來(lái)源：東財(cái)財(cái)經(jīng)頭條

核心要點(diǎn)

大模型的商業(yè)應(yīng)用場(chǎng)景上,，預(yù)計(jì)C端會(huì)快速落地,，B端則是爆發(fā)式落地。由于目前大模型的訓(xùn)練數(shù)據(jù)更多是通用數(shù)據(jù),，更易面向C端產(chǎn)生個(gè)人應(yīng)用,。B端的部分?jǐn)?shù)據(jù)未打通，一旦供給打通,，落地將是爆發(fā)性的,。閉源有利企業(yè)短期先發(fā)優(yōu)勢(shì)，開(kāi)源則“后勁更足”,，有利企業(yè)長(zhǎng)期生態(tài)建設(shè),。

　　把一項(xiàng)新技術(shù)注入產(chǎn)品，去賦能業(yè)務(wù)的時(shí)候,，要考慮很多因素。當(dāng)前這個(gè)階段,，大模型進(jìn)步非?？欤€是有很多問(wèn)題沒(méi)有解決,。另外,，用戶場(chǎng)景的需求本身也不完全一樣，應(yīng)用程序的運(yùn)行環(huán)境也不一樣,。比如知識(shí)更新需要重新訓(xùn)練大模型,，費(fèi)時(shí)費(fèi)力，所以它的時(shí)效性有缺陷,，無(wú)法做到對(duì)最新消息的知曉,，對(duì)信息時(shí)效性要求高的場(chǎng)景并不適合。大模型是千億級(jí)參數(shù)的,，需要設(shè)備端和云端實(shí)時(shí)連接,，所以對(duì)于網(wǎng)絡(luò)通訊能力較弱、低功耗的設(shè)備不太適用,。因此,，大模型雖然在很多地方適用，但也有一些場(chǎng)景不適用,，作為企業(yè),，要去考慮如何調(diào)整，如何去抓住機(jī)會(huì)。

　　黃燕銘認(rèn)為,，人工智能的發(fā)展會(huì)導(dǎo)致證券研究人員數(shù)量可能會(huì)在一定程度上減少,，大量研究助理的工作可能被機(jī)器替代。機(jī)器雖然能幫助我們記憶和計(jì)算知識(shí),，卻無(wú)法代替人類去感悟智慧,。“形而下”的工作可以交給計(jì)算機(jī)，但是“形而上”的感悟,，目前來(lái)看,，人工智能還很難去幫我們完成,。

　　ChatGPT橫空出世，其表現(xiàn)出來(lái)的強(qiáng)大的人工智能能力,，讓無(wú)數(shù)人嘆為觀止,。它是一個(gè)現(xiàn)象級(jí)的技術(shù)突破和應(yīng)用，是人工智能數(shù)十年發(fā)展歷程中又一個(gè)重大的突破點(diǎn)和轉(zhuǎn)折點(diǎn),。面對(duì)ChatGPT帶來(lái)的新的機(jī)遇和挑戰(zhàn),，產(chǎn)業(yè)界和學(xué)術(shù)界應(yīng)緊密攜手，持續(xù)推動(dòng)相關(guān)技術(shù)的發(fā)展和產(chǎn)業(yè)應(yīng)用,，讓我們的生活更加美好,。

　　以上是聯(lián)想集團(tuán)首席技術(shù)官、高級(jí)副總裁芮勇博士,，以及國(guó)泰君安證券研究所所長(zhǎng)黃燕銘,，在《所長(zhǎng)對(duì)話》第一期中分享的觀點(diǎn)。

　　以下是國(guó)君研究《所長(zhǎng)對(duì)話》第1期的分享實(shí)錄：

01 關(guān)于技術(shù)發(fā)展

　　黃燕銘：ChatGPT不單單是文本生產(chǎn)的工具,，其強(qiáng)大的語(yǔ)言處理和生存能力也增加了很多的用戶體驗(yàn),，同時(shí)也為我們降低了生產(chǎn)經(jīng)營(yíng)、交易的成本，同時(shí)也提高了企業(yè)的經(jīng)營(yíng)效率,，而這種大規(guī)模的適配器以及迭代的能力也是ChatGPT的特點(diǎn),，它在特定的領(lǐng)域、專業(yè)語(yǔ)言以及自動(dòng)化的客戶服務(wù)等各方面都做出了巨大的成就,。我們認(rèn)為ChatGPT在未來(lái)有非常廣闊的發(fā)展空間,，這種情況下我們對(duì)ChatGPT未來(lái)的發(fā)展前景非常看好,，在這里我們今天要特別跟芮博來(lái)聊一聊ChatGPT的基本情況,。

　　投資者普遍認(rèn)為這是一個(gè)劃時(shí)代的技術(shù)進(jìn)步，甚至可能替代掉很多人類的工作崗位,，請(qǐng)問(wèn)該如何理解ChatGPT,、GPT-4的技術(shù)能力，其自然語(yǔ)言處理能力,、多模態(tài),、定制化相較以往AI模型有何突破，會(huì)帶來(lái)怎樣的產(chǎn)業(yè)變化,？

　　芮勇：首先,，非常感謝黃所的介紹，也非常高興能夠跟黃所來(lái)一起聊這個(gè)話題,。剛才黃所總結(jié)的都已經(jīng)非常精辟了,。這個(gè)ChatGPT，我覺(jué)得它是可以說(shuō)是一種現(xiàn)象,。最近也有不少人在聊,，它是一個(gè)類似于iPhone 的現(xiàn)象,，類似于網(wǎng)景的現(xiàn)象,。我們都知道，網(wǎng)景是第一個(gè)真正商業(yè)化的瀏覽器,，在網(wǎng)景出現(xiàn)之前很多年瀏覽器就已經(jīng)有了,，但是沒(méi)有火起來(lái)，直到網(wǎng)景出現(xiàn)之后,，整個(gè)瀏覽器才火了起來(lái),，整個(gè)互聯(lián)網(wǎng)才火了起來(lái)。iPhone其實(shí)也是一樣,，智能手機(jī)出現(xiàn)了很久,，但是沒(méi)有那么火，到最后真正騰飛起來(lái),、火起來(lái)是iPhone,。

