2022年11月30日，ChatGPT宣布，全天下对这一全新AI手艺充满好奇的人，最先突入ChatGPT天下。

不外，在使用ChatGPT时，*步要先交出数据使用权。

即允许ChatGPT将我们与它对话历程中发生的数据，用于它自己往后的模子优化历程中。

或许你会以为这没什么所谓，事着实互联网天下里，我们已经习惯了交出数据，换取服务。

然而，相较于之前基于要害词匹配的互联网搜索手艺，基于语料库天生式的大模子手艺自然拥有更高的“智慧”，这固然也包罗在构建用户画像上。

何积丰院士最近就用这样一个例子注释了大模子可能泛起的隐私平安问题：

在大模子网络到一小我私人足够多的小我私人数据后，当一位黑客提醒大模子为这小我私人作出用户画像时，它甚至可以写出一本小说，详细地描绘出这小我私人所有的静态和动态信息。

基于大模子的黑客手艺，细思极恐。

现实上，这并不是玩笑，在一些西方投资机构中，不少人已经最先通过这类手艺，剖析初创公司的首创团队，以评估响应的项目是否值得投资。

正是有了以上种种神乎其神的超能力，我们更应该关注由之带来的两个问题：

1、大模子事实为我们带来了什么？

2、大模子对产业有怎样的意义？

01  AI的致命缺陷

2023年9月7日，美国《时代》周刊首次宣布了全球百大AI人物（TIME100 AI），这将人工智能和大模子在全球关注度再次推向热潮。

而早在今年1月，美国另一本颇具影响力的商业杂志《财富》，更是旌旗鲜明地指出，大模子是人工智能的iPhone时刻。

毫无疑问，大模子的泛起，让人工智能手艺在2023年迎来拐点。

那么，大模子事实为AI带来了哪些要害改变？

这里我们需要引入一个作为对照工具的参照物，知识图谱。

知识图谱是已往十几年构建人工智能推理能力、认知能力的基础，也是传统人工智能手艺的主要范式。

在海内，复旦大学肖仰华教授是最早从事知识图谱研究的人工智能专家之一，他指出：

知识图谱是一种符号化的专业知识表达，大模子则是一种参数化的通用知识容器。

二者差异在那里？

差异在于，后者可以提供对于「知识」的明白能力。

「知识」能力是人类界说的，也是人类善于的一种履历知识，以往的人工智能并不善于处置「知识」问题，他们遇到「知识」问题，往往会变“笨”。

例如，当你问出如下问题：

若是你在炉子里放入木头，然后再把引火物扔到炉子里，一样平常来说，你是在做什么？

谜底显然是你要在炉子里焚烧，现在的ChatGPT已经能够很好地给出谜底，甚至给出详细的注释。

然而，就在三年前，纽约大学心理学教授Gary Marcus（曾是Uber人工智能实验室认真人）也曾向那时还很不成熟的GPT-2问过同样的问题，GPT-2给出的谜底是：吐逆。

