少内容创作、运营的成本；后，大模型因为已经从大量数据中进行了深入学习，学习了很多知识和规律，其零语料学习能力能够加速特定领域的应用，实现零语料启动，大大加速产品的调优或适应时间，提高AI采用几率并降低成本。

而具体到人工智能在工业领域的落地应用，则对大模型提出了更高要求，其中一个关键点是生成内容的准确性，这是当前大模型应用需要解决的一个迫切问题。此外还需实现知识的实时维护以及基于业务逻辑的深层推理，这就要求大模型要与行业知识、实际业务场景深度融合，相应的也有了行业垂直模型的存在和场景优化的空间。

未来，通用大模型将会成为软件生态的基础，通过行业大模型以及其他显性的“控制与约束”，让“通才”与“专才”结合，再匹配一流的用户体验和交互界面，将会带来更多的应用场景和高质量的服务体验。