　　那么ChatGPT也是類似，大家稱這是一種現(xiàn)象。AI也是火了有一段時(shí)間,，但是沒(méi)有那么火,，有起有伏。大模型也出現(xiàn)了挺長(zhǎng)時(shí)間,，那么直到最近不久ChatGPT出現(xiàn)了之后,，它才帶來(lái)了一個(gè)大的飛躍，所以我們稱為ChatGPT是和網(wǎng)景和iPhone類似的一種現(xiàn)象,。

　　但我更想說(shuō),，今年ChatGPT非常的火，是表面上的一個(gè)現(xiàn)象,，更重要的ChatGPT后面起到核心作用的大模型,。所以我先想跟大家聊一聊大模型，大模型的英文叫Foundation Model.它是一個(gè)基礎(chǔ)模型,，好比我們蓋房子時(shí)候打的地基,。什么是大模型呢？大模型是用互聯(lián)網(wǎng)級(jí)的,、沒(méi)有標(biāo)注的數(shù)據(jù),，來(lái)訓(xùn)練千億級(jí)參數(shù)的AI模型，這里面有好幾個(gè)關(guān)鍵字,。大模型也是下游很多任務(wù)的基礎(chǔ),。并且很有意思是，它不用做模型參數(shù)的調(diào)整,，對(duì)不同的任務(wù),，它不用去調(diào)整參數(shù)，這個(gè)事就非常的奇特了,。

　　這么多的特點(diǎn),，為了便于記憶可以總結(jié)為三個(gè)字，叫做“高大上”(這里沒(méi)有褒義和貶義的意思),?！案摺笔鞘裁匆馑寄?？大模型的訓(xùn)練方式很高明,。之前的機(jī)器學(xué)習(xí)，典型的訓(xùn)練方式是一種全監(jiān)督式的方式,。比如說(shuō),，我如果要教一下機(jī)器，這是一個(gè)蘋(píng)果的圖像,，這是一個(gè)橘子的圖像,。我告訴它,，這些圖像你都看一看，并且我告訴它這是橘子,。它就知道,，原來(lái)這樣的圖像是橘子。但是讓人工來(lái)標(biāo)注,，要花很多的時(shí)間,、精力和金錢。那么大模型是用自監(jiān)督的學(xué)習(xí)方式,，它不需要去標(biāo)注海量的數(shù)據(jù),。我覺(jué)這是非常重要的，在訓(xùn)練方式上很高明,。

　　第二,，很高明的訓(xùn)練方式還表現(xiàn)在它使用一種叫做“基于人類反饋的強(qiáng)化學(xué)習(xí)”，英文叫RLHF,，Reinforcement Learning from Human Feedback.有了這個(gè)非常強(qiáng)大的訓(xùn)練方式,，它就和人類的價(jià)值觀點(diǎn)越來(lái)越近了。比如說(shuō),，從互聯(lián)網(wǎng)它可能看了很多東西,，但是它不知道哪是對(duì)哪是錯(cuò)的，哪個(gè)是正義的哪個(gè)是不好的,。那么,，有了這個(gè)基于人類反饋的強(qiáng)化學(xué)習(xí)之后，它就和人類的價(jià)值觀越來(lái)越近了,。

　　高大上的“大”,，是說(shuō)模型規(guī)模很大。我們?nèi)绻€記得,，2012,、2013年前后深度學(xué)習(xí)開(kāi)始火起來(lái)的時(shí)候，當(dāng)時(shí)很流行的一個(gè)人工神經(jīng)網(wǎng)絡(luò)模型叫VGG,，VGG16大概有 1.38 億個(gè)參數(shù),。那今天我們的大模型會(huì)有多大呢,？GPT-3 有 1,750 億個(gè)參數(shù),，是當(dāng)時(shí)的大概有 1,000 倍那么大。這樣的規(guī)模就使得大模型能夠?qū)W到大量的模式與常識(shí),，甚至建立一定的推理能力,。

　　第二個(gè)“大”是指訓(xùn)練的數(shù)據(jù)大。我剛才提到,，它是用互聯(lián)網(wǎng)級(jí)別的海量數(shù)據(jù)訓(xùn)練出來(lái),，這里面包括互聯(lián)網(wǎng)上的文本,、高質(zhì)量的網(wǎng)頁(yè)、維基百科,、書(shū)籍的語(yǔ)料庫(kù),。它的訓(xùn)練詞元(token)大概是千億級(jí)的。所以是訓(xùn)練方式“高”,，模型規(guī)?！按蟆保?xùn)練數(shù)據(jù)“大”,。

　　“上”是什么意思呢,？這也是一個(gè)挺神奇的事，是說(shuō)它的邏輯推理,、知識(shí)推理,、泛化能力突然之間就能更上一層樓。它的英文單詞叫做emergent ability,，就是突現(xiàn)的能力,、涌現(xiàn)的能力。用一個(gè)更通俗易懂的話來(lái)說(shuō)就是,，它突然會(huì)開(kāi)竅,。

　　語(yǔ)言模型隨著規(guī)模的增長(zhǎng)，突然對(duì)于訓(xùn)練時(shí)候沒(méi)有見(jiàn)過(guò)的任務(wù)也能夠懂是什么意思能夠勝任,，它開(kāi)竅了,。那么到多大的規(guī)模，這個(gè)模型才會(huì)開(kāi)竅呢,？基本上是在 650 億個(gè)參數(shù),，超過(guò)這個(gè)規(guī)模時(shí)它就開(kāi)竅了。

　　這就是大模型的幾個(gè)特點(diǎn),，“高大上”,。這幾個(gè)特點(diǎn)就決定了，如剛才黃所提到,，它帶來(lái)了很多新的東西,。這是我想跟黃所探討的第一個(gè)事。

　　黃燕銘：芮博剛才講到ChatGPT基于大數(shù)據(jù)大模型650億的參數(shù)以后能開(kāi)竅,。我們知道這次ChatGPT的出現(xiàn)離不開(kāi)背后大模型的突破,，二級(jí)市場(chǎng)的投資者普遍認(rèn)為大模型相對(duì)于之前的場(chǎng)景化的小模型有本質(zhì)的不同。您認(rèn)為大模型是不是實(shí)現(xiàn)通用人工智能的一種可行的路徑,？我們也看到GPT-4發(fā)布也增加了圖片作為輸入的新模式,，您覺(jué)得大模型未來(lái)會(huì)往怎樣的方向發(fā)展？