以是，在大模子泛起之前，人工智能领域普遍撒播着这样一个似玩笑又非玩笑的尴尬自嘲：

再伶俐的AI，遇到「知识」问题，都市变得愚蠢不堪。

正如机械人的*形态是拥有双手、双脚，可以在人类界说的天下里执行义务的人形机械人一样，需要在人类天下里运转的人工智能系统，同样需要有仿人的大脑。

在过往十几年，甚至几十年里，人工智能科学家都在思索若何模拟人类的神经系统，虽然因此在CNN、RNN等神经网络上取得了不少突破，但却耐久困于「知识」的漩涡。

现在的大模子实在做了另外一件事儿，另外一件模拟人类发展历程知识系统形成历程的事儿：

通过大量数据和参数，花大气力让人工智能拥有「基础认知」，而非「专业知识」。

这有点像是让人工智能去履历一个九年义务教育的折磨。

02  突破认知瓶颈

人类对自己缔造的社会文明的学习，是从痛苦的数理化公式最先。

虽然大部门人类最终没有成为科学家，也没有从事基础科学研究，但这些基础知识让我们在之后的生涯中拥有了「知识」，这为我们从事更具象化的事情打下了基础。

以是，九年义务教育或许没有肉眼可见的现实价值，但它为我们确立了对天下运转纪律的基本认知。

肖仰华教授在行业调研历程中曾遇到过另一个更详细的案例：

医院里，医生在为病人诊断病情时，80%的时间是在清扫康健因素，只有20%的情形是需要医生干预并给出诊断方案的。

ChatGPT之后，一场国产大模型的绝地求生

也就是说，一位医生要想做好自己的事情，首先要知道人类身体在康健情形下是一个怎样的运转状态，而不仅仅要知道生病时是什么样。

要明白疾病，首先要明白什么是康健。

这反映出来的实在是，「知识」是认知的条件，是人类天下的底层逻辑。

在大模子泛起之前，人工智能专家要想为某个行业研发智能化解决方案，首先要把这个行业中所有数据网络起来，从而构建一个行业数据驱动的智能化解决方案。

此前只会下围棋，但却惊动了全天下的AlphaGo，就是通过这种模式训练而来。

不外，那时，有人在实验走另一条路。

2015年年底，OpenAI首创人奥特曼带着一群人工智能领域最伶俐的人，用大量资源和万亿级参数，最先训练人工智能看起来不怎么厉害的「知识」明白能力。

他们花了7年时间，花费巨资、巨量时间，为人工智能补了一个九年义务教育。

这时，AI有了明白传统人工智能模子学习的“大学课程”背后的“为什么”的基础。

奥特曼和他的团队——天下上最伶俐的一群人，花了大量的时间和精神做了许多不讨巧、其他人不愿意做的事儿。

这才有了大模子，有了2022年年底宣布的ChatGPT，有了人工智能突破认知瓶颈的2023。

如非大模子，人工智能很可能会在2023年在资源的失望情绪下，再次进入低潮。

03  补修“专业课”

大模子来了，通用人工智能来了，AI和人一样有了认知天下的基础知识了，是不是就能*解决所有行业问题了？

实在，否则。

大模子让人工智能拥有了「知识」的同时，也带来了一个与生俱来的严重问题是：“幻觉”征象，也就是我们在使用ChatGPT这类大模子历程中，它总是会“乱说八道”。

大模子之以是被称为天生式AI，是由于它基于训练数据，有了一定的缔造性，这样的缔造性，在详细某一个垂直行业中，显示为对先验知识缺乏足够的“忠诚度”。

若是在医疗、工业等行业领域中，大模子遇到了一个它没有学习到的知识，或者是一个开放性的问题，它施展了自己的缔造力，由此带来的结果将难以想象。

在垂直行业场景中，引入人工智能手艺，首先需要它是一个可控、可编辑、可注释、可防护的模子，这是基于知识图谱的传统人工智能模子的特征，也是为什么这类模子会先生长起来的一个主要缘故原由。

然则若是不懂乐理，终究难成大师级音乐家。

当传统人工智能模子最终遇到瓶颈，人们发现大模子才是正道时，若何让“缔造力有余，专业力不足”的大模子拥有进入产业时所必须的，这些它本不善于的能力，就成了现在的要害。

肖仰华以为，通用大模子向行业大模子的适配、优化，今天才刚刚最先，无论是从数据、知识、训练，照样模子架构、评估系统、生态建设上，我们都另有很长的路要走。

例如，在长文本的明白能力、是非期影象能力，甚至金融领域最基本的数学量纲、数目推理上，现在的大模子都还无法很好地做出准确的明白。

不外，我们能看到的是，在大模子宣布还不到一年的时间里，各行各业都已经迫在眉睫地实验将大模子引入各自领域中。

详细在进入垂直领域时，大模子往往会将需要执行的义务剖析为三个子义务：提醒、天生、评估，当下大模子最善于的，仍然是天生子义务。

因而，学术界和产业界都在为大模子补课，希望可以通过与数据库、知识图谱这些相关手艺的协同，提升大模子的专业能力。

例如，通过知识图谱来做提醒和评估，缓解大模子的“幻觉”问题。

大模子欠下的专业课，都需要再修一遍，这其中，与专业能力更强的知识图谱这类手艺举行协同应用，不失为一条不错的捷径。

04 像云盘算一样推翻产业

在ChatGPT问世之前，没有若干人信托大模子，就像云盘算在海内问世时，不少互联网大佬都曾质疑过云盘算一样。 

在ChatGPT问世后，大模子成了人工智能手艺的拐点。

甚至在ChatGPT问世不到一年的时间里，各行各业都睁开了对大模子在垂直行业里的应用探索，商业模式更清晰的行业大模子也成了一大竞争焦点。

来自全球着名咨询机构麦肯锡的展望数据显示，天生式AI将为全球带来至少9万亿美元的经济价值增量。

在这9万亿美元的经济增量中，排在前三的产业划分是高科技、零售、金融，预计发生的经济增量划分为2000亿美元-4600亿美元之间。

即即是在农业这样被视为最传统的产业中，也将带来至少400亿美元的经济增量。

已往三十年里，全球GDP增进主引擎已经由就业人口转向生产力，而在已往十年里，生产力增速不停放缓导致了全球经济减速。

谁来拯救全球经济？

麦肯锡中国区主席倪以理以为，天生式AI是其中要害。

他指出，在已往很长一段时间里，自动化始终无法替换的诸如互动、决议类事情，天生式AI带来了新的替换可能。

此外，作为善于用数据表达趋势的咨询机构，麦肯锡还给出了天生式AI对自动化的加速量化效果——当前半数事情被自动化取代的时间，相较之前展望提前了10年。

这意味着，虽然大模子才刚最先从通用大模子转向专用大模子，但大模子将会像云盘算一样推翻产业。

这种推翻，或许比人们想象的要来得更快。