　　芮勇：黃所問(wèn)的這幾個(gè)問(wèn)題,，都很深刻,。我試著來(lái)一起來(lái)探討一下,。第一個(gè)，大模型的出現(xiàn)是不是一個(gè)人工智能范式的一個(gè)轉(zhuǎn)變,？這個(gè)事其實(shí)很有意思,，我們來(lái)看一下。我們知道GPT大模型的版本有1,、2,、3、3.5等等,，它這一系列的論文題目,，就反映了每個(gè)階段的變化。GPT-1,，論文名字叫做Improving Language Understanding by Generative Pre-Training,，生成式預(yù)訓(xùn)練提升語(yǔ)言理解能力。GPT這三個(gè)字是Generative Pre-trained Transformer 的縮寫(xiě),，是生成式預(yù)訓(xùn)練的Transformer,。

　　在GPT-1的時(shí)候，它其實(shí)比較大,，但是還沒(méi)有達(dá)到我剛才講的那個(gè)閾值,，它還是一個(gè)比較小的模型，對(duì)語(yǔ)言有一定的理解,。這個(gè)時(shí)候它有上億個(gè)參數(shù),，但是離650億個(gè)參數(shù)還有距離。

　　但到GPT-2的時(shí)候,，它論文的題目叫做“語(yǔ)言模型是無(wú)監(jiān)督的多任務(wù)學(xué)習(xí)者”,。GPT-2主要是通過(guò)多任務(wù)學(xué)習(xí)，獲得了遷移學(xué)習(xí)的能力,，零樣本學(xué)習(xí),，和執(zhí)行任務(wù)的能力，這個(gè)是一個(gè)非常重大的突破,。所以,，從GPT-1到2跨越了從小模型到大模型的一個(gè)飛躍。

　　到GPT-3的時(shí)候,，就更有意思了,。它講的是“語(yǔ)言模型是一個(gè)小樣本的學(xué)習(xí)者”。這個(gè)時(shí)候它顯示出非常強(qiáng)大的學(xué)習(xí)能力,，你只需要把訓(xùn)練好的大模型,，給他幾個(gè),，比如說(shuō)從中文到英文翻譯的幾個(gè)例子,，它自己就理解了,，哦，原來(lái)你給我這幾個(gè)例子說(shuō)是讓我做翻譯,，它就會(huì)給你去做翻譯了,。

　　到GPT-3.5，也就是我們看到的ChatGPT后面大模型的時(shí)候,，它又厲害了,，連例子都不用給了，你就直接用自然語(yǔ)言的方式告訴它要做什么任務(wù),，它也能夠理解了,。

　　前幾天，GPT-4發(fā)布,，它就又上一層樓,。它不僅僅是支持文本的交互，它的輸入也可以是圖像,，這是和之前一個(gè)比較大的區(qū)別,。它的上下文的大小，之前GPT-3.5大概是2K,，那么現(xiàn)在GPT-4的達(dá)到32K.所以它的上下文能力更大,，特別有利于支持多模態(tài)多輪對(duì)話的場(chǎng)景。

　　所以剛才黃所的問(wèn)題,，大模型的出現(xiàn)是不是一個(gè)AI的范式,？從這角度看，確實(shí)是,。這是從小模型加上面向特定任務(wù)的微調(diào),，轉(zhuǎn)換到了一種大模型加上上下文的學(xué)習(xí)，這樣一種新的范式,，這確實(shí)是一種新范式的出現(xiàn),。

　　那么剛才黃所還問(wèn)這個(gè)大模型，是不是通向今后的通用人工智能的一條路,？這個(gè)就要看我們是怎么來(lái)定義通用人工智能,。如果我們定義一個(gè)狹義的通用人工智能，比如說(shuō)通過(guò)人類的各科考試,，那么,，這個(gè)GPT-4做的已經(jīng)很不錯(cuò)了。它現(xiàn)在已經(jīng)參加了美國(guó)的各種考試,，比如說(shuō)LSAT滿分是180分,，它考了163分，打敗了88%的考生,。還有一些別的考試,，考的也都不錯(cuò),。但是還有幾種考試，比如說(shuō)這個(gè)十年級(jí)的就是大概是高中吧,，高中數(shù)學(xué)競(jìng)賽的那個(gè)考試還不夠理想,。

　　我們?nèi)绻x通用人工智能，它的狹義是說(shuō)能夠通過(guò)人類的各科考試,，現(xiàn)在GPT-4做還是可以了,。

　　如果定義這個(gè)通用人工智能的意思是說(shuō)和人類的智能要看齊，那它還是有些差距,。我覺(jué)得可能主要有幾個(gè)方面,，第一個(gè)是閉環(huán)的自主反饋糾錯(cuò)能力。今天我們都知道有自動(dòng)駕駛,，也有人類司機(jī)的駕駛,。有的時(shí)候我們還是會(huì)比較擔(dān)心，說(shuō)人類司機(jī)是不是比自動(dòng)駕駛發(fā)生錯(cuò)誤的概率還高一點(diǎn),？但是人類是一個(gè)閉環(huán)反饋系統(tǒng),，他能夠?qū)崟r(shí)去糾錯(cuò)，碰到意外情況的時(shí)候,，他能馬上反應(yīng)出來(lái),。但是這種開(kāi)環(huán)的，比如像今天的這個(gè)大模型情況,，它沒(méi)有實(shí)時(shí)反饋糾錯(cuò)的能力,，碰到意外的、之前徹底沒(méi)看到過(guò)的情況的時(shí)候,，它有時(shí)候會(huì)發(fā)生問(wèn)題,。所以今天不少人可能寧愿坐我們?nèi)祟愰_(kāi)的出租車，也不愿意去信任自動(dòng)駕駛的能力,。

　　第二,，它是跟人類這種深度理解的能力也有比較大的區(qū)別，我就不舉例子了,，就是你給它幾個(gè)比較繞的數(shù)學(xué)題的時(shí)候,，你能把它繞進(jìn)去。人類其實(shí)是懂了,，而它沒(méi)有真正懂,。你把它給繞進(jìn)去了，它的答案就是錯(cuò)的,。所以這么說(shuō),，大模型是不是通向通用人工智能的一條路徑？我們?nèi)绻x是狹義的通用人工智能，我覺(jué)得可能是其中的一條路徑,。如果是廣義的通用人工智能,，那就要向人類的智能看齊，它可能還有一些距離,。

　　黃燕銘：您講的非常清楚,，這要看具體的這個(gè)應(yīng)用場(chǎng)景,，我們本來(lái)的這個(gè)應(yīng)用場(chǎng)景覺(jué)得很大,，放到一個(gè)更大的范圍里面，它就變得很小,，所以我想這個(gè)是一個(gè)層層推進(jìn)的過(guò)程,。我們今天覺(jué)認(rèn)為的大模型在將來(lái)可能還是一個(gè)小模型，我們?cè)谖磥?lái)會(huì)有更大的一些模型的出現(xiàn),。

02 關(guān)于商業(yè)應(yīng)用場(chǎng)景

　　黃燕銘：海外像大摩這些金融機(jī)構(gòu)把ChatGPT技術(shù)應(yīng)用在理財(cái)投資顧問(wèn)的工作領(lǐng)域,，我們相信這種應(yīng)用也會(huì)越來(lái)越多、越來(lái)越快,，相信在不遠(yuǎn)的將來(lái)ChatGPT技術(shù)也會(huì)在中國(guó)大陸全面開(kāi)花,。除了技術(shù)，投資者最關(guān)注的莫過(guò)于未來(lái)可能出現(xiàn)的應(yīng)用場(chǎng)景,。我們看到微軟已經(jīng)把ChatGPT整合到了辦公軟件,、會(huì)議軟件當(dāng)中，直接跟消費(fèi)者收費(fèi),；同時(shí),，海外也已經(jīng)有很多公司把GPT模型用在了不同的領(lǐng)域，比如面對(duì)企業(yè)的內(nèi)容創(chuàng)作,、績(jī)效營(yíng)銷分析等等,。不知道您更看好GPT系列未來(lái)在哪些場(chǎng)景中的落地？比如是更看好B端還是C端,，開(kāi)源還是閉源,？

　　芮勇：黃所說(shuō)的非常好。一個(gè)技術(shù)到最后,，還是要落地的,，要有場(chǎng)景的。這個(gè)事兒從企業(yè)上來(lái)看也是完全一樣的,，我們?nèi)魏蔚募夹g(shù)都要落到場(chǎng)景去,，要產(chǎn)生經(jīng)濟(jì)效益。那么剛才黃所說(shuō),，有哪些場(chǎng)景是落地會(huì)比較好,？其實(shí)，我們?nèi)绻penAI的官網(wǎng)去看一看，他們列出了非常多的場(chǎng)景,，有48個(gè)不同的使用場(chǎng)景,，大致有7個(gè)類別，包括問(wèn)答,、分類,、代碼、對(duì)話,、生成,、翻譯、轉(zhuǎn)換等等,。

　　我們可以簡(jiǎn)化一點(diǎn)看這個(gè)問(wèn)題,，就看兩個(gè)大類，一個(gè)是理解,，另一個(gè)是生成,。大模型其實(shí)非常強(qiáng)，它的語(yǔ)言理解能力要比之前準(zhǔn)確很多,，所以這是人機(jī)交流的一個(gè)大的里程碑,。比如今后我們使用搜索引擎，可以用自然語(yǔ)言進(jìn)行搜索了,，而不用去找到底是用這個(gè)關(guān)鍵詞，還是用那個(gè)關(guān)鍵詞,，你只要用自然語(yǔ)言就可以了,，這是它理解能力的應(yīng)用場(chǎng)景。

　　第二個(gè)是生成能力的應(yīng)用場(chǎng)景,，這里有很多智能化的內(nèi)容生成,，比如輔助寫(xiě)作、代碼編寫(xiě)等等,，這些東西它都可以做了,。在節(jié)目開(kāi)始之前，我跟黃所聊的時(shí)候,，黃所還問(wèn)說(shuō)證券分析師是不是也有一部分會(huì)被取代,？我覺(jué)得今后可能社會(huì)上有一些職業(yè)更容易被取代一些。數(shù)字社會(huì)勞動(dòng)力市場(chǎng)有一個(gè)新的特征,，就是很多這種像能寫(xiě)會(huì)算的專業(yè)知識(shí)技能,，逐漸會(huì)被標(biāo)準(zhǔn)化、模塊化,、和程序化,。

　　反而是那些沒(méi)有被模塊化的技能可能更難被取代,。有兩種技能，我覺(jué)得看起來(lái)比較難被取代,。一種是創(chuàng)意,，它包括分析能力、創(chuàng)造性思考能力,、理解和表達(dá)能力,。

　　第二種是社交智慧，我們?nèi)祟愂且环N社交的動(dòng)物,，具有智慧的社交能力,，和人際的融合能力、溝通能力和領(lǐng)導(dǎo)力,，這些是很難被取代的,。

　　剛才黃所也問(wèn)到,，C端B端,、開(kāi)源閉源。我個(gè)人認(rèn)為C端可能會(huì)快速落地,，然后是B端的爆發(fā)式落地,。我為什么這么認(rèn)為呢？因?yàn)槲覀兛唇裉斓倪@種大模型它的通用能力非常的強(qiáng),，可以立刻就支持C端,，包括像個(gè)人應(yīng)用、內(nèi)容創(chuàng)作,、文章,、代碼、圖像視頻的生成,，等等,，所以它可以立刻支持C端，也就可以立刻快速落地,。但是這個(gè)B端還需要一段時(shí)間把大模型和B端給連接起來(lái),。一旦能夠打通之后，那么B端的落地增長(zhǎng)會(huì)是爆發(fā)性的,。這是我個(gè)人的看法,，關(guān)于C端和B端。

　　那么開(kāi)源和閉源呢,？我覺(jué)得閉源現(xiàn)在有一些先發(fā)優(yōu)勢(shì),，雖然我們叫OpenAI，但是它現(xiàn)在的這些模型,，它并不開(kāi)源,，還是閉源，所以它有一定的先發(fā)優(yōu)勢(shì)。我們從一個(gè)比較長(zhǎng)期來(lái)看,，開(kāi)源是有利于生態(tài)建設(shè)的,，比如說(shuō)我們今天大家都用的Linux，RISK-V,，PyTorch,，它都是開(kāi)源的。開(kāi)源有后勁,，所以我覺(jué)得閉源現(xiàn)在有一定的先發(fā)優(yōu)勢(shì),，但是開(kāi)源有利于生態(tài)建設(shè)，它的后勁會(huì)比較強(qiáng),。

　　黃燕銘：芮博剛才講到人類有兩種能力可能是機(jī)器暫時(shí)還替代不了,，第一個(gè)是創(chuàng)意，第二個(gè)是社交,。我們知道在大模型出現(xiàn)之前,，也有很多的場(chǎng)景里邊存在一些基于特定模型的AI應(yīng)用。隨著大模型的興起,，您認(rèn)為之前這些AI企業(yè)的發(fā)展是否需要全面轉(zhuǎn)向大模型,？在大模型興起的過(guò)程中，這些AI企業(yè)怎么根據(jù)自己的比較優(yōu)勢(shì)做出相應(yīng)的戰(zhàn)略調(diào)整呢,？

　　芮勇：黃所這個(gè)問(wèn)題也是特別的好,，我覺(jué)得可能所有做產(chǎn)業(yè)的，做企業(yè)的同仁們都會(huì)問(wèn)這樣一個(gè)問(wèn)題,。我是這樣考慮的,，把一項(xiàng)技術(shù)注入產(chǎn)品，或者去賦能業(yè)務(wù)的時(shí)候,，還是要綜合考慮很多的因素,。我們當(dāng)前階段大模型進(jìn)步非常快,，但不少問(wèn)題還沒(méi)真正解決,。另外用戶場(chǎng)景產(chǎn)生的需求也不是完全一樣，并且它的應(yīng)用程序運(yùn)行環(huán)境也不一樣,。

　　所以我覺(jué)得,，大模型會(huì)是非常重要的一支力量，但是可能也不會(huì)是放之四海而皆準(zhǔn),，所有人都需要上,。如果來(lái)比較細(xì)的來(lái)看，有這么幾個(gè)方面,。一個(gè)是比如說(shuō)我們就用這個(gè)ChatGPT的知識(shí)庫(kù)作為一個(gè)例子,，它的知識(shí)庫(kù)截止于2021年,，那么問(wèn)它2022年或者2023年的事，它基本上是不知道的,。對(duì)于需要經(jīng)常性知識(shí)更新的業(yè)務(wù)場(chǎng)景,，大模型今天還做的不太好。這個(gè)也比較容易理解,，因?yàn)槊坑?xùn)練一次大模型非常耗時(shí),，并且強(qiáng)大的算力后面還需要很多人工，還要去人為給它一些強(qiáng)化學(xué)習(xí)的一些反饋,。所以它的實(shí)時(shí)性不強(qiáng),，對(duì)最新的消息它也不知道。

　　所以,，對(duì)這些場(chǎng)景可能它不是特別適合,。第二，它的泛化能力有時(shí)能泛化的挺好,，有時(shí)又泛化的不好,。對(duì)一些工業(yè)應(yīng)用，真正的應(yīng)用可能還有點(diǎn)不是很安全,，因?yàn)檎l(shuí)也不想看這東西時(shí)靈時(shí)不靈,。所以我們覺(jué)得還有些場(chǎng)景,，它不太能夠用得到,。大模型的參數(shù)是在千億級(jí)的，它需要設(shè)備端和云端的實(shí)時(shí)連接,，云端去做各種計(jì)算,、生成和推理。那么,，對(duì)于網(wǎng)絡(luò)通訊能力比較弱,，或者是低功耗的設(shè)備，它可能也不太適用,。

　　所以我們說(shuō),，大模型有很多地方都非常適用，但是可能也有一些場(chǎng)景,，它并不完全適用,。剛才黃所也提到企業(yè)怎么去做調(diào)整，怎么去抓住機(jī)會(huì),。我也趁這個(gè)機(jī)會(huì)插播一個(gè)廣告,。大模型里面有幾個(gè)非常關(guān)鍵的核心技術(shù)，剛才我和黃所聊的時(shí)候我們都聊到了,，比如Few-Shot Learning,，就是小樣本學(xué)習(xí),，還有增強(qiáng)學(xué)習(xí)等等。這些技術(shù),，其實(shí)聯(lián)想我的團(tuán)隊(duì)很早之前一直在看這個(gè)事,。

　　我們把它用在一個(gè)比較有意思的地方，用在工廠的智能排產(chǎn),。聯(lián)想有一家非常大的工廠,，在合肥，它的占地有42個(gè)標(biāo)準(zhǔn)足球場(chǎng)那么大,。全球的每8臺(tái)PC有1臺(tái)就是在那里生產(chǎn)的,。它有上百條的產(chǎn)線，它能生產(chǎn)的機(jī)器類型也是上百款,，每一天都從全球飛來(lái)成千上萬(wàn)的訂單,。這些訂單那到底是應(yīng)該排在哪個(gè)產(chǎn)線的哪個(gè)時(shí)間去生產(chǎn)？這就很有學(xué)問(wèn)了,，如果這個(gè)排產(chǎn)排的好,，它的成本就會(huì)低很多，它的速度就會(huì)快很多,，它的產(chǎn)線利用率就會(huì)突飛猛進(jìn)的增強(qiáng),。如果我們用深度學(xué)習(xí)加上強(qiáng)化學(xué)習(xí)的這種方式去做，就會(huì)得到非常好的效果,。所以我們也是在合肥工廠用到了這種強(qiáng)化學(xué)習(xí),，使得我們排產(chǎn)水平和排產(chǎn)效率大幅的提高。

　　那么聯(lián)想現(xiàn)在大的戰(zhàn)略方向是“端邊云網(wǎng)智”,，我覺(jué)得這幾個(gè)方向都會(huì)跟大模型發(fā)生關(guān)系,。特別是大模型把新的機(jī)會(huì)點(diǎn)、新的需求都提出來(lái)了,。在“端”側(cè),，無(wú)論是PC、手機(jī),、平板,、AR/VR這些設(shè)備它都會(huì)成為大模型某一種輸入的入口。那么“邊云網(wǎng)”這些基礎(chǔ)設(shè)施,，如果我們要訓(xùn)練大模型的話,，并行計(jì)算、分布式大規(guī)模訓(xùn)練的基礎(chǔ)設(shè)施就非常重要,。這塊兒是聯(lián)想基礎(chǔ)設(shè)施業(yè)務(wù)群會(huì)著力去看,。

　　在“智”這方面，我們?cè)诳春芏嗟男袠I(yè)智能化,，比如說(shuō)智能制造,、智慧交通,、智慧教育等等。那么大模型出來(lái)之后,，不僅是聯(lián)想了,，我相信很多公司也會(huì)說(shuō)，這種通用領(lǐng)域的大模型,，如何和垂直行業(yè)的知識(shí)相結(jié)合,，在垂直行業(yè)做智能化？所以這幾個(gè)方面,，我覺(jué)得大模型確實(shí)有很多重要的方向,，也帶來(lái)了非常多的機(jī)會(huì)。

　　黃燕銘：到目前為止,，實(shí)際上我們關(guān)于AI的主要應(yīng)用都是在生產(chǎn)管理,、企業(yè)經(jīng)營(yíng)方面。當(dāng)然AI其實(shí)也很大的一塊是用在藝術(shù)方面,，現(xiàn)在大家都在強(qiáng)調(diào)人工智能作畫(huà),。隨著AI作畫(huà)和ChatGPT的“出圈”，我們也看到有越來(lái)越多的創(chuàng)業(yè)者把生成式AI作為了自己的創(chuàng)業(yè)方向,。但同時(shí),，大模型的人才投入和成本都是非常大的，各大巨頭也都已經(jīng)在做,。您覺(jué)得如果作為AI創(chuàng)業(yè)者,，機(jī)會(huì)在哪里？

　　芮勇：黃所,，這又是一個(gè)特別好的問(wèn)題,，我先嘗試著從兩個(gè)角度來(lái)回答一下。我過(guò)一會(huì)兒也特別想聽(tīng)聽(tīng)黃所怎么來(lái)看這個(gè)問(wèn)題,。第一個(gè)角度，我覺(jué)得這個(gè)就像黃所剛才講的初創(chuàng)企業(yè),，大模型的訓(xùn)練成本非常高昂,，可能初創(chuàng)企業(yè)不太適合從零開(kāi)始，與現(xiàn)有的大模型競(jìng)爭(zhēng),。但是這并不代表初創(chuàng)企業(yè)跟大模型就不發(fā)生關(guān)系,。我覺(jué)得有很多地方它都可以去發(fā)生關(guān)系的。

　　比如在大模型基礎(chǔ)之上,，進(jìn)行不同行業(yè)的創(chuàng)新,。像黃所剛才提到的AIGC，在生成方式,，在藝術(shù)方面,，這些都是一些非常好的方向,，在大型之上去做創(chuàng)新。那么,，大模型和這個(gè)之上的創(chuàng)新就有一點(diǎn)像,，比如說(shuō)在10-15年以前移動(dòng)互聯(lián)網(wǎng)時(shí)代開(kāi)始蓬勃發(fā)展的時(shí)候,，一些公司負(fù)責(zé)開(kāi)發(fā)操作系統(tǒng)的平臺(tái),，另外一些公司在這個(gè)操作系統(tǒng)之上去做它的開(kāi)發(fā)套件API，還有一些公司在這個(gè)之上去開(kāi)發(fā)應(yīng)用,。

　　我覺(jué)得今天可能也是一樣,，有做大模型的大型企業(yè)，有做專業(yè)知識(shí)的專業(yè)企業(yè),，還有一些初創(chuàng)公司的小型企業(yè),，我覺(jué)得大家可以形成一個(gè)生態(tài)，從不同的角度來(lái)進(jìn)行創(chuàng)新和推進(jìn),。

　　第二個(gè)角度,，我覺(jué)得有一些企業(yè)可以去把垂直行業(yè)和大模型做一些適配，尤其是在數(shù)據(jù)端的適配,，因?yàn)橛幸恍┐怪毙袠I(yè)它可能不想把私有數(shù)據(jù)共享給大模型公司,，大模型公司又沒(méi)有辦法去訓(xùn)練它的數(shù)據(jù)。這個(gè)時(shí)候就不是一個(gè)最優(yōu)的答案,。那么,，有沒(méi)有一些企業(yè)可以去做一些很新穎的方式，使得私有企業(yè)比較安全地把私有數(shù)據(jù)共享給模型公司,，這個(gè)時(shí)候就可以吸引更多的數(shù)據(jù)訓(xùn)練出更好的模型,，再吸引更多的用戶，這樣整個(gè)的數(shù)據(jù)飛輪就能夠轉(zhuǎn)起來(lái)了,。我覺(jué)得確實(shí)有很多方向,，這些初創(chuàng)企業(yè)都是可以做的。我也想和黃所討論一下,，在這方面黃所怎么看,？

　　黃燕銘：其實(shí)站在我的角度來(lái)說(shuō)，我也思考了很多問(wèn)題,，我自己做證券研究29年,，我認(rèn)為證券研究的原料是信息，證券研究的成果依然是信息,。信息研究,、信息管理的整個(gè)過(guò)程貫穿了證券研究的管理的整個(gè)過(guò)程。但是在這個(gè)過(guò)程當(dāng)中,，我們有些東西是可以用計(jì)算機(jī)記錄下來(lái),，用計(jì)算機(jī)來(lái)進(jìn)行計(jì)算,，用計(jì)算機(jī)來(lái)進(jìn)行記憶，但是有些東西計(jì)算機(jī)做不到,。

　　我一直在思考一個(gè)問(wèn)題,，1946年馮諾依曼在設(shè)計(jì)計(jì)算機(jī)結(jié)構(gòu)的時(shí)候，他把計(jì)算機(jī)的主要功能設(shè)定為記憶和計(jì)算,，但是他少了一塊東西,，跟人類相比，那就是心智,，人類的智慧,。為什么他沒(méi)有設(shè)計(jì)智慧？知識(shí)是記錄在紙上的,，知識(shí)可以用機(jī)器來(lái)記錄和表達(dá),，但智慧是人需要感悟和認(rèn)知的，所以知識(shí)在書(shū)本,，在電腦,。智慧在人的內(nèi)心，在大腦,。所以是兩個(gè)不同的東西,。因此，計(jì)算機(jī)能夠幫助我們?nèi)ビ洃浿R(shí),，幫助我們?nèi)ビ?jì)算知識(shí),。但是計(jì)算機(jī)不能幫助我們?nèi)祟惾ジ形蛐轮腔邸?/p>

　　所以我自己認(rèn)為人工智能再怎么發(fā)展，可能有一條鴻溝,，沒(méi)有辦法突破,，就是“轉(zhuǎn)識(shí)成智”，怎么把知識(shí)變成智慧,，變成智慧是需要相當(dāng)長(zhǎng)的時(shí)間學(xué)習(xí)鍛煉,，然后不斷的去感悟的過(guò)程，而且不同的人對(duì)智慧的感悟可能是不一樣的,。

　　我相信,，ChatGPT以及類似的這些人工智能的發(fā)展會(huì)給我們各行各業(yè)在未來(lái)帶來(lái)很大的變化。這種變化主要還是在記憶和計(jì)算兩大環(huán)節(jié)給我們提供幫助,，畢竟我們?cè)谌祟惖娜粘４竽X的活動(dòng)當(dāng)中，計(jì)算和記憶占了大量時(shí)間,，而參悟智慧占的時(shí)間并不多。雖然它是最重要的，但是我們相對(duì)來(lái)講占的時(shí)間不多,。

　　如芮博所言，人工智能沒(méi)有辦法幫我們完成的工作,，第一個(gè)是社交，第二個(gè)是創(chuàng)造性的工作,。那從我的角度來(lái)說(shuō),，哪些東西電腦能夠完成？哪些東西電腦不能完成,？我的理解是形而下的工作可以交給計(jì)算機(jī),，但是形而上的感悟，目前來(lái)看,，人工智能還很難去幫我們完成,。

　　什么叫“形而下”？有具體的數(shù)據(jù),、具體的語(yǔ)言,、具體的計(jì)算公式，能夠按照一種方式,，放進(jìn)去這些條件出來(lái)的結(jié)果就是這個(gè),。這些工作在我們證券研究里面其實(shí)有很多，比如說(shuō)我們?nèi)粘Ｗ鲎C券研究,，我們要收集信息,，要收集上市公司年報(bào)的信息，要收集公告信息,，收集各個(gè)媒體發(fā)布的信息等等,，通過(guò)把這些信息收集過(guò)來(lái)，加工整理成我們一系列的研究產(chǎn)品,，包括信息匯編類的報(bào)告,、年報(bào)點(diǎn)評(píng)類的報(bào)告、行業(yè)點(diǎn)評(píng)類的報(bào)告,。這些通過(guò)簡(jiǎn)單的人工收集信息,，然后簡(jiǎn)單加工，就可以形成的這一類日常點(diǎn)評(píng)性的報(bào)告,，我相信用人工智能都可以完成,。

　　而這類工作其實(shí)在我們?nèi)粘．?dāng)中耗費(fèi)了巨多的時(shí)間和人力，所以說(shuō)我相信人工智能的發(fā)展會(huì)導(dǎo)致證券研究人員數(shù)量可能會(huì)在一定程度上減少,，大量研究助理需要干的活被機(jī)器替代,，很多研究助理晚上可以減少熬夜，讓機(jī)器幫助完成一部分的工作,。

　　不過(guò),，是不是證券的研究中所有的東西都可以讓電腦來(lái)替代呢？我就說(shuō)一個(gè)問(wèn)題，2014年本人的那篇文章,，《股票價(jià)格不是樹(shù)上的花》,，這篇文章能讓機(jī)器寫(xiě)出來(lái)嗎？我相信也不能,。這就好比以前大家在探討有沒(méi)有可能讓機(jī)器寫(xiě)出優(yōu)美的散文和唐詩(shī),、機(jī)器能不能參悟人類的智慧達(dá)到更高的一個(gè)境界。我相信智慧還是需要人類自己去完成,。

　　所以我們也在討論一個(gè)很簡(jiǎn)單的問(wèn)題,，機(jī)器能不能寫(xiě)出讓人類滿意的研究報(bào)告？我的答案是機(jī)器可以寫(xiě)出讓機(jī)器滿意的報(bào)告,，但是機(jī)器很難寫(xiě)出完美到讓人類最滿意的研究報(bào)告,，但它能夠幫助我們解決記憶和計(jì)算。

　　芮勇：黃所講的非常精彩,，我特別認(rèn)同這樣的一些看法,，關(guān)于機(jī)器和人之間的關(guān)系，“形而下”和“形而上”之間的關(guān)系,。我從事信息行業(yè),，計(jì)算機(jī)是信息科學(xué)的一個(gè)分支。從信息科學(xué)來(lái)看,，數(shù)據(jù)是一些最原始的東西,，數(shù)據(jù)升華以后才是信息，信息升華以后才是知識(shí),，知識(shí)再升華以后才是智慧,。它有好幾個(gè)不同的等級(jí)，所以我特別同意剛才黃所講的,，確實(shí)人類和機(jī)器還是有很多不一樣的地方,。黃所另外講的一個(gè)觀點(diǎn)是人和機(jī)器的之間的關(guān)系，我也非常認(rèn)同,。

　　我從2015,、2016年開(kāi)始就跟大家說(shuō)AI到底是哪兩個(gè)字，它不一定代表Artificial Intelligence,，我們今天所說(shuō)的人工智能,，我覺(jué)得它更代表的是Augmented Intelligence，是一個(gè)增強(qiáng)以后的人類智能,。其實(shí)人和機(jī)器的關(guān)系不是人和機(jī)器PK,，而是人加上機(jī)器，機(jī)器是一種輔助的工具使得我們?nèi)祟惛訌?qiáng)大,。

　　機(jī)器應(yīng)該為人類服務(wù),，而不是人類為機(jī)器服務(wù),。那么剛才黃所提到的一個(gè)是計(jì)算,、一個(gè)是記憶,，這兩個(gè)讓機(jī)器去做吧。這兩個(gè)機(jī)器本來(lái)做的都很好,，它算的比我們算的快,，記得也比我們記得多。但是很多它不會(huì)的東西是在我們?nèi)祟惖哪X子里,，那剛好機(jī)器干機(jī)器強(qiáng)的事,，人類干人類強(qiáng)的事，所以結(jié)合在一起,，應(yīng)該是一個(gè)更加強(qiáng)大的人,，就是我認(rèn)為是一個(gè)增強(qiáng)的人類，所以認(rèn)同黃所剛才講的這幾點(diǎn),。

03 關(guān)于AI技術(shù)倫理

　　黃燕銘：我們也注意到,，不管是ChatGPT還是最近發(fā)布的GPT-4，在回答一些問(wèn)題時(shí)也生成了一些對(duì)部分人群不友好的回答,。您覺(jué)得隨著人工智能的發(fā)展,，未來(lái)我們可能會(huì)面臨哪些技術(shù)倫理方面的問(wèn)題？

　　芮勇：黃所問(wèn)了一些非常高深的問(wèn)題,，這也是上升到哲學(xué)高度了,。這個(gè)事我是這樣看，倫理這個(gè)事確實(shí)很重要,，如果看我們古代的一些先賢,，他們對(duì)這些事情的看法。比如說(shuō)從《道德經(jīng)》的角度來(lái)看,，《道德經(jīng)》里有一句話,，“天之道，利而不害”,。這就是說(shuō),，自然規(guī)律是利萬(wàn)物。我們的先賢在幾千年以前的這些理念,、觀點(diǎn),，對(duì)今天的AI發(fā)展仍然有指導(dǎo)意義。

　　在人工智能技術(shù)走向產(chǎn)品的時(shí)候,，一定也會(huì)碰到道德和倫理的問(wèn)題,。之前的某款聊天機(jī)器人就可能會(huì)講一些不太準(zhǔn)確、不太合適的話,，上線不到24小時(shí)就被迫關(guān)閉了,。那今天的ChatGPT在這方面已經(jīng)做了很大的改進(jìn),，它的情商還是比較高的，很少會(huì)有侮辱性語(yǔ)言和偏激行為,，因?yàn)樗挠?xùn)練方式已經(jīng)和7,、8年前相比有很大飛躍了。但即使是這樣,，我們?nèi)匀恍枰纯丛趺茨茏屗幼袷匚覀內(nèi)祟惖膫惱怼?/p>

　　我們來(lái)回顧一下大模型的訓(xùn)練過(guò)程,，它其實(shí)用了互聯(lián)網(wǎng)級(jí)別的海量數(shù)據(jù)來(lái)訓(xùn)練。這就是像一個(gè)孩子,，他學(xué)習(xí)了很多基本的文化知識(shí),，但是他沒(méi)有建立價(jià)值觀，他不知道什么叫對(duì),，什么叫錯(cuò),，什么叫正確的，什么叫不正確的,。對(duì)于這一點(diǎn),，我們要教這個(gè)孩子什么是對(duì)的，什么是錯(cuò)的,。

　　在ChatGPT里有一個(gè)算法,，我們剛才也提到了，就是基于人類反饋的強(qiáng)化學(xué)習(xí),。這個(gè)就是為了去教這個(gè)大模型人類的價(jià)值觀是什么,，人類認(rèn)為什么是對(duì)的、什么是錯(cuò)的,，使得大模型向人類的價(jià)值觀來(lái)靠攏,。所以，這是一個(gè)挺重要的問(wèn)題,。所以我們看到的在人工智能的發(fā)展過(guò)程當(dāng)中,，給我們帶來(lái)了很多生活的便利、生產(chǎn)效能的提高,，但是這些倫理和道德問(wèn)題,，我們也要花大力氣去想，這些人工智能產(chǎn)品的落地時(shí)需要遵循的一些原則,，才能使之健康有序的發(fā)展,。

　　現(xiàn)在業(yè)界比較公認(rèn)的幾個(gè)人工智能基本原則，包括公平,、可靠,、保密、包容,、透明,、負(fù)責(zé),，等等。我們?cè)倩貋?lái)看這幾個(gè)字,，很多理念也是我們中華民族這幾千年來(lái)文化的根基,。所以基于這樣的一些理念，我們能夠讓人工智能以一種合乎倫理的方式進(jìn)行使用,，也可以設(shè)計(jì)出讓人更加信賴的人工智能,、更加體現(xiàn)道德原則的解決方案。

　　黃燕銘：還想跟芮博交流最后一個(gè)問(wèn)題,，改革開(kāi)放40多年，中國(guó)的科學(xué)技術(shù)突飛猛進(jìn),，中國(guó)的金融行業(yè)也是日新月異,，您作為一個(gè)走遍世界的技術(shù)領(lǐng)軍人物，站在您的角度,，對(duì)中國(guó)的人工智能,，特別是對(duì)GPT的發(fā)展前景如何看待，能否做個(gè)展望,？

　　芮勇：對(duì),，我覺(jué)得我們的前景非常的好！首先,，整個(gè)科技領(lǐng)域,，人工智能領(lǐng)域，無(wú)論是從基礎(chǔ)算法,，還是從我們的數(shù)據(jù),，都非常豐富，非常先進(jìn),。其次,，中華民族有一個(gè)比較重要的美德，我們非常的勤奮,。那么在強(qiáng)大算法的基礎(chǔ)之上,，加上這種勤奮的美德，我們?cè)敢夂献鞯倪@種美德,，我覺(jué)得我們無(wú)論是人工智能,，還是更廣闊的整個(gè)科技領(lǐng)域的發(fā)展，都會(huì)變得越來(lái)越好,！好,，謝謝黃所！

　　黃燕銘：謝謝芮博,！我相信人工智能的未來(lái)發(fā)展,，前景非常廣闊,，現(xiàn)在才剛剛開(kāi)始，未來(lái)還有很多新的技術(shù)發(fā)展,、新的應(yīng)用值得我們期待,！我們大家可以期待一個(gè)更加美好的未來(lái)！我們今天的節(jié)目就到這里謝謝大家,！

（文章來(lái)源：國(guó)泰君